Akira

Posted on Jun 25 • Originally published at apidog.com

Google ADK (エージェント開発キット) とは？実践ガイド

Google ADKは、AIエージェントの構築、評価、デプロイを行うためのオープンソースフレームワークです。AgentspaceのようなGoogle製品内のエージェントでも使われています。すでにOpenAI Agents SDKのようなエージェントスタックを検討しているなら、ADKはGeminiおよびVertex AIとの統合を重視しながら、同じようにツール呼び出し、マルチエージェント構成、評価、デプロイを扱えます。この記事では、ADKの基本構成、最小実装、そしてApidogでエージェントが呼び出すAPIをテスト・モックする方法を整理します。

今すぐApidogを試す

Google ADKとは

ADKはAgent Development Kitの略です。Googleは2025年4月のGoogle Cloud Nextで、エージェントのライフサイクル全体を扱うオープンソースツールキットとして発表しました。

ADKで扱う主な作業は次のとおりです。

エージェントを定義する
エージェントにツールを渡す
複数エージェントを構成する
振る舞いを評価する
本番環境へデプロイする

当初はPythonが最初にサポートされ、その後GoogleはJavaを追加し、GoとTypeScriptのサポートも追随しています。Pythonが最も早く成熟しているため、最初に試すならPythonから始めるのが実装上は安全です。

ADKはGoogleがAgentspaceやCustomer Engagement Suiteのエージェントで内部的に使用しているものと同じフレームワークです。そのため、単なるサンプル用SDKではなく、本番ワークロードを前提に設計されています。

ADKはモデルに依存しません。ただし、GeminiとVertex AIとの統合に最適化されています。Vertex AI Model Garden経由のモデルや、LiteLLMを通じたAnthropic、Meta、Mistralなどのプロバイダーも利用できます。

ADKがGeminiとVertex AIのエコシステムで占める位置

ADKを理解するときは、次の3レイヤーに分けると整理しやすくなります。

モデル

Gemini、Vertex AI Model Garden、またはLiteLLM経由の他プロバイダーが推論を行います。
フレームワーク

ADKがエージェント定義、ツール接続、マルチエージェントフローを管理します。
ランタイム

Vertex AI Agent Engineは、本番環境でエージェントを実行するマネージドランタイムです。Cloud Runやその他のコンテナランタイムにもデプロイできます。

つまり、ADKは開発者が直接触るコードレイヤーです。下にはGeminiなどのモデルがあり、上にはVertex AI Agent Engineのような本番実行環境があります。

ローカルでADKを動かして検証し、必要に応じてVertex AI Agent EngineやCloud Runにデプロイする、という進め方が現実的です。

主要な概念

ADKで最初に押さえるべき構成要素は次の5つです。

エージェント
ツール
マルチエージェント構成
Runner
評価とデプロイ

エージェント

基本単位はLLMに裏打ちされたエージェントです。Pythonでは google.adk.agents から Agent をインポートします。

Agent は LlmAgent の便利なエイリアスです。最低限、次の情報を渡します。

name: エージェント名
model: 使用するモデル
instruction: 振る舞いの指示
tools: 呼び出し可能な関数ツール

from google.adk.agents import Agent

def get_exchange_rate(base: str, target: str) -> dict:
    """Return the exchange rate between two currencies."""
    # ここで実際のFX APIを呼び出す
    return {
        "base": base,
        "target": target,
        "rate": 1.08,
    }

currency_agent = Agent(
    name="currency_exchange_agent",
    model="gemini-2.0-flash",
    instruction="通貨間の換算をユーザーに手伝います。事実に忠実に従ってください。",
    tools=[get_exchange_rate],
)

この時点で、単一エージェントとして動作する最小構成になります。

実装時のポイントは次のとおりです。

instruction には役割、制約、出力方針を書く
tools には副作用や外部API呼び出しを行う関数を渡す
ツール関数には型ヒントとdocstringを書く
LLMに任せる処理とAPIで確定させる処理を分ける

ツール

ツールは、エージェントがテキスト生成以外の処理を行うための仕組みです。ADKでは、通常のPython関数をそのままツールとして渡せます。

def search_products(keyword: str, limit: int = 5) -> dict:
    """Search products by keyword and return a list of matching items."""
    # 実際には商品検索APIを呼び出す
    return {
        "items": [
            {"id": "p_001", "name": "USB-C Cable", "price": 1200},
            {"id": "p_002", "name": "USB-C Hub", "price": 4200},
        ][:limit]
    }

ツール関数を書くときは、次の点を意識します。

関数名は具体的にする
引数名はAPIの意味に合わせる
戻り値の構造を安定させる
docstringで「いつ使うべきか」を説明する
外部APIのエラーをそのままLLMに投げず、扱いやすい形式に整形する

例：

def get_order_status(order_id: str) -> dict:
    """Get the current status of an order by order ID."""
    # 注文管理APIを呼び出す想定
    try:
        return {
            "order_id": order_id,
            "status": "shipped",
            "estimated_delivery": "2026-06-28",
        }
    except Exception as error:
        return {
            "order_id": order_id,
            "error": str(error),
        }

ADKは google_search やコード実行などの組み込みツールも提供します。また、外部ツールサーバーと接続するためのModel Context Protocol (MCP)もサポートしています。

LangChainやLlamaIndexのようなサードパーティライブラリをラップしたり、別のエージェントをツールとして扱ったりすることもできます。

実際の業務エージェントでは、多くのツールがREST APIを呼び出します。そのため、APIのレスポンス形式、エラー形式、認証、レート制限を事前にテストしておくことが重要です。

マルチエージェントシステム

単一エージェントでも多くの処理はできますが、ADKは複数エージェントの構成にも対応しています。専門エージェントを分け、コーディネーターが処理を委譲する形にできます。

ADKには、決定論的な制御を行うためのワークフローエージェントがあります。

SequentialAgent

サブエージェントを順番に実行する
ParallelAgent

サブエージェントを並列に実行する
LoopAgent

条件が満たされるまで繰り返す

たとえば、調査、要約、検証を分けたい場合は、次のような設計にできます。

research_agent
  ├── web_search_agent
  ├── summarizer_agent
  └── fact_check_agent

このように責務を分けることで、各エージェントのinstructionとツールを小さく保てます。

Runner

本番コードでは、エージェントを直接呼び出すのではなく、Runner が実行を管理します。

Runner は次の処理を担当します。

セッション管理
イベントフローの制御
状態更新
モデル呼び出し
ツール呼び出しの調整

開発中はCLIを使うと、定型コードを書かずに動作確認できます。

adk run

adk run は対話型ターミナルセッションを起動します。

adk web

adk web はローカルブラウザUIを開き、エージェントとのチャットや各ステップの確認ができます。

実装時は、まず adk web で以下を確認すると効率的です。

instructionが期待どおり効いているか
ツールが適切なタイミングで呼ばれるか
ツール引数が正しいか
ツール結果をもとに回答できているか
想定外のエラー時に破綻しないか

評価とデプロイ

ADKには評価ハーネスが含まれています。単に出力を目視するのではなく、期待される応答や軌道に対してエージェントを採点できます。

これは、次の変更でエージェントの振る舞いが変わるためです。

プロンプト変更
ツール追加
ツールの戻り値変更
モデル変更
サブエージェント構成変更

デプロイには、大きく2つの選択肢があります。

デプロイ先	向いているケース
Vertex AI Agent Engine	Google Cloud上でマネージドに運用したい場合
Cloud Runまたは任意のコンテナ基盤	よりポータブルに運用したい場合

Vertex AI Agent Engineは、スケーラブルなマネージドランタイムを提供します。より柔軟に運用したい場合は、エージェントをコンテナ化してCloud Runなどにデプロイできます。

最小構成の実装例

次は、旅行計画エージェントの簡単なマルチエージェント構成です。コーディネーターがフライト検索とホテル検索をサブエージェントに委譲します。

from google.adk.agents import Agent

def search_flights(origin: str, destination: str, date: str) -> dict:
    """Search flight options for a route and date."""
    # フライトAPIを呼び出す想定
    return {
        "flights": [
            {
                "flight_no": "AB123",
                "origin": origin,
                "destination": destination,
                "date": date,
                "price": 42000,
            }
        ]
    }

def search_hotels(destination: str, check_in: str, nights: int) -> dict:
    """Search hotel options near the destination."""
    # ホテルAPIを呼び出す想定
    return {
        "hotels": [
            {
                "name": "Central Hotel",
                "destination": destination,
                "check_in": check_in,
                "nights": nights,
                "price_per_night": 15000,
            }
        ]
    }

flights = Agent(
    name="flight_agent",
    model="gemini-2.0-flash",
    instruction="ユーザーのルートと日付に合うフライトオプションを検索します。",
    tools=[search_flights],
)

hotels = Agent(
    name="hotel_agent",
    model="gemini-2.0-flash",
    instruction="目的地の近くのホテルオプションを検索します。",
    tools=[search_hotels],
)

trip_planner = Agent(
    name="trip_planner",
    model="gemini-2.0-flash",
    instruction="旅行を計画します。フライト検索とホテル検索は適切なサブエージェントに委任します。",
    sub_agents=[flights, hotels],
)

この構成では、trip_planner がユーザーリクエストを解釈し、必要に応じて flight_agent と hotel_agent に処理を渡します。

開発フローは次のように進めると実装しやすくなります。

まず単一ツールを持つエージェントを作る
adk web でツール呼び出しを確認する
ツール関数の戻り値を安定させる
専門ごとにサブエージェントへ分割する
評価ケースを追加する
デプロイ先を選ぶ

ADK対OpenAI Agents SDK

ADKとOpenAI Agents SDKは、どちらもコードファーストのエージェントフレームワークです。ツール、引き渡し、トレースを扱えます。違いは、主にエコシステムの重心です。

	Google ADK	OpenAI Agents SDK
デフォルトモデル	Gemini (Vertex AI)	OpenAIモデル
その他のモデル	Vertex AI Model Garden, LiteLLM	LiteLLMなど
言語	Python, Java, Go, TypeScript	Python, JavaScript/TypeScript
マルチエージェント	サブエージェントとSequential、Parallel、Loopワークフローエージェント	ツールとしてのエージェントと引き渡し
マネージドランタイム	Vertex AI Agent Engine	持ち込み
ツールプロトコル	MCP, 組み込みツール, 関数ツール	MCP, 関数ツール

Google Cloud上で開発しており、GeminiやVertex AI Agent Engineを使いたい場合はADKが自然に合います。OpenAIを中心に設計している場合は、OpenAI Agents SDKがそのまま使いやすい選択肢です。

どちらもMCPに対応しているため、ツールサーバーを共有できる可能性があります。

ADKを使用すべきとき

ADKを検討しやすいのは、次のようなケースです。

Google Cloud上で開発している
GeminiとVertex AI Agent Engineを使いたい
シーケンシャル、パラレル、ループ制御を伴うマルチエージェント構成が必要
評価機能をフレームワーク内で扱いたい
モデルを後から切り替える可能性がある
Vertex AI Model GardenやLiteLLMをエスケープハッチとして使いたい

一方で、次のような場合はADKを使わない判断もあります。

ユースケースが1つのプロンプトと1〜2個の関数呼び出しで完結する
すでに別のモデルエコシステムに強く依存している
マルチエージェント構成や評価ハーネスが不要
フレームワーク導入による構造化コストのほうが大きい

エージェントフレームワークは構造を提供しますが、小さなタスクではその構造自体がオーバーヘッドになることがあります。

Apidogの役割：エージェントが呼び出すAPIのテストとモック

ADKはエージェントを調整します。ただし、エージェントが依存する外部APIそのものをテストするわけではありません。

エージェント内の意味のあるツールは、多くの場合、次のいずれかを呼び出します。

LLMエンドポイント
決済API
社内マイクロサービス
検索API
顧客管理API
サードパーティのデータソース

これらのAPIが想定外の形式を返すと、エージェントは不正な入力をもとに推論します。その結果、LLMの問題なのか、ツールの問題なのか、API契約の問題なのかを切り分けにくくなります。

Apidogはエージェントフレームワークではなく、ADKを置き換えるものでもありません。Apidogは、ADKツールがアクセスするAPIの1つ下のレイヤーをテスト・モックするためのツールです。

ADK開発では、次のように使えます。

1. ツールが呼び出すエンドポイントをモックする

LLMやツールが呼び出すRESTエンドポイント用のモックAPIを立ち上げます。

これにより、次の状態でエージェントを開発できます。

実APIが未完成でも開発できる
トークンを消費せずに試せる
レート制限に当たらずに反復できる
エラーケースを意図的に返せる
レスポンス形式を固定してテストできる

たとえば、ツール関数側ではモックURLを呼び出すようにしておきます。

import requests

def get_customer_profile(customer_id: str) -> dict:
    """Get customer profile by customer ID."""
    response = requests.get(
        f"https://mock-api.example.com/customers/{customer_id}",
        timeout=10,
    )
    response.raise_for_status()
    return response.json()

開発中はモックAPI、本番では実APIに切り替えることで、エージェントのロジック検証を早く始められます。

2. ツールの応答形式をアサートする

APIアサーションを使い、ツールエンドポイントがエージェントの期待するフィールドを返すことを確認します。

確認したい項目の例：

HTTPステータスコード
必須フィールドの有無
フィールド型
配列長
エラー形式
認証エラー時のレスポンス

エージェント側で次のような構造を期待しているなら、

{
  "customer_id": "c_123",
  "name": "Yamada Taro",
  "plan": "pro",
  "status": "active"
}

APIテスト側で customer_id、plan、status などの必須フィールドを検証しておきます。契約がずれた場合、混乱したエージェントの会話ログではなく、APIテストで先に検出できます。

3. 環境ごとにキーを管理する

開発、ステージング、本番でAPIキーやベースURLが異なる場合、Apidogの環境設定を使って切り替えられます。

ADKツール側でも環境変数を使うと、同じコードで接続先を変えられます。

import os
import requests

API_BASE_URL = os.getenv("API_BASE_URL")

def search_orders(customer_id: str) -> dict:
    """Search orders for a customer."""
    response = requests.get(
        f"{API_BASE_URL}/orders",
        params={"customer_id": customer_id},
        timeout=10,
    )
    response.raise_for_status()
    return response.json()

このようにしておくと、ローカルではモックAPI、ステージングでは検証用API、本番では実APIを使う構成にできます。

エージェントに特化した詳しい手順が必要な場合は、AIエージェントのツール呼び出しをテストする方法を参照してください。Apidogをダウンロードすれば、単一エンドポイントのモックから始められます。

よくある質問

Google ADKは無料でオープンソースですか？

はい。ADKはApacheライセンスのGitHubリポジトリでオープンソースとして公開されており、費用なしでローカル実行できます。

ただし、呼び出すモデルや、Vertex AI Agent Engineのようなマネージドランタイムには料金が発生します。フレームワーク自体は無料です。

ADKはGeminiでのみ動作しますか？

いいえ。ADKはGeminiとVertex AIに最適化されていますが、モデルに依存しません。Vertex AI Model GardenとLiteLLMを通じて、Anthropic、Meta、Mistral、その他のプロバイダーでエージェントを実行できます。

Geminiはデフォルトとして使いやすい選択肢ですが、必須ではありません。

ADKはどの言語をサポートしていますか？

Pythonが最初にサポートされ、最も完成度が高いです。その後、GoogleはJavaを追加し、GoとTypeScriptのサポートも追随しています。

現時点で最も幅広い機能カバーを重視するなら、Pythonから始めるのが無難です。

ADKエージェントが依存するAPIをテストするにはどうすればよいですか？

エージェントとは別にAPIをテストします。

実践的には、次の流れです。

ツールが呼び出すAPI仕様を決める
ApidogでモックAPIを作る
ADKツールからモックAPIを呼び出す
正常系と異常系をエージェントで確認する
APIアサーションでレスポンス契約を検証する
ステージングまたは本番APIに切り替える

Apidogはモックとアサーションの両方を扱えます。ChatGPT APIのテスト方法に関するガイドは、エージェントのツールが呼び出すLLMエンドポイントにも近いパターンです。

まとめ

Google ADKは、GeminiとVertex AIを中心にしながら、他のモデルも利用できるエージェント開発フレームワークです。単一エージェント、ツール呼び出し、マルチエージェント構成、評価、デプロイまでを一貫して扱えます。

最初は、1つのエージェントと少数のツールから始めるのが現実的です。adk web でツール呼び出しと推論の流れを確認し、必要に応じてサブエージェントやマネージドランタイムへ拡張します。

エージェントが外部APIに依存する場合、そのAPIは必ずモックとアサーションの対象にしてください。ADKがエージェントの構成を担い、Apidogがツール呼び出し先のAPI契約を支える、という分担にすると、実装とデバッグが進めやすくなります。

DEV Community