🛠️ Googleが『AIエージェントの作り方』を1つに揃えにきた｜Firebase Genkit Agents APIをやさしく解説
アイ
目次
AIが勝手に動いてくれるの、当たり前だと思ってない？
最近、AIに「これ調べて」って頼むと、勝手にウェブを検索して、必要な情報を集めて、最後にちゃんとまとめて返してくれるよね。旅行の予約を仮でシミュレーションしてくれたり、コードを書いて実行までしてくれたり。
これって「AIエージェント」って呼ばれるやつなんだけど、正直わたしたち、もうけっこう当たり前に使ってるじゃない？ でも「じゃあその裏側でどうやって動いてるの？」って聞かれると、答えられる人ってあんまりいないと思うの。
わたしも今回のニュースを読むまで、正直そこまで考えたことなかった。AIが「考えて」「ツールを使って」「また考えて」ってぐるぐる回ってる感じは知ってたけど、それを実際に作る側がどれだけ大変か、ちゃんと知らなかったんだよね。
たとえば、旅行のスケジュールを丸ごと考えてもらったり、レシートを整理してもらったり、複数のサイトを比較して一番お得なプランを探してもらったりする場面、思い当たる人も多いんじゃないかな。こういう「複数のステップを自分で組み立てて実行してくれる」動きがあるからこそ、AIエージェントは普通のチャットボットとはちょっと違う存在なんだよね。
2026年7月1日、GoogleのFirebaseチームが、オープンソースのAIアプリ開発フレームワーク「Genkit」に「Agents API」っていう新しい仕組みをプレビュー公開したの（Google Developers Blog）。TypeScriptとGoっていう、開発者がよく使うプログラミング言語に対応してるんだって。
一見、エンジニア向けの地味なニュースに見えるかもしれないけど、これ実はけっこう大きな話だとわたしは思ってて。今日は「なんでAIエージェントを作るのがそんなに大変だったの？」「Googleは何を解決したの？」「わたしたちの生活にどう関わってくるの？」っていう3つの理由から、この話をほぐしていくね。
そう考える3つの理由
理由1：エージェントを動かすには、地味な下ごしらえが山ほど要る
世間では「AIエージェントなんて、AIに指示を出すだけでしょ？」って思われがちだよね。実際わたしも、チャット画面で頼むだけで裏側もそんなに複雑じゃないんだろうな、って勝手にイメージしてたの。
でも実際に開発者がAIエージェントを一から作ろうとすると、想像以上に地味な作業がたくさん発生するんだって知って、正直びっくりした。
まず必要なのが、会話の履歴をちゃんと管理する仕組み。AIが「さっき言ったこと」を覚えていられないと、まともな会話にならないよね。次に「ツール呼び出しループ」っていうのがあって、これはAIが「このツールを使おう」って判断して、結果を受け取って、「次はどうしよう」って考え直す、っていう一連の流れのこと。地味だけど、ここがバグるとエージェントは簡単に迷子になるの。
さらに、ユーザーに答えをリアルタイムで少しずつ表示する「ストリーミング」の仕組みも要るし、会話の途中経過をあとで続きから使えるように保存しておく「セッションの保存」も要る。そして最後に、フロントエンド側からエージェントとやり取りするための通信の取り決め（プロトコル）まで、全部バラバラに用意しなきゃいけなかったんだって（Google Developers Blog）。
これ、たとえるなら家を建てるときに、電気の配線もガス管も水道管も、全部メーカーごとに違う規格でバラバラに繋げなきゃいけない状態に近いと思うの。ひとつひとつは技術的に不可能じゃないんだけど、組み合わせる手間と、どこかでミスる可能性がずっとついて回るんだよね。
しかも厄介なのは、これを開発チームやサービスごとに、それぞれ独自のやり方で組み立てていたこと。会社Aのやり方と会社Bのやり方が違えば、片方で学んだノウハウがもう片方でそのまま使えるわけじゃない。毎回ゼロから設計し直すような場面も、きっと少なくなかったと思うの。
実際、フレームワークによって「ツール呼び出しループ」の呼び方も設計も微妙に違ったりするから、AIエージェント界隈に詳しくない人からすると、そもそも何が「共通の部品」で何が「独自の工夫」なのかを見分けるのも一苦労だったんじゃないかな。
しかも困ったことに、これって「一回作ったら終わり」でもないの。ストリーミングの仕組みを変えたら履歴の保存部分にも手を入れなきゃいけなかったり、通信の取り決めを変えたらフロントエンド側も直さなきゃいけなかったり。パーツ同士が絡み合ってるから、ひとつ触ると他のところにも影響が出ちゃう。開発者からすると、これがずっとストレスの種だったんじゃないかなって想像するの。
だからわたしが思うに、「AIエージェントを作る」って言葉の裏には、わたしたちが想像するよりずっと泥臭い積み上げ作業があったってことなの。ここを知っておくと、次の理由で話す「Googleがそれをまとめた」ことの価値がぐっと分かりやすくなるはずだよ。
理由2：Googleが全部を『ひとつの入り口』にまとめてきた
世間のテック系ニュースだと、こういう発表は「新しいAPIが出ました」の一行で終わっちゃうことが多いよね。わたしも最初は「またAPIが増えたのか」くらいにしか思わなかったの。
でもよく読んでみると、これ地味に「発想の転換」がある話だなって感じたんだよね。理由1で挙げた、履歴管理・ツール呼び出しループ・ストリーミング・セッション保存・通信のやり取り、この全部を、Genkitの「Agents API」はひとつのchat()っていう入り口の裏に、まとめて隠してくれるの（Google Developers Blog）。
しかもすごいのが、そのエージェントが「同じサーバーの中で動いてる」場合でも、「ネット越しに別の場所から呼び出す」場合でも、開発者が使う方法は同じなんだって。つまり一回エージェントをサーバー側で定義しちゃえば、あとはどこからアクセスしても同じシンプルな書き方で済むの。
これって、さっきの家の例えで言うと、電気もガスも水道も、全部「同じ規格のコンセントに挿すだけ」になったようなものなんだよね。しかもそのコンセントは、家の中でも、外の別の建物からでも、同じ挿し方で使える。バラバラだった規格がひとつに揃うと、作る人はもちろん、それを土台に新しいサービスを作る人たちの数もぐっと増えるはずなの。
さらに面白いのが、フロントエンド開発者の間で人気の高い「Vercel AI SDK」っていう道具のuseChatっていう機能にそのまま繋げられるアダプターも用意されてること（Google Developers Blog）。つまり画面側を作ってる人が、裏側の複雑さを気にせずGenkitのエージェントとすぐ繋げられるってことなんだよね。これ、画面を作る人と裏側を作る人が別チームだったりすると、けっこう地味にありがたい話だと思うの。
あと地味に効くのが、フロントエンドとエージェントの通信の取り決め（プロトコル）が統一されたことだと思う。今まではサービスごとに独自の通信ルールを組んでたはずだから、それを毎回イチから設計しなくて済むようになったのは、開発のスピード感にもかなり効いてくるはずだよ。
加えて、ひとつのエージェントに全部やらせるんじゃなくて、得意分野ごとに専門の「サブエージェント」を作って、司令塔役のエージェントが「この部分はこの専門エージェントにお願い」って振り分ける仕組みも用意されてるの。しかもこれ、ブラックボックスで勝手に振り分けられるんじゃなくて、開発者がその振り分けのルールをちゃんとコントロールできる作りになってるんだって（Google Developers Blog）。
たとえばの話だけど、旅行の相談に乗ってくれるエージェントを想像してみて。フライトを探すのが得意なサブエージェントと、ホテルを探すのが得意なサブエージェントがいて、司令塔役のエージェントが「じゃあフライトはこっち、ホテルはこっちにお願い」って振り分ける。そんなイメージを持つと分かりやすいと思うの。
わたしはここを読んで、「なるほど、チームで仕事を分担するのに似てる」って思ったの。ひとりが何でも屋になるんじゃなくて、経理担当・営業担当・技術担当みたいに専門を分けて、まとめ役がちゃんと仕事を割り振る。しかもまとめ役が「誰に何を任せるか」を勝手に決めるんじゃなくて、開発者側でルールを決められるっていうのが、安心できるポイントだと思う。
だからわたしがここで伝えたいのは、「バラバラだったものをひとつに揃える」って、地味に見えて実はすごく大きい仕事だってこと。わたしたちが普段何気なく使ってる家電のコンセントも、昔は規格がバラバラで大変だったんだよね。それと同じことが、いまAIエージェントの世界で起きようとしてるんだと思うの。
理由3：『止めて確認してくれる』機能が地味にすごい
3つ目は、わたしが個人的に一番「これいいじゃん」って思ったポイントの話。世間では「AIエージェントに自由にやらせるのって、ちょっと怖くない？」っていう空気、けっこうあるよね。わたしもそう思うタイプなの。
だってエージェントがどんどん自分で判断して行動できるようになるってことは、裏を返せば「勝手にお金を払っちゃった」「勝手にメールを送っちゃった」みたいな事故も起こりうるってことじゃない？ そこがずっとモヤモヤしてたポイントだったの。
でも今回のAgents APIには「割り込み可能なツール」っていう機能がちゃんと用意されてて、これを読んだとき「あ、ここちゃんと考えてくれてるんだ」ってちょっとホッとしたんだよね。これは、エージェントがリスクのある行動（送金とか、外部への連絡とか）を取ろうとしたときに、そこでいったん処理を止めて、人間の承認を待ってくれる仕組みなの（Google Developers Blog）。
つまり「エージェントが勝手に暴走する」んじゃなくて、「危ないところで、ちゃんと立ち止まって聞いてくれる」設計にできるってこと。これ、わたしたちが日常でAIエージェントを使う上での安心感に、けっこう直結すると思うんだよね。人にお使いを頼むときも、金額が大きい買い物とかは「先に確認してから」ってお願いするじゃない？ それをちゃんとAIの設計に組み込めるようになったってことだと思うの。
もうひとつ地味に嬉しいのが、時間のかかる処理を途中で「離脱」して、あとで元のスナップショットのIDを使って続きから再開できる機能。長い作業をエージェントに任せてる途中で、いったんアプリを閉じても、あとで同じところから続きをやってもらえるってことなんだよね（Google Developers Blog）。
正直、この2つの機能を見て思ったのは、「AIにどこまで任せるか」っていう不安に対する、ひとつの現実的な答えがここにあるってこと。全部を無条件に信頼するんじゃなくて、「危ないところだけ人間が確認する」っていうバランスの取り方は、これからAIエージェントと付き合っていくわたしたちにとって、覚えておいて損はない考え方だと思うの。
わたしはこういう「一部だけ人間が握っておく」考え方って、自動運転の車が難しい場面ではドライバーに操作を戻す、みたいな話にちょっと似てるなって思ったの。全部を機械に丸投げするんじゃなくて、リスクの大きさに応じて人間の出番を残しておく。そのバランス感覚が、これからのAIエージェント全般に広がっていくといいなって感じるよ。
わたしたち利用者側からすると、こういう仕組みが「土台」として用意されているサービスかどうかを意識するだけで、AIに何を任せていいか、どこまでは自分で確認すべきかの判断がしやすくなると思うの。全部が全部「AIにお任せ」じゃなくていい、っていう安心材料がひとつ増えた感じだよね。
だからもし今後、なにかのサービスで「AIエージェントにお任せください」みたいな機能を使うことがあったら、「これって危ないところで一回止まって確認してくれるのかな？」っていう視点を持ってみてほしいの。それが分かるだけで、AIエージェントとの距離感がだいぶ変わってくると思うから。
エージェントランナーって、実際どんな感じで使うの？
ここまで機能の話をしてきたけど、実は開発者向けにもうひとつ面白い道具が用意されてるの。それが、Genkitの開発者用画面に組み込まれた「エージェントランナー」っていう機能。
これ、簡単に言うと「まだ作りかけのエージェントと、実際に会話しながら動作を確認できる画面」なの。開発者はメッセージを送って、AIがストリーミングで返してくる答えや、内部の状態がどう変わっていくかを、その場でリアルタイムに見られるんだって（Google Developers Blog）。
しかも理由3で話した「割り込んで承認する」フローも、この画面の中でそのまま試せるし、あとで再開するために保存されたスナップショットも確認できるの。つまりこれ全部、フロントエンドのコードを一切書かずにできちゃうんだよね。
わたしはここを読んで、「あ、これって開発者にとっての試作品づくりが、めちゃくちゃ速くなるやつだ」って感じたの。今まではエージェントの動きを確認するために、簡単な画面を別で作ったり、ログを目で追ったりする手間があったと思うんだけど、それがまるっと省けるわけだから。
個人的には、こういう道具が用意されることで、大きなエンジニアチームを抱えてない小さなスタートアップや個人開発者でも、ちゃんとしたAIエージェントを作りやすくなるんじゃないかなって思ったの。今まで大変だった下ごしらえの部分をGoogle側が肩代わりしてくれるわけだから、アイデア勝負がしやすくなる気がする。
ちょっと大げさに言うと、料理で例えると「味見用の小皿と、本番の盛り付け皿が、実はほぼ同じ作りだから、味見した通りの味がそのままお客さんに出せる」みたいな安心感に近いのかなって思ったの。作ってる途中で試したことが、そのまま本番の動きと直結してるってことだから。
ちなみに、今回のGenkitのAgents API公開は単独の出来事じゃなくて、同じ2026年7月1日から3日ごろにかけて、AIエージェントが実際に行動するための「土台」を整える動きが業界のあちこちで重なった週でもあったみたい。GitHub Copilotのブラウザ操作機能が正式版になったり、X（旧Twitter）がホスト型のMCPサーバーを始めたり、TikTokが「Agentic Hub」っていうマーケットプレイスを立ち上げたり、っていうニュースが同じ時期に報じられてたの（Geek Source Codes）。ひとつひとつは別の会社の別の発表なんだけど、並べてみると「AIエージェントがちゃんと現実の作業をこなせるようにする配管工事」が、業界全体で一気に進んでる週だったんだなって感じたよ。
もしGenkitそのものについてもっと知りたい人は、公式サイト（genkit.dev）を覗いてみると、もともとどんなことができるフレームワークなのか、雰囲気がつかめると思う。
ただし今回のAgents APIは、まだ「プレビュー」っていう試験公開の段階なの。正式版になるまでに仕様が変わる可能性もあるから、実際にこれを使ったサービスがわたしたちの手元に届くのは、もう少し先の話になりそう。今後の続報も追いかけていきたいなって思ってる。
まとめ：AIエージェントの『裏側の作り方』が揃い始めた
長くなったから整理するね。今日の話は、GoogleのFirebaseチームがGenkitに追加した「Agents API」っていう、AIエージェントの作り方をひとつにまとめる仕組みのニュースだったよ。
ポイントは3つ。まず、これまでAIエージェントを作るには、会話履歴の管理・ツール呼び出しループ・ストリーミング・セッション保存・通信のやり取りを、全部バラバラに用意する必要があったこと。次に、Googleがそれをchat()というひとつの入り口にまとめて、サーバー内でも外部からでも同じ書き方で使えるようにしたこと。そして、「割り込んで人間の承認を待つ」機能や「途中で離脱してあとで再開できる」機能が用意されていて、AIにどこまで任せるかを人間側がちゃんとコントロールできる設計になっていたこと。
わたしがいちばん伝えたいのは、これって遠い開発者だけの話に見えて、実はわたしたちがこれから使うAIエージェントの「安心感」に直結してるってこと。裏側の作り方がバラバラで不安定なままだと、表側のエージェントもどこかで挙動が怪しくなりがちだけど、こうやって土台が整理されていくほど、わたしたちが安心して任せられる場面も増えていくと思うから。
それに、今回みたいに「裏側の仕組みをひとつに揃える」動きは、一見地味だけど、後から振り返ると大きな転換点だったってことがよくあるんだよね。スマホが登場する前に、アプリの作り方や画面の規格がバラバラだった時代があったのと同じで、今はちょうどAIエージェントがその整理の途中にいるんだと思う。
AIエージェントって言葉自体、まだふわっとしたイメージのまま使ってる人も多いと思うんだけど、もう少し体系的に整理して知りたいなって人は、AIエージェント完全ガイド も合わせて読んでみてほしいの。今日の「裏側の作り方が揃ってきた」話とあわせて読むと、AIエージェントっていうものの全体像がもっとクリアに見えてくるはずだよ。これからも、エンジニアじゃないわたし目線で、AIの舞台裏をわかりやすく追いかけていくね。