マネージャーエージェントにツールを持たせてはいけない　ADKで学ぶマルチエージェント協調5パターン

品質特性と評価軸

　プロダクション環境でエージェントを運用するには、動いているだけでは不十分で、定量的な品質指標に基づく継続的改善が必要です。

• 成功率（Success Rate）：エージェントが目標を達成できた割合です。「成功」の定義はタスクごとに異なり、評価セットの設計が測定の土台になります
• 反復回数（Iteration Count）：目標達成までに実行ループを繰り返した回数です。過度に多い場合は計画能力やツール設計を見直します
• コスト（Cost）：LLM呼び出し・ツール実行・ストレージ使用に伴うコストです。主要ドライバーはトークン消費量で、コンテキスト設計が直接影響します
• レイテンシ（Latency）：リクエストから最終応答までの所要時間です。複数ステップを実行するぶんLLMラッパーより長くなります
• 安全性（Safety）：エージェントが有害な行動を取らない度合いです。プロンプトインジェクション攻撃への耐性、機密情報の漏えい防止、権限外操作の防止が含まれます
• 再現性（Reproducibility）：同じ入力に対して同じ（または十分に類似した）出力を返す度合いです。温度パラメータの制御、Seed値の固定、構造化出力の活用で高めます

　下表に品質特性と測定手段の対応を示します。

品質特性と測定手段の対応

品質特性	測定手段	ADKの対応機能
成功率	評価セットによるテスト	adk eval
反復回数	ループカウントの記録	トレース
コスト	トークン消費量の集計	Usage Metadata
レイテンシ	実行時間の計測	OpenTelemetryトレース
安全性	攻撃テスト	ガードレール + adk eval
再現性	繰り返し実行の一致率	評価セット + Seed固定

　品質指標は本番運用時にも監視し続けます。ADKの評価フレームワーク（書籍の第5章）とAgentOpsの運用監視（書籍の第8章）がこれを支えます。

エージェント開発ライフサイクル

　エージェントの開発は、従来のソフトウェア開発とは異なるライフサイクルを持ち、以下の7フェーズで構成されます（ADKのCLIコマンド視点のライフサイクルは書籍の1.4節で扱います）。

• フェーズ1　要件化（Requirements）：ゴール・対象範囲・成功基準・制約を定義し、自動化可能性を評価します
• フェーズ2　設計（Design）：単一かマルチか、協調パターン、ツール、メモリ層構造を決めます
• フェーズ3　プロトタイプ（Prototype）：adk createで生成し、adk runで最小限の処理フローを動かします
• フェーズ4　評価（Evaluation）：adk evalで評価セットを実行し、成功率・コスト・レイテンシを収集します
• フェーズ5　改善（Improvement）：Instruction・ツール・メモリ設計・ガードレールを見直します。adk optimizeは評価結果をもとにInstructionの改善案を生成します（詳細は第5章で扱います）
• フェーズ6　本番化（Production）：adk deployでAgent Engine／Cloud Run／GKEのいずれかにデプロイします
• フェーズ7　運用学習（Operational Learning）：本番の動作を監視し、フィードバック・エラーログ・品質指標を分析して改善につなげます

　7フェーズの循環構造を下図に示します。

エージェント開発7フェーズの循環構造

　本書の刊行を記念して、抜粋記事をお届けしました。続きは書籍を確認いただけますと幸いです。ぜひお近くの書店でお手に取ってみてください。

 

Amazon　 SEshop　 その他

 

現場で役立つ マルチエージェントAI設計入門 Google A2A×ADKで実現する堅牢な運用システム

 

著：為藤 アキラ
発売日：2026年08月20日（水）
定価：4,180円（本体3,800円＋税10%）

本書について

本書は、AIエージェントをビジネスの現場で確実に稼働させるための実践的な解説書です。GoogleのADK・A2A・MCPを駆使し、複数エージェントが連携する高度なシステムの設計・実装手法を解説します。「実験環境では動いたけれど、本番運用に乗せられない」「複数のエージェントを連携させると途端に破綻する」「トークンコストが爆発してしまう」といった現場の課題を解決し、堅牢なマルチエージェントシステムを構築するためのノウハウをまとめました。