【新人が Google Cloud 触ってみた】Antigravity と Agents-cli で Agent を Agent Runtime にデプロイしてみた。

# Antigravity がターミナルで実行
agents-cli create summary-agent --agent adk --prototype --agent-guidance-filename GEMINI.md -y

cd summary-agent
agents-cli install

Step 3:要約ロジックの実装とローカルテスト

要件に合わせて app/agent.py を編集します。
gemini-3.7-flash は Vertex AI 上でグローバルエンドポイント（locations/global）向けに提供されているため、ADK の設定で client_kwargs={"location": "global"} を付与したコードを Antigravity が生成しました。

# app/agent.py (Antigravity が生成・編集)
from google.adk.agents import Agent
from google.adk.apps import App
from google.adk.models import Gemini
from google.genai import types

MODEL = "gemini-3.7-flash"

SUMMARY_INSTRUCTION = """あなたは日本語の長文テキストを簡潔に要約する専門家エージェントです。

【要件】
1. ユーザーから与えられた日本語のテキストの内容を正確に理解し、主要な要点を「3〜5行の箇条書き」に要約してください。
2. 箇条書きは各項目「- 」で始め、1行につき1つの要点を簡潔明瞭に記述してください。
3. 項目数は必ず3行以上、5行以下に収めてください。
4. 挨拶、前置き（例：「承知いたしました。以下に要約します。」など）や結び（例：「以上です。」など）は一切出力せず、要約の箇条書きのみを出力してください。
5. 原文にない推測や虚偽の事実（ハルシネーション）は含めず、原文の事実に忠実であること。
"""

root_agent = Agent(
    name="summary_agent",
    model=Gemini(
        model=MODEL,
        client_kwargs={"location": "global"},  # Vertex AI のグローバルエンドポイントを指定
        retry_options=types.HttpRetryOptions(attempts=3),
    ),
    instruction=SUMMARY_INSTRUCTION,
    tools=[],
)

app = App(
    root_agent=root_agent,
    name="app",
)

ファイルを保存後、そのままローカルテストコマンドが実行されました。

# Antigravity がターミナルで実行
agents-cli run "次のテキストを要約してください：人工知能（AI）技術の急速な発展に伴い、ビジネス環境における自動化の取り組みが世界中で加速しています。特に大規模言語モデル（LLM）の台頭により、従来の定型業務の効率化だけでなく、文書作成、コード生成、データ分析といった知的作業の支援が可能になりました。しかしながら、AIの導入にはデータの安全性確保やプライバシー保護、ハルシネーション（もっともらしい嘘）への対策など、多くの課題も伴います。企業がAIを活用して競争力を高めるためには、技術的な検証と同時に適切なガバナンス体制の構築が不可欠です。"

出力結果:

- 人工知能の発展により、定型業務から知的作業までビジネスの自動化が急速に進展している。
- LLMの活用は文書作成やデータ分析などを支援し、業務効率の大幅な向上を可能にした。
- 一方で、データセキュリティ、プライバシー保護、ハルシネーションなどの課題も顕在化している。
- 企業が成果を上げるには、技術検証とともに適切なガバナンス体制の確立が不可欠である。

指示通り、4行の箇条書きで綺麗に要約が出力されました。

Step 4:評価データセットの作成と自動テスト

次に、エージェントの出力品質を評価します。
Antigravity がテスト用データセット（tests/eval/datasets/summary-dataset.json）を自前で作成し、eval run を実行しました。

# Antigravity がターミナルで実行
agents-cli eval run

agents-cli eval run の実行結果

Gemini による自動判定が走り、行数制約や要約の正確性について 全3ケースすべてで満点（5.00 / 5.00 点） となりました。

Step 5:Agent Runtime に向けた拡張（Enhance）

ローカルでの確認が取れたので、Agent Runtime へのデプロイ構成を適用します。

# Antigravity がターミナルで実行
agents-cli scaffold enhance --deployment-target agent_runtime -y
agents-cli install

Agent Runtime 向け構成の追加とパッケージ同期

FastAPI アプリや Dockerfile など、Reasoning Engine に必要なファイル群が自動でプロジェクトに追加され、依存パッケージが同期されました。

Step 6:デプロイ実行とトラブルシューティング

準備ができたので、クラウドへデプロイします。

# Antigravity がターミナルで実行
agents-cli deploy --project <YOUR_PROJECT_ID>

Cloud Build でのコンテナイメージ作成は成功したものの、Reasoning Engine のインスタンス起動で以下のエラーが発生しました。

agents-cli v1.5.0
Error: Deployment failed: {'code': 3, 'message': 'Reasoning Engine resource [projects/<PROJECT_NUMBER>/locations/us-east1/reasoningEngines/<REASONING_ENGINE_ID>] failed to start and cannot serve traffic.'}

エラーが出ても Antigravity は自分でログを調べ始めました。

1. Cloud Logging の確認:
   Antigravity が gcloud logging read を使って Reasoning Engine のログを取得。デフォルト設定の us-east1 でコンテナのヘルスチェック起動がタイムアウトしていることを確認。
2. リージョン設定の修正:
   Vertex AI Agent Engine の推奨リージョンが us-central1 であるため、設定ファイルを修正。      
   • agents-cli-manifest.yaml の region を us-central1 に書き換え
   • .env の GOOGLE_CLOUD_LOCATION を us-central1 に書き換え
3. 再デプロイ:
   ファイルを保存したあと、再デプロイを実行。

# Antigravity がターミナルで実行
agents-cli deploy --project <YOUR_PROJECT_ID> --region us-central1

数分後、無事にデプロイが完了しました。

✅ Deployment successful!
🪪 Agent Card URL: https://us-central1-aiplatform.googleapis.com/reasoningEngines/v1/projects/<PROJECT_NUMBER>/locations/us-central1/reasoningEngines/<REASONING_ENGINE_ID>/api/a2a/app/.well-known/agent-card.json
Agent Runtime ID: projects/<PROJECT_NUMBER>/locations/us-central1/reasoningEngines/<REASONING_ENGINE_ID>
Service Account: service-<PROJECT_NUMBER>@gcp-sa-aiplatform-re.iam.gserviceaccount.com

Reasoning Engine 自体は us-central1 で稼働し、モデル呼び出しはグローバルエンドポイントの gemini-3.7-flash へリクエストが飛ぶ構成になっています。

Step 7:リモート動作検証

デプロイ完了後、Antigravity はそのままクラウド上のエンドポイントに対して疎通テストを実行しました。

# Antigravity がターミナルで実行
agents-cli run --url https://us-central1-aiplatform.googleapis.com/reasoningEngines/v1/projects/<PROJECT_NUMBER>/locations/us-central1/reasoningEngines/<REASONING_ENGINE_ID>/api --mode adk "人工知能の発展により業務自動化が進んでいます。特にLLMの活用によりデータ分析や要約などの知的作業も自動化できるようになりました。しかし正確性の担保やセキュリティの確保が今後の課題です。この文章を要約してください。"

リモートからの出力結果:

Querying remote agent: https://us-central1-aiplatform.googleapis.com/.../api (mode: adk)
[summary_agent]: - 人工知能の発展により、業務の自動化が進んでいる。
- LLMの活用によって、データ分析や要約などの知的作業も自動化が可能となった。
- 正確性の担保やセキュリティの確保が今後の課題となっている。

Session: <SESSION_ID>
  Resume with: agents-cli run "<message>" --session-id <SESSION_ID>

要件通り、前置きなしの3行箇条書きでクラウドから要約が返ってきました。

まとめ

今回は agents-cli と Antigravity を使って Agent Runtime に Agent をデプロイしてみました。

従来のAIアシスタントだと、ターミナルに出たエラー文をコピーしてチャットに貼り付け、「どう直せばいい？」と聞き直す……という、人が間に入ってコピペを繰り返す作業がストレスでした。ですが Antigravity は、エラーが起きても自分で Cloud Logging のログを見に行き、原因を突き止め、設定ファイルを書き換えて再デプロイまでやり切ってくれました。

また、AIがデプロイまで進めたのは、google-agents-cli-workflow などの Skills がしっかり効いていたからだと感じます。Google Cloud の推奨手順やルールが整っているからこそ成立するんだなと実感しました。手動でコマンドを打ってはエラーで何時間も溶かしていたことに比べると、人間側は最初の要件出しと実行承認のボタンを押すだけになり、開発のスピードが本当に早くなりました。こうしたツールを味方につけて、どんどん手を動かしながらキャッチアップしていきたいと思います！

Google Cloud のエージェント開発や、Antigravity などのAIコーディングツールの活用を考えている方の参考になれば嬉しいです。