こんにちは、クラウドエースの小勝と村田です。 2026年7月31日、Google Cloud Next Tokyo ’26 の2日目が開催されました。本稿では、AI ハイパーコンピューター、Gemini Enterprise Agent Platform、エージェンティック データクラウド、AI を活用したセキュリティまで、基調講演で発表された内容を速報としてお届けします。 Day 2 では、Day 1 で提示された Gemini Enterprise と 6 つのレイヤーをさらに掘り下げました。主題は、AI エージェントを本番の業務で動かすためのインフラ、開発・運用基盤、データ、セキュリティです。Google Cloud は、ハードウェアからモデル、エージェント、データ、セキュリティまでを一貫して提供するフルスタックの強みを訴求しました。 AI ハイパーコンピューターを支えるインフラ データセンター全体を AI の計算基盤として設計 生成 AI の普及に伴い、コンピューティング需要は急速に増大しています。Google Cloud は、エージェント時代のコンピューティングを単一チップの性能ではなく、クリーンエネルギー、大規模なデータセンター、専用インフラを統合した「AI ハイパーコンピューター」として位置づけました。 国内でも、トヨタグループの Woven by Toyota による時空間理解向け視覚言語モデルの学習、Turing による自動運転向け VLM の開発、SyntheticGestalt による分子特化基盤モデルの開発など、Google Cloud の AI インフラを活用する事例が紹介されました。 TPU、GPU、CPU、ストレージの選択肢を拡張 Day 1 でも紹介された第 8 世代 TPU について、トレーニングと推論の異なる要件に合わせたアクセラレーターを提供すると説明されました。GPU では、NVIDIA Vera Rubin NVL72 をいち早く提供するクラウドの一つになると説明し、長いコンテキストを扱うインタラクティブなワークロードに向けた性能効率を訴求しています。 汎用コンピューティングでは、カスタム設計の Arm CPU である Google Axion を拡充します。Axion N4A 系のインスタンス、ネットワーク処理に適した C4N、大容量メモリ向け M4N など、用途別の選択肢が示されました。 ストレージとネットワークの強化も発表されました。 Google Cloud Managed Lustre: 毎秒 10 TB のスループットをうたう並列ファイルシステム。アクセラレーターの稼働率を高め、AI 処理全体のコスト効率向上を目指す Cloud Storage Rapid: 巨大なデータレイクを活用する際に、読み込み性能とコスト効率を重視するオブジェクトストレージ Smart Storage: 非構造化データの保存時にインテリジェンスを付与し、AI エージェントが利用しやすい状態を目指す機能 GKE: 25 万 6,000 ノードを束ねる Hypercluster や、サーバー起動時間を最大 81% 短縮する Pod Snapshot を紹介 提供状況: GKE Hypercluster は一部顧客に限定公開、他プロダクトは一般提供開始済み Gemini Enterprise Agent Platform を一般提供 開発から運用・統制までを一つのプラットフォームで提供 Google Cloud は、Gemini Enterprise Agent Platform の一般提供開始を発表しました。同プラットフォームは、エージェントの構築、拡張、ガバナンス、最適化を一貫して支援する基盤です。Gemini モデルに加え、Model Garden から Anthropic の Claude などのモデルも選択し、エージェントへ組み込めると説明されました。 構築には、オープンソースの Agent Development Kit（ADK）を利用できます。ADK は、エージェントの構築・実行・デバッグを支援する、スキルとツールを組み込むためのフレームワークです。Google Cloud のサービスはデフォルトで MCP に対応し、Google Workspace、Google Maps、Google Pay などに接続するスキルや MCP ツールも提供されるとしています。 エージェント間の協調には A2A（Agent2Agent）プロトコルを利用します。エージェントが自身の機能を相互に公開し、安全にデータを交換して、複雑な業務フローを連携して実行することを目指します。 本番運用向けのランタイム、メモリ、レジストリ Agent Runtime は Cloud Run 上に構築された、サーバーレスかつスケーラブルなマネージド実行環境です。セッションの作成・管理を行い、ADK と組み合わせることで、会話履歴を維持しながらエージェントを実行できます。 長い対話で履歴が増えると、応答遅延や出力精度への影響が懸念されます。ADK のコンテキスト ウィンドウ自動コンパクションは、重要な記憶を残しつつ履歴を動的に圧縮し、レイテンシーと推論コストの最適化を図る機能です。複数セッションにまたがる長期的・個別化されたコンテキストには Memory Bank を利用できます。 Agent Registry は、エージェント、スキル、ツール、MCP サーバーを保存・発見し、ガバナンスを適用するための一元的な管理基盤です。今回、スキル管理のプレビュー対応と、エージェントリソースの公開・発見・検証に関するオープン標準への対応が発表されました。スキルについては、公開前に脆弱性や悪意のあるコードをスキャンし、リスクが確認された際は中央から無効化できるとしています。 提供状況: Gemini Enterprise Agent Platform は一般提供開始済み。Agent Registry のスキル対応はプレビュー エージェントのアイデンティティ、ゲートウェイ、可観測性 業務でエージェントを利用するには、何がどのデータやツールへアクセスできるかを制御する必要があります。Agent Identity は、SPIFFE を基盤とする暗号学的に証明可能な ID を各エージェントに割り当て、最小権限の原則に基づくアクセス制御を可能にします。IAM を介して、スキル、ツール、API への権限を管理できます。 Agent Gateway は、エージェントのインバウンド・アウトバウンド通信に対する一元的な制御点です。Identity で許可されたエージェント、ツール、スキルだけに細かな認可を適用し、許可されていないネットワークや API へのアクセスを防ぎます。Model Armor との統合により、コードを変更せずにプロンプトインジェクション、ジェイルブレイク、機密情報漏えい、悪意のある URL などへの保護を適用できると説明されました。 Agent Observability は、OpenTelemetry などのオープン標準を用いて、プロンプトと応答、ツール利用、実行パス、トークン使用量を追跡します。トポロジーグラフや本番トラフィック上の評価により、エージェントのデバッグ、セキュリティ確保、品質改善を支援します。 購買エージェントのデモで示した実運用の姿 デモでは、Antigravity CLI で開発した購買エージェントを Gemini Enterprise 上で実行しました。利用者がノート PC の購入を依頼すると、A2UI (Agent to UI) によりボタンやフォームを含む UI を会話の文脈に応じて動的に生成します。購買エージェントは A2A を通じて在庫管理エージェントと連携し、MCP 経由で予算を確認して、購入台数を調整したうえで申請を完了しました。 同時に、登録されていない外部 MCP サーバーへの接続や、申請内容を不正に書き換えようとするプロンプトインジェクションをブロックする様子も示されました。Agent Registry、Agent Identity、Agent Gateway、Model Armor、Agent Observability を組み合わせることで、エージェントの接続先、権限、攻撃対策、実行履歴を管理する構成です。 エージェンティック データクラウドで「知る」から「行動する」へ System of Action への転換 Google Cloud は、AI エージェントが企業に代わって自律的に行動する時代には、従来の「System of Intelligence」だけでは不十分だと説明しました。エージェントが求めるのは、単にデータへアクセスすることではなく、関係性や意味、業務上の重要性を理解できる信頼性の高いコンテキストです。 エージェント規模への移行、受動的な分析からリアルタイムの能動的な実行への移行、データからコンテキストへの移行という 3 つの変化を提示しました。断片化されたアーキテクチャでは、コスト増大、データの囲い込み、信頼性の欠如が課題になると指摘し、これに対応する基盤として「エージェンティック データクラウド」を位置づけています。 エージェンティック データクラウドは、次の 3 領域で構成されます。 Borderless Lakehouse: データの場所を問わず利用するためのオープンなデータ基盤 Trusted Context: エージェントが根拠に基づいて推論するためのコンテキスト Intent-driven Outcomes: 利用者の意図から分析や実行を進めるエージェンティックな機能 Borderless Lakehouse とデータ基盤の拡張 Cloud Spanner Omni は、フルマネージド版 Cloud Spanner と同じ中核機能を Google Cloud 外でも提供する構想として紹介されました。無制限のスケーラビリティ、高可用性、強整合性、エンタープライズ向けセキュリティ、マルチモデル機能を訴求しています。 AlloyDB の Lakehouse Federation は、トランザクションシステムから大規模なデータウェアハウスを直接クエリし、リアルタイムのビジネスインサイトを得ることを目指す機能です。また、Apache Iceberg を基盤とする Borderless Lakehouse により、AWS、Azure、SaaS などにあるデータを移動せずに活用する方針を示しました。 AWS・Azure への低遅延接続、クロスクラウド キャッシュ、Snowflake Horizon Catalog、Databricks Unity Catalog、AWS Glue Catalog とのカタログ連携も紹介されました。これらにより、クラウドをまたぐデータアクセスのコストと性能を改善し、データがどこにあってもエージェントが利用できる状態を目指します。 データ処理では、Apache Spark と比較して最大 4.9 倍の性能をうたう Lightning Engine の一般提供開始、BigQuery のフルフレックス スケーリングによる秒単位課金と、オートスケーリング ワークロードで最大 34% のコスト削減が紹介されました。 提供状況: 一部機能はプレビュー。Lightning Engine は一般提供開始済み Knowledge Catalog で非構造化データをコンテキストへ Knowledge Catalog は、メタデータとビジネスセマンティクスを集約・拡充・検索し、企業全体のコンテキスト エンジンとして機能することを目指します。運用データベース、分析データ、外部カタログ、Cloud Storage 上の非構造化データに加え、SAP、Salesforce、Workday などの SaaS も対象として挙げられました。 企業データの多くを占める文書、画像、ログなどの非構造化データを、Gemini によるエンリッチメントで利用可能にします。Cloud Storage に保存したデータへ自動でメタデータを付与し、複雑な関係性をマッピングすることで、エージェントが必要最小限のコンテキストを検索・取得できるようにします。アクセス権限に従った情報取得と、不要な推論ループやトークン使用量の削減も狙いです。 Data Agent Kit と Conversational Analytics Data Agent Kit は、独自のエージェンティック スキル、MCP ツール、プラグインを、VS Code、Claude Code、Antigravity CLI など、開発チームが日常的に使う環境に提供すると説明されました。開発者が意図を定義すると、構造化された計画の作成、コード生成、デプロイまでに必要なツールを提供します。 ビジネスユーザー向けには Conversational Analytics が紹介されました。BigQuery、Looker、AlloyDB、Cloud Spanner、Cloud SQL のデータを基にした分析エージェントを Gemini Enterprise に公開し、普段使う Workspace から安全にインサイトを得る構成です。Gemini Enterprise と Knowledge Catalog を直接接続し、企業データで推論をグラウンディングすることで、セキュリティ制御の迂回を防ぎ、ハルシネーションを抑える考え方も示されました。 顧客事例: GovTech 東京と NTT ドコモ GovTech 東京は、1,000 万人超の都民が利用することを想定した次世代の東京都公式アプリに向けて、Google Cloud と Cloud Spanner を採用したと紹介しました。災害時を含む急激なアクセス増への対応、リアルタイムのデータ整合性、内製開発チームが主体的に運用・進化させられる技術スタックを重視したとしています。現在の東京都公式アプリは 600 万ダウンロードを超え、次世代アプリでは行政手続き、防災、子育てなどの共通入口を目指します。 NTT ドコモは、AI を使ってマーケティングプロセスをゼロベースで再構築する「フル AI マーケティング」の構想を紹介しました。1 億超の dポイント会員、2,000 種類超のプロファイル、月間 160 億回超の顧客アプローチを扱う中で、顧客データ、施策ロジック、ROI、事業ナレッジを統合します。社内で運用する 130 超のデータ活用アプリと、5,000 人超の社員が利用する業務資産から現場知識を構造化し、複数のエージェントをガバナンスとセキュリティを保ちながら運用する計画です。2027 年のフル AI オペレーション実現を目標に掲げました。 AI を活用したセキュリティ運用の自動化 AI Threat Defense の 4 ステップ AI により脆弱性の発見から悪用までの時間が短縮される中、Google Cloud は「AI Threat Defense」を、AI で防御ライフサイクル全体を連携させる統合ソリューションとして紹介しました。Project Naptime から Google DeepMind との共同プロジェクト Big Sleep へと発展した脆弱性発見の研究と、コードを自動修復する CodeMender を背景にしています。 防御の流れは次の 4 ステップです。 Attack Surface Management: 外部から攻撃可能な資産と過剰な権限を可視化し、守るべき領域を絞り込む AI によるディープスキャン: 脆弱性に実際に到達でき、悪用可能かを判定し、リスクを優先順位付けする 自律的な修復: 危険度の高い脆弱性に対し、AI エージェントがコード修正とテストを行う 継続的なレッドチーミングと監視: 環境や攻撃手法の変化に対応するフィードバックループを回す Wiz と CodeMender の連携デモ デモでは、Wiz がマルチクラウド・マルチ AI 環境をエージェントレスでスキャンし、AI エージェント、モデル、MCP サーバー、ガードレール設定、ランタイム上の攻撃を可視化する様子が紹介されました。リソース間の関係をグラフとして分析し、インターネットに公開された AI エージェントが機密データに到達できるケースで、実際の攻撃可能性を Red Agent が検証します。 Wiz の Green Agent は、根本的なコード修正までの暫定措置として、ファイアウォール設定の変更を提案しました。コード、コンテナ、Kubernetes 環境、公開 API の関係まで把握することで、対処すべきリスクの優先度を判断する考え方です。 CodeMender は、既知のパターンとの照合だけでなく、熟練したソフトウェア セキュリティ エンジニアのように未知の脆弱性を発見することを目指す機能です。デモでは、C++ の複数ファイルにまたがるバッファオーバーフローを検出し、攻撃コードをサンドボックスで実行して悪用可能性を確認した後、パッチを作成・検証しました。脆弱性検出向けに強化された Gemini 3.5 Flash Cyber を含むモデルを選択できるとしています。 提供状況: CodeMender はパブリックプレビュー、Gemini 3.5 Flash Cyber は一部政府機関と企業のみ提供 Google Cloud Next Tokyo ’26 の基調講演 Day 2 を振り返る（まとめ） Google Cloud Next Tokyo ’26 の Day 2 では、AI エージェントをデモから本番業務へ展開するための技術スタックが、インフラ、エージェント基盤、データ、セキュリティの順に具体化されました。 特に Gemini Enterprise Agent Platform の一般提供は、エージェントを作るだけでなく、ID、接続先、権限、脅威対策、実行状況を一貫して管理するための基盤を示す発表です。エージェンティック データクラウドでは、企業に散在する構造化・非構造化データを信頼できるコンテキストとして活用し、分析から行動につなげる構想が打ち出されました。 同時に、AI を活用する攻撃に対しても AI で対抗し、発見、優先順位付け、修復、監視を高速化するアプローチが示されました。各機能の提供時期や利用条件は異なるため、導入検討時には公式の製品情報をご確認ください。 ※この記事は迅速な情報提供を重視し、速報として掲載しております。もし記事内に誤りがございましたら、後日訂正いたします。
