第五段階：AI応用シーンの探索

GoogleとKaggleが共同で提供する5日間のAIエージェント集中コース。本番環境向けのAIエージェントシステムの構築、評価、およびデプロイ方法を学べます。

Start Learning AI →
AIAgentsGoogleGeminiWebSiteVideoFreeEnglish

5日間AIエージェント集中講座 - Google & Kaggle

講座概要

本講座は、Googleの機械学習研究者およびエンジニアが開発した無料オンラインコースであり、開発者がAIエージェント（AI Agents）の構築・評価・デプロイに必要なスキルを習得することを目的としています。本講座は、GoogleとKaggleが以前に開催し、28万人以上の受講者を集めた「生成AI集中講座」の次なるステップとなる応用編です。

基本事項

  • 開催期間: 2025年11月10日～14日（5日間）
  • 受講形式: 完全オンライン
  • 費用: 無料
  • 主催: Google & Kaggle
  • 言語: 英語
  • 受講者数: 数十万人を見込み

講座の特徴

  1. 理論と実践の融合: 毎日、概念解説、ハンズオンラボ（Codelabs）、ライブディスカッションを実施
  2. 多様な学習教材:
    • AI生成ポッドキャスト（NotebookLM使用）
    • 専門ホワイトペーパー（Google専門家執筆）
    • 実践的コードラボ
    • YouTubeライブレッスン
    • Discordコミュニティサポート
  3. 実践プロジェクト: 講座終了後にCapstoneプロジェクトを実施。優秀作品は賞品の授与およびGoogle・Kaggle公式SNSでの紹介あり
  4. 修了証明: Capstoneプロジェクト完了により、Kaggleバッジを取得可能

講座構成と技術スタック

コア技術

  • コアモデル: Google Gemini
  • 開発フレームワーク: Agent Development Kit (ADK)
  • 通信プロトコル: Model Context Protocol (MCP)
  • プラットフォーム: Kaggle（Codelabs用）
  • プログラミング言語: Python
  • 補助ツール: NotebookLM

コアコンポーネント

本講座では、AIエージェントの以下の5つの主要コンポーネントを網羅します：

  1. Models（モデル）: 大規模言語モデルの基礎
  2. Tools（ツール）: 外部関数およびAPI呼び出し
  3. Orchestration（オーケストレーション）: ワークフローの調整
  4. Memory（メモリ）: 短期および長期記憶の管理
  5. Evaluation（評価）: 品質保証およびパフォーマンス指標

各日のカリキュラム詳細

Day 1: AIエージェント入門とアーキテクチャ

テーマ: エージェントシステムとLLMの違いを理解する

主な内容:

  • エージェント能力の分類体系
  • 「Agent Ops」規範の必要性
  • 相互運用性およびセキュリティの重要性
  • ADKを用いた推論型エージェントの構築
  • Think-Act-Observeループのオーケストレーション
  • 複数エージェント設計パターンの探求

学習教材:

  • ホワイトペーパー: Introduction to Agents
  • ポッドキャスト: Unit 1 Summary (NotebookLM経由)
  • Codelabs:
    • Building Agentic Apps with the Agent Development Kit (ADK)
    • Introduction to LangGraph
    • Function Calling with the Gemini API

習得スキル:

  • エージェントの基本アーキテクチャの理解
  • エージェントループ機構の習得
  • ADKを用いた基本エージェントの構築

Day 2: エージェントツールとMCP相互運用性

テーマ: APIおよびツールを通じて現実世界の操作を実現

主な内容:

  • 外部ツールおよび関数の統合
  • リアルタイムデータ取得
  • Model Context Protocol (MCP) の紹介
  • 複雑で長時間実行される操作の処理

学習教材:

  • ホワイトペーパー: Agent Tools & Interoperability with Model Context Protocol (MCP)
  • ポッドキャスト: Unit 2 Summary (NotebookLM経由)
  • Codelabs:
    • Function Calling with the Gemini API
    • Using tools with LangGraph
    • Prompt Caching with the Gemini API

習得スキル:

  • Function Callingの実装
  • MCPプロトコルの利用
  • 外部ツールおよびAPIの統合

Day 3: コンテキストエンジニアリングとメモリ

テーマ: 短期および長期メモリシステムの実装

主な内容:

  • コンテキストエンジニアリングの実践
  • 動的情報の組み立ておよび管理
  • Sessions（セッション）— 即時履歴記録
  • Memory（メモリ）— 長期的な永続化
  • ステートフルかつパーソナライズされたAI体験の構築

学習教材:

  • ホワイトペーパー: Context Engineering: Sessions & Memory
  • ポッドキャスト: Unit 3 Summary (NotebookLM経由)
  • Codelabs:
    • Context Caching with the Gemini API
    • Long-term Memory using LangGraph
    • Personalization with Gemini API

習得スキル:

  • コンテキストウィンドウ管理の実装
  • メモリシステムの構築
  • パーソナライズされたエージェント体験の作成

Day 4: 品質、ログ、評価

テーマ: 可観測性、トレース、パフォーマンス指標

主な内容:

  • エージェント品質保証の包括的評価フレームワーク
  • 可観測性技術の基礎（ログ、トレース、メトリクス）
  • 拡張可能なフィードバックループ
  • LLM-as-a-Judge手法
  • Human-in-the-Loop (HITL) ワークフロー

学習教材:

  • ホワイトペーパー: Agent Quality
  • ポッドキャスト: Unit 4 Summary (NotebookLM経由)
  • Codelabs:
    • LangSmith Fundamentals
    • Evaluating Agentic Applications
    • A/B Testing with Agents

習得スキル:

  • 品質評価体制の導入
  • ログおよびトレースツールの活用
  • 評価指標の設計

Day 5: プロトタイプから本番環境へ

テーマ: 複数エージェントシステムのデプロイおよびスケーリング

主な内容:

  • エージェントの運用ライフサイクル（デプロイ、スケーリング、本番化）
  • プロトタイプからエンタープライズレベルのソリューションへの移行
  • Agent2Agent (A2A) プロトコル
  • Vertex AI Agent Engineへのデプロイ
  • 複数エージェントシステムアーキテクチャ

学習教材:

  • ホワイトペーパー: Prototype to Production
  • ポッドキャスト: Unit 5 Summary (NotebookLM経由)
  • Codelabs:
    • Multi-agent Workflows with LangGraph
    • Human-in-the-loop Workflows in LangGraph
    • Deploying Agents with Google Cloud

習得スキル:

  • 本番レベルのエージェントデプロイ
  • 複数エージェント協調システムの構築
  • Google Cloudを用いたスケーリング

Capstoneプロジェクト

プロジェクト概要

  • 開始日: 2025年11月14日（5日目の講義終了後）
  • 提出締切: 2025年11月30日 PT午後11時59分
  • 開発期間: 約2週間

プロジェクト要件

  1. Agent Development Kit (ADK) を使用してAIエージェントを設計・実装すること
  2. 講義で学んだコア機能のうち少なくとも3つを実装すること（例：ツール利用、メモリ、評価）
  3. Kaggleノートブック形式のドキュメントを提出すること
  4. 短いデモ動画およびプロジェクト説明文を含めること

報酬制度

  • 全完了者: Kaggleプロフィールバッジを付与
  • 上位10名:
    • Kaggle限定グッズ
    • GoogleおよびKaggle公式SNSでの作品公開

学習時間の目安

  • 毎日の課題: 1～2時間
  • ライブレッスン: 45～60分（任意参加、録画あり）
  • 合計: 1日あたり約2～3時間
  • 柔軟性: 自分のペースで学習可能。フルタイム勤務または在学中の方にも最適

対象者

最適な方

✅ AI/ML/LLMに関する一定の経験があり、エージェント開発にステップアップしたい開発者
✅ 自動化ワークフローやマルチステップタスクに関連する業務に携わっている方
✅ 実践的な演習およびライブレッスンに積極的に参加できる方
✅ 所属組織内で提示または利用可能な具体的なプロジェクトを構築したい方
✅ データサイエンティスト、MLエンジニア、ソフトウェア開発者

不向きな方

❌ AI/MLの基礎知識がなく、LLMの基本的な使い方をまだ学んでいる初学者
❌ 1日1～2時間の学習時間を確保できない方

前提知識

  • Pythonプログラミングの基礎（必須ではないが推奨）
  • AI、機械学習、データサイエンスへの関心
  • Pythonノートブックおよび一般的なエージェントライブラリの使用経験

学習成果

本講座修了後、以下のことができるようになります：

  1. ✅ エージェントの明確なフレームワーク設計（目標 → 計画 → ツール呼び出し → メモリ → 評価）
  2. ✅ CodelabsおよびCapstoneプロジェクトを通じた実践経験の獲得
  3. ✅ 本番環境における考慮事項の理解（ログ記録、フォールトトレランス、スケーリング）
  4. ✅ 修了証およびコミュニティネットワークの獲得
  5. ✅ 単純なエージェントから複雑なマルチエージェントシステムまで構築できる能力
  6. ✅ エージェントの評価および最適化手法の習得

講座のハイライト

なぜAIエージェントを学ぶべきか？

Googleの見解によると、企業は単体のモデル呼び出しから、実験およびデプロイを拡張可能なエージェントプラットフォームへと移行しています。エージェントは、チームが強力なモデルを実用的なソフトウェアに変える手段となっています。LLMにメモリ、ツール利用、プランニング、評価といった機能を組み込むことで、信頼性高くマルチステップタスクを遂行できるようになるのです。

エージェント vs. LLM

  • 従来のLLM: 一回限りのプロンプト-レスポンス
  • AIエージェント:
    • プランニング可能
    • ツールを呼び出し可能
    • 他のエージェントと協調可能
    • メモリ機能を備える
    • 評価および最適化が可能
    • 信頼性高くマルチステップタスクを完了可能

講座リソース

公式リンク

学習アドバイス

  1. 事前環境準備: Pythonノートブックおよび一般的なエージェントライブラリに慣れておくこと
  2. 実際の課題を選定: 小規模な自動化ワークフロー（例：週次レポート作成、サポート問い合わせ分類、コンテンツQA）から始める
  3. 評価指標を計画: シンプルな成功指標（タスク完了率、遅延時間、人的レビュー削減時間など）を事前に策定
  4. Day 1-2: 基礎を固める — エージェントループ、ツール呼び出し、メモリ
  5. Day 3: 早期に評価を導入 — 基本的なチェックでも誤った方向への最適化を防げる
  6. Day 4: ユースケースに必要がある場合のみ、マルチエージェントまたはマルチツール設定に進む

競争上の優位性

構造化されたエージェント学習講座としては最も早いものの一つとして、本講座を修了することで以下のメリットがあります：

  • 🎯 多くの組織がエージェントAIの導入方法を模索している中で、先行者利益を獲得
  • 🎯 利害関係者に提示可能、またはポートフォリオに含められる具体的なプロジェクトを保有
  • 🎯 GoogleおよびKaggleコミュニティ内での専門家ネットワークを構築
  • 🎯 「エージェントを知っている」から「エージェントを提供できる」レベルへの飛躍的成長

コミュニティとサポート

  • Discordチャンネル: Google社員が積極的に運営・サポート
  • ライブ専門家講義: Google研究者およびエンジニアによるQ&Aセッション
  • グローバル学習コミュニティ: 数十万人の学習者と共に成長
  • 録画視聴: すべてのライブレッスンは録画され、異なるタイムゾーンの受講者にも対応

まとめ

5日間AIエージェント集中講座は、開発者およびML実務者が「LLMアプリケーション」から「エージェントシステム」へとステップアップするための、タイムリーかつ厳格な機会です。AIが「提案」から「行動」へと進化する中、メモリ、ツール、協調、評価、デプロイといった能力を持つエージェントを構築できる人材が有利な立場を占めることでしょう。

これは単なる講座ではなく、AIエージェント時代へのパスポートです。