Gemini Enterprise Agent Platform（旧Vertex AI）とは？主要機能・料金・メリットを解説！

Gemini Enterprise Agent Platform（旧Vertex AI、以下Agent Platform）は、生成AIアプリケーションやAIエージェントの構築・実行・管理・改善を支援するGoogle Cloudの統合AIプラットフォームです。

Geminiなどの基盤モデルの利用、自社データを参照するRAG、エージェントの開発・運用に加え、従来型の機械学習モデルの学習・デプロイにも対応しています。BigQueryやCloud Storageなどと連携し、自社の業務やデータに合わせたAIシステムを構築できます。

本記事では、Agent Platformの概要、主要機能、料金、導入メリットに加え、Agent BuilderによるAIエージェント開発・運用の仕組み、連携できるGoogle Cloudサービスを解説します。

AIシステム開発に必要な体制作り、工数や手順についてはこちらの記事で詳しく説明していますので併せてご覧ください。

AIシステム開発会社を自力で選びたい方はこちらで特集していますので併せてご覧ください。

Gemini Enterprise Agent Platformとは？

Gemini Enterprise Agent Platformは、Google Cloud上でAIモデルやAIエージェントを構築・デプロイし、管理・評価・改善まで行うための統合プラットフォームです。従来のVertex AIを発展させた基盤として、生成AIと機械学習の開発・運用を支援します。

従来型の機械学習では、データセットの準備、モデルの学習、ハイパーパラメータ調整、デプロイ、予測、監視などを一つの環境で行えます。

関連記事：「機械学習とは？AI・ディープラーニングとの違い、教師あり・教師なし・強化学習のアルゴリズムをわかりやすく解説」

さらに現在は、GoogleのGeminiをはじめとする生成AIモデルの利用、自社データと連携するRAG、モデル評価、プロンプト管理、AIエージェントの構築など、企業が生成AIアプリケーションを開発・運用するための機能も充実しています。

そのためAgent Platformは、単なる「機械学習モデルを作るためのサービス」ではなく、従来型AIから生成AIまでをGoogle Cloud上で統合的に開発・運用するための基盤と位置づけられます。

参照：Google Cloud｜Gemini Enterprise Agent Platformの概要

Google AI Studioとの違い

Google AI Studioは、Geminiのプロンプトやマルチモーダル処理を試し、Gemini APIを利用したアプリケーション開発を進めるための環境です。

Google Cloudの認証・権限管理やデータ基盤と連携し、モデルやエージェントの開発・運用をまとめて管理したい場合は、Agent Platformが候補になります。利用できるモデルや機能、料金、データの取り扱いなどを確認して選びましょう。

関連記事：「Google AI Studioとは？利用できるモデル・機能・始め方を徹底解説！」

Gemini Enterprise Agent Platformの料金

Agent Platformは、利用するモデルや機能ごとに料金が発生する従量課金制です。

生成AIでは、主に入力・出力トークン数や画像生成量に応じて課金されます。一方、従来型の機械学習では、モデルのトレーニングやデプロイ、予測に使用したコンピューティングリソースに応じて料金が発生します。

以下は、2026年9月時点の代表的な料金例です。

生成AI（Gemini）の料金例

※上記はグローバルエンドポイントの料金例です。

Gemini 3.8 FlashとGemini 3.7 Flashの掲載金額は、2026年12月31日までのプロモーション価格です。2027年1月1日以降の標準料金は、入力$1.50、出力$7.50／100万トークンです。

参考：Google Cloud 生成AI料金

画像生成モデルの料金例

関連記事：「Nano Bananaとは？料金・機能・使い方を徹底解説」

AutoML・従来型機械学習の料金例

参照：Google Cloud｜Gemini Enterprise Agent Platformの料金

Agent Platformは、GeminiのAPI利用だけでなく、RAG、AIエージェント、モデル評価、検索、トレーニング、デプロイなど、利用する機能ごとに料金体系が異なります。

そのため、実際の導入では「どのモデルを使うか」だけでなく、処理件数、入力データ量、推論回数、利用リージョンなどを踏まえて試算することが重要です。

また、新規のGoogle Cloudユーザーは、条件を満たす場合に無料クレジットを利用できます。

AIの開発費用の相場、見積方法をこちらの記事で詳しく説明していますので併せてご覧ください。

貴社ニーズに特化したAI開発に強い開発会社の選定・紹介

今年度AIシステム開発相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超
・画像認識、予測、LLM等、AI全対応

完全無料・最短1日でご紹介 AI開発に強い会社選定を依頼する

Gemini Enterprise Agent Platformでできること・メリット

Agent Platformを活用すると、以下のようなことが可能になります。

• Geminiなどの生成AIモデルを利用できる
• RAGや自社データ連携による生成AIシステムを構築できる
• AIエージェントを開発・運用できる
• エージェントの権限やセキュリティを管理できる
• 生成AIの評価・プロンプト改善を行える
• 機械学習モデルの学習・チューニング・デプロイにも対応
• AI開発から本番運用まで一つのプラットフォームで管理できる
• Google Cloudのデータ基盤や各種サービスと連携しやすい

それぞれについて解説します。

Geminiなどの生成AIモデルを利用できる

Agent Platformでは、GoogleのGeminiファミリーをはじめ、用途に応じた生成AIモデルを利用できます。

文章生成、要約、情報抽出、コード生成、画像・音声などを扱うマルチモーダル処理といった機能を、自社アプリケーションや業務システムへAPI経由で組み込むことが可能です。

また、Agent PlatformのModel Gardenでは、Googleが提供するモデルだけでなく、サードパーティーやオープンモデルも探し、比較・導入できます。

そのため、特定のモデルに限定されず、必要な精度、処理速度、料金、データの取り扱い、カスタマイズ性などに応じてモデルを選択できます。生成AIモデルは更新頻度が高いため、モデル名だけでなく、自社の用途や要件に合わせて比較することが重要です。

RAGや自社データ連携による生成AIシステムを構築できる

企業で生成AIを活用する場合、モデルが持つ一般的な知識だけでなく、社内マニュアル、製品情報、FAQ、契約書、業務データなどを参照させたいケースが多くあります。

Agent Platformでは、検索・Embeddingなどの機能と生成AIモデルを組み合わせることで、自社データを検索して回答を生成するRAGシステムを構築できます。

例えば、社内文書検索、問い合わせ対応、製品サポート、営業支援など、自社固有の情報を扱う生成AIシステムの基盤として利用できます。

また、Agent Search（旧Vertex AI Search）を利用すると、ウェブサイト、社内文書、構造化データなどを対象とした検索や、検索結果に基づく回答生成を組み込めます。社内マニュアルや製品情報を参照するRAGの検索基盤として活用できます。

キーワードによる正確な一致だけでなく、エンベディングモデルを用いて文章の意味や文脈の近さも考慮できるため、ユーザーの曖昧な質問や専門用語を含む検索でも、関連性の高い情報を取得しやすくなります。

このような検索機能とGeminiなどの生成AIを組み合わせることで、企業固有のデータを参照しながら回答する生成AIアプリケーションを構築できます。

関連記事：「RAG（検索拡張生成）とは？導入相談事例・LLMとの連携シーン・メリット・システム構築の注意点を徹底解説！」

AIエージェントを開発・運用できる

Agent Platformでは、モデル・外部ツール・業務データを組み合わせ、複数の処理を実行するAIエージェントを開発・運用できます。

例えば、社内情報を検索してレポートを作成する、顧客データを確認して問い合わせへの回答案を作るなど、業務の流れに沿った処理を設計できます。

これらを支えるAgent Builderの位置づけや、ADK・Agent Runtimeなどの役割は、後半で詳しく解説します。

関連記事：「AIエージェントとは？相談事例／活用例、生成AIとの違い・自律型の仕組み・種類を徹底解説！」

エージェントの権限やセキュリティを管理できる

Agent Platformでは、組織内のAIエージェントやツールを把握し、アクセス権限や接続先を管理するための機能を利用できます。

Agent Registryはエージェントやツールを登録・管理するカタログ、Agent Identityはエージェントを識別して権限を割り当てる仕組みです。Agent Gatewayを組み合わせることで、モデルや外部ツールとの通信に認証やポリシーを適用できます。

また、Model Armorとの連携により、プロンプトインジェクションや機密情報の漏えいなどへの対策を組み込めます。

部署ごとにエージェントが増えた場合でも、どのエージェントが何にアクセスできるかを把握し、組織のルールに沿って運用しやすい点がメリットです。

参照：Google Cloud｜エージェントを管理する

生成AIの評価・プロンプト改善を行える

Agent Platformでは、生成AIの評価機能を利用し、自社の業務データや評価基準に沿ってモデルの回答品質を比較できます。

例えば、同じ質問に対する複数モデルの出力や、プロンプトの変更前後の結果を評価し、モデル選定や回答品質の改善に活用できます。

また、AIエージェントについても、最終回答だけでなく、ツールの呼び出しやタスクの達成状況を含めて検証できます。モデルの更新や業務要件の変更に合わせ、継続的に評価することが重要です。

機械学習モデルの学習・チューニング・デプロイにも対応

Agent Platformは生成AIだけでなく、従来型の機械学習モデルの開発・運用にも対応しています。

AutoMLやカスタムトレーニングを利用することで、データセットの管理、モデル学習、ハイパーパラメータの調整、評価、デプロイ、オンライン予測までを一つの環境で管理できます。

そのため、生成AIと既存の機械学習モデルを組み合わせたAIシステムを構築したい企業にも適しています。

AI開発から本番運用まで一つのプラットフォームで管理できる

Agent Platformでは、従来型の機械学習に加え、生成AI、RAG、AIエージェント、モデル評価、デプロイ、運用までを一つの基盤で管理できます。

生成AIモデルをAPIで呼び出すだけでなく、アクセス制御、ログ管理、モデル評価、データ連携など、企業が生成AIアプリケーションを本番環境で運用するために必要な機能も利用できます。

各工程で異なる開発環境を利用すると、ツール間の連携やデータ形式の調整、権限管理などが複雑になりがちです。Agent Platform上で開発から運用までをまとめることで、複数の基盤をまたいで管理する負担を軽減できます。

また、Agent Platformは、従来のMLOps（機械学習運用）に加えて、LLMOps（大規模言語モデル運用）にも対応しています。

機械学習モデルだけでなく、生成AIモデルやプロンプトについても、評価・改善・更新・監視を継続的に行いやすい環境を構築できます。

PoC段階ではGoogle AI StudioでGeminiを試し、本番環境ではAgent Platformを利用して、アクセス制御やデータ連携、評価・監視まで含めて運用するといった使い分けも可能です。

Google Cloudのデータ基盤や各種サービスと連携しやすい

Agent PlatformはGoogleが開発していることもあり、Google Cloudとの統合・連携性に優れています。

データの互換性が高ければ開発業務を効率化できるため、すでにGoogle Cloudのツールを利用している方におすすめです。

参照：Google Cloud｜次世代のエージェントを推進する Gemini Enterprise Agent Platform を発表

Agent Builderとは？AIエージェントの開発・運用を支える仕組み

Agent Platform Agent Builder（旧Vertex AI Agent Builder）は、AIエージェントの構築・スケーリング・管理を支援する製品群です。

Agent Platformは生成AIや機械学習を含む開発・運用基盤全体であり、Agent Builderは、その中でAIエージェントの構築・運用を支援する製品群として位置づけられます。

単一の作成ツールではなく、開発フレームワークや実行環境などを組み合わせて利用します。

参照：Google Cloud｜Agent Platform Agent Builderのドキュメント

ADK・Agent Runtimeなどの役割

エージェントを業務で利用するには、処理を設計する機能と、開発した処理を実行・管理する機能が必要です。代表的な構成要素を整理すると、次のようになります。

すべての構成要素を必ず利用するわけではありません。必要な開発方法や会話管理の要件に応じて選択し、前述の検索・権限管理・評価機能と組み合わせます。

ADKで業務に合わせた処理や役割分担を設計する

ADKは、エージェントが利用するモデル、指示、ツール、処理の流れをコードで定義するための開発フレームワークです。

単一のエージェントだけでなく、複数のエージェントを連携させる構成にも対応します。

例えば、問い合わせ対応では「必要な情報を検索する」「検索結果から回答案を作る」「回答に不足がないか確認する」といった役割を分けられます。処理を順番に実行する、独立した処理を並列に進める、条件に応じて担当を切り替えるなど、業務に合わせて設計します。

ADKはGeminiとの親和性が高い一方、モデルやデプロイ先を固定しない設計です。

参照：Google｜Agent Development Kit公式ドキュメント

MCP・A2Aでツールや他のエージェントと連携する

エージェントに業務を実行させるには、情報の取得やシステム操作を行うツールを接続します。独自の関数やAPIを組み込むほか、MCPに対応したツールを利用する方法があります。

MCP（Model Context Protocol）は、AIアプリケーションを外部ツールやデータへ接続するための共通プロトコルです。例えば、対応するMCPサーバーが公開する検索やデータ取得の機能を、エージェントから利用できます。

一方、A2A（Agent2Agent）は、対応するエージェント同士が通信し、タスクを連携するためのプロトコルです。異なる環境で開発されたエージェントとの連携に利用でき、ADK内で複数のエージェントを組み合わせる場合に必ず必要となるものではありません。

接続先ごとに認証や実行権限を設定し、必要な操作だけを許可することで、既存システムを活用した業務フローを構築します。

関連記事：「MCPとは？AIと外部ツールをつなぐ仕組み・特徴・使い方・活用事例を解説」
関連記事：「Agent2Agent（A2A）とは？AIエージェントを繋ぐプロトコルの特徴や仕組み、MCPとの違い、活用事例を徹底解説！」

参照：Google｜ADKのツール連携・A2Aに関するドキュメント

Agent Runtimeで実行し、会話や記憶を管理する

開発したエージェントは、Agent Runtimeへデプロイすることで、Google Cloudのマネージド環境で実行・運用できます。業務アプリケーションから呼び出し、モデルやツールを使った処理を実行させます。

継続的な対話では、Sessionsを利用して会話中の状態を管理します。また、Memory Bankを組み合わせることで、過去のやり取りから保持した情報を別の会話でも活用し、利用者の希望や前提条件を踏まえた応答を設計できます。

記憶した情報を参照することと、基盤モデルそのものを追加学習することは異なります。保持する情報や利用範囲を設計し、業務に必要な文脈を引き継ぐ仕組みとして活用します。

本番導入前には、回答品質に加えて、ツールの呼び出し結果、エラー時の動作、処理時間などを検証します。導入後もログやトレースを確認し、処理の改善につなげます。

参照：Google Cloud｜ADKを使用してAgent Runtimeでエージェントを開発・デプロイする

Gemini Enterprise Agent Platformと連携できるGoogle Cloudのサービス、プロダクト

Agent PlatformはGoogle Cloudとの統合・連携性に優れています。Google Cloudには、AI・生成AIの開発やデータ活用を支えるサービスが数多くあります。

• BigQuery
• Cloud Storage
• Looker

これらのツールは、Agent Platformと連携することで、AIモデルの開発・運用、自社データとの連携、RAGや生成AIアプリケーションの構築を支える基盤を形成します。

BigQuery

BigQueryは、大規模データの蓄積・分析に対応するフルマネージド型のデータ基盤です。処理時間や費用は、データ量、クエリの内容、利用するコンピューティング容量などによって異なります。

BigQueryに蓄積された顧客データ、売上データ、業務データなどをAgent Platformと連携することで、機械学習の学習データとして利用できるだけでなく、生成AIによる分析、RAG、AIエージェントからのデータ参照などにも活用できます。

また、データの分析のほか、データを蓄積する用途でも利用できます。大きなデータを扱う方におすすめのサービスです。

Cloud Storage

Cloud Storageは、大量の非構造データを保存できるフルマネージド型のストレージサービスです。堅牢性に優れたプラットフォームにて、大量のデータを低コストで保管できます。

学習データだけでなく、PDF、画像、音声、動画、社内文書などを保存できます。Agent Platformと連携することで、RAGで参照するデータや、マルチモーダル生成AIで処理するファイルの保存先としても活用できます。

Looker

Lookerは、売上などの業務指標やデータの関係を共通の定義で管理し、分析・可視化に利用できるBIプラットフォームです。

AIエージェントとの連携では、Lookerで定義した指標やデータへのアクセスルールを活用し、業務上の意味に沿った分析につなげられます。例えば、「今月の地域別売上を確認したい」といった質問に対して、社内で共通化した売上の定義をもとにデータを参照する用途が考えられます。

Conversational Analytics APIなどを利用すると、Lookerをデータソースとする分析機能を、ADKを用いたエージェントの処理へ組み込めます。

貴社ニーズに特化したAI開発に強い開発会社の選定・紹介

今年度AIシステム開発相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超
・画像認識、予測、LLM等、AI全対応

完全無料・最短1日でご紹介 AI開発に強い会社選定を依頼する

Gemini Enterprise Agent Platformについてよくある質問まとめ

まとめ

Agent Platformは、従来型の機械学習だけでなく、Geminiなどの生成AI、RAG、AIエージェント、モデル評価、MLOps・LLMOpsまでをGoogle Cloud上で統合的に開発・運用できるAIプラットフォームです。

特に、BigQueryやCloud StorageなどのGoogle Cloudサービスをすでに利用している企業では、自社データと生成AIを連携しやすく、PoCから本番運用まで一貫した環境を構築しやすい点が大きなメリットです。

一方で、利用するモデルや機能によって料金体系や設計が大きく異なるため、導入時は「生成AIを使いたい」のような抽象的な目的ではなく、対象業務、扱うデータ、必要精度、セキュリティ要件、既存システムとの連携方法まで整理したうえで検討することが重要です。