G-gen の堂原です。当記事では、Agent Development Kit（ADK）を使用して開発した AI エージェントの開発者用 Web UI を、Cloud Run へデプロイする方法を紹介します。 はじめに Agent Development Kit 当記事について ディレクトリ構成とソースコード Cloud Run へのデプロイ デプロイコマンド 実行例 留意事項 Gemini モデルとリージョン セッションの整合性 はじめに Agent Development Kit Agent Development Kit（ADK）は、Google によって開発された AI エージェント構築用のフレームワークです。ADK を使用することで、エージェントへの関数処理組み込みや外部ツールの利用、マルチエージェントの実装が行えます。 以下の記事カテゴリも参照してください。 blog.g-ge

はじめに Google Cloud RunにDocker Composeファイルから直接デプロイできる新機能「gcloud alpha run compose up」がPrivate Previewで提供されています。この機能により、従来のCI/CDパイプラインを構築することなく、ローカルのDocker Compose環境からCloud Runへワンコマンドでデプロイが可能になりました。 詳細は公式ブログをご覧ください： 従来のデプロイ方法との違い 従来の方法: Dockerイメージをビルド Container RegistryやArtifact Registryにプッシュ Cloud Runサービスを作成・更新 マルチコンテナの場合は複雑な設定が必要 新機能での方法: たったこれだけでDocker Composeの設定からCloud Runサービスが作成されます。 この記事で分かること

Try Gemini 3Our most intelligent model is now available on Vertex AI and Gemini Enterprise Try now A little over a year ago, we published a list of generative AI use cases that has since grown to include more than 600 examples of how organizations are putting AI to work. Yet for many developers and business leaders, inspiration has given way to a more practical question: where do I start? To help,

お久しぶりです。SRE の @babarot です。2022年4月に書いた 10X に SRE Team ができるまでとこれから 以来、3年ぶり2度目の文章です。10X に SRE チームができてから3年以上が経ち、その間の活動や成果などについて沈黙しまくっていたのですが、振り返ると実に多くのことを達成してきました。最近は会社的にも嬉しいニュースがあり、これから更にやっていくぞ 🔥というフェーズに来ております。この3年間、黙々と頑張りすぎてアウトプットがなかなかできていなかったので、このブログ記事ではこれまでの SRE の取り組みを軽く紹介しつつ、今後はそれぞれのテーマに深ぼったネタを定期的に記事にして投稿してきます！まずは第1弾として2025年時点の 10X SRE の現状報告ブログをどうぞ。 10X インフラの歴史 宣言的なインフラ管理 インフラの構成管理 (Terraform) ワ

はじめに Google AI Studioが本当に簡単にプロンプトから生成AIアプリを作成してくれるのが面白くて、社内に広めてみました。非エンジニアの方々でも短時間で実用的なアプリが作れることに驚きです！ 社内作品集 作品1：写真EXIF情報管理アプリ 作成者：取締役COO 伊藤さん（ビジネス系） 概要 Google Driveに保存されている写真データのEXIF情報を、指定したGoogle Spread Sheetに自動で書き出してくれるWebアプリです。 実装内容 Googleアカウントの認証機能 Google Drive APIとSpreadsheet APIの連携 Google CloudのCloud Runへのデプロイ 感想コメント デバッグ含めて1時間かからないぐらいで完成しました。 そもそも、WebアプリやGoogleの仕組みを知らない状態からのスタートでこの時間です！ 作品

※この投稿は米国時間 2024 年 4 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。 データから分析情報を得る道のりは、断片的かつ複雑で、時間がかかります。データチームは、構造化データと非構造化データの取り込み、分析準備のためのデータのラングリング、パイプラインの最適化と維持管理など、反復的な定型作業に時間を費やしています。データチームとしては、より価値の高い分析と分析情報に基づく意思決定を行う方が望ましいのは明らかです。 Next ‘23 では、BigQuery の Duet AI を紹介しました。今年の Next '24 では、BigQuery の Duet AI が Gemini in BigQuery となり、データの準備、分析、エンジニアリングのための AI を活用したエクスペリエンスとともに、ユーザーの生産性向上と費用最適化に役立つ推奨事項を

アイデアをアプリやゲーム、インフォグラフィックなどに変換して形にしましょう。Google の最も高性能なモデルである Gemini 3 を活用すれば、プロンプト入力からプロトタイプ作成までのプロセスを数分で実行できます。

フィードバックを送信 LangGraph エージェントを開発する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このページでは、フレームワーク固有の LangGraph テンプレート（Vertex AI SDK for Python の LanggraphAgent クラス）を使用してエージェントを開発する方法について説明します。エージェントは、指定した日付の 2 つの通貨間の為替レートを返します。手順は次のとおりです。 モデルを定義して構成する ツールを定義して使用する （省略可）チェックポイントを保存する （省略可）プロンプト テンプレートをカスタマイズする （省略可）オーケストレーションをカスタマイズする 始める前に 環境の設定の手順に沿って環境が設定されていることを確認します。 ステップ 1. モデルを定義して構成する 使用するモデル バージョン

自分のマイドライブの中は誰にも見られない・・・と思っていませんか？ 例えばGoogle Workspace(旧G Suite)を使用している会社で、ユーザがマイドライブ内のファイルを他社と共有しっぱなしにしていてセキュリティが不安、なんてことはあるのではないでしょうか。 そしてその共有状況をきちんと把握している、という会社も少ないのではないでしょうか。 私達は日頃、Microsoft Identity Managerを利用してオンプレミスとクラウド(M365とAzureが中心)のID管理をしていますが、その流れで管理者の方からファイルの管理やセキュリティについての不安や要望を時折耳にします。 本記事ではサービスアカウントを使用し、ドメイン内ユーザのマイドライブに対し、中身のフォルダ・ファイル情報(共有情報を含む)を取得する方法、また、共有を解除する方法についてご紹介いたします。 本記事の内

GitHub Actions から Google Drive API を使う場合「キーなし認証ができる状況ではサービスアカウントを利用するのが便利かな」と考え試しています。 その過程で少し勘違いしていたところがあったのでメモなど。なお確認は個人用のアカウント(エディション)で行っています。 勘違いしていた挙動 以下のような感じでサービスアカウントから(自分の)マイドライブへファイルをアップロードしようとしていました。 通常のユーザーがウェブ UI などでマイドライブ上にフォルダーを作成しサービスアカウントを編集者として共有する スクリプトなどからサービスアカウントを利用して上記フォルダーへアップロードする ユーザーはアップロードされたファイルを参照し必要なくなったら削除する この場合、図 1-1 のようにユーザーのマイドライブへファイルがアップロードされ、通常のファイルのように参照や削除で

Google Cloud Platform（GCP）の初心者ですが、忘れないためにもGCPを使って、ApachとPHPをインストールしたウェブサーバをHTTPSで公開するところまでを、簡単にまとめました。 前編では、Google Compute Engine（GCE） でVMインスタンスを作成して、SSH接続の設定をして、ApachとPHPをインストールをして、パブリックIPでウェブサイトを閲覧するところまでを行いました。 中編では、Cloud Domainsでドメインを取得して、Cloud DNSで取得したドメインと、前編で起動させたVMインスタンスを紐付けて、http://ドメイン で閲覧できるようにしていきます。 今回は、HTTPSでアクセスするための設定を見ていきたいと思います。 インスタンスグループの作成 まずは、インスタンスグループを作成して、対象となるVMインスタンスを設定し

SENSYプロダクトチーム藤沼です。 はじめに SENSY CLOUDの一部でもある「GCSでオブジェクトの更新というイベントをトリガーにファイル処理を行う」ために必要なGCPサービスと実装についてふれます SENSY CLOUDでは SENSY CLOUDのアーキテクチャについては以前の記事で触れていますが、 今回の内容はその中でも下図の赤枠部分、「クライアントがGCSに格納したファイルに対して即時に処理を行う」部分にフォーカスします。 SENSY CLOUDアーキテクチャ 当該機能を実現するためにSENSY CLOUDでは下記GCPサービスを組み合わせて実装しています。 Cloud Storage Cloud Functions Pub/Sub Pub/Sub GCPプロジェクトsensy-sample-projectに、トピックIDがsample-topicのPub/Subトピックを

Google Kubernetes Engine（GKE）とCloud Runは、Google Cloud Platform（GCP）でコンテナ化されたアプリケーションを実行するための2つの人気のあるサービスです。両方のサービスには多くの機能がありますが、いくつかの重要な違いもあります。 この記事では、GKEとCloud Runを詳細に比較し、ニーズに合ったサービスを選択できるようにします。 スケーラビリティGKEとCloud Runはどちらも、増加したトラフィックを処理するために水平方向にスケーリングできます。 GKEは、アプリケーションの需要に合わせてクラスタを構成できる、高度なスケーリングオプションを提供します。 ノードを追加または削除するなど、クラスタのスケーリング方法を完全に制御できます。 Cloud Runは、受信リクエストの数に基づいて自動的にスケーリングされます。 リクエス

Google Cloud の経験豊富なユーザーにとって、AWS エコシステムを探求する際には、サービスの同等性を理解することが重要です。この記事では、AWS Glueとその機能に焦点を当て、Google Cloud 内の類似サービスと比較します。 Google Cloud に AWS Glue と完全に同等のサービスはありますか？ 厳密にはありません。AWS Glue は、複数のデータ統合および管理機能を組み合わせた独自のサービスです。単一の対応サービスではなく、その機能は Google Cloud のさまざまなサービスに反映されています。AWS Glue の主な機能とその Google Cloud での同等サービスを以下に示します。 1. データカタログとメタデータ管理: AWS Glue: Glue では、データベース、テーブル、カラムなどのデータ資産のメタデータを定義および管理できる

G-gen の佐々木です。当記事では、Google Cloud (旧称 GCP) のサーバーレスコンテナサービスである Cloud Run について、Cloud Run サービスからインターネット接続を行う際に Public IP アドレスを固定する方法を解説します。 使用するサービス・仕組み Cloud Run サーバーレス VPC アクセス 構成図 Cloud Run サービスのデプロイ アプリケーションを作成する main.py requirements.txt Dockerfile コンテナイメージを Artifact Registry に格納する リポジトリを作成する コンテナイメージをビルドしてリポジトリに格納する ビルドしたイメージを使用して Cloud Run サービスをデプロイする インターネット接続に動的 IP アドレスが使用されることを確認する 静的 IP アドレスを

こんにちは、データ基盤担当の @mapler です。今回は DataStream を活用して、Cloud SQL から BigQuery へのデータ同期についてお話しします。 Datastream の設定は基本的に Google Cloud のドキュメント従って行えますので、この記事では、実際の設定時に直面した課題や対策を中心に説明します。 背景： データを BigQuery に同期することで得られるメリット JX通信社の「FASTALERT」は、日本国内外の緊急情報をリアルタイムで配信するサービスです。災害情報や事故、事件、気象警報など、幅広い分野の緊急情報を網羅しており、長年にわたって膨大な災害データを蓄積しています。 社内や顧客から、蓄積したデータへのアクセス需要が高まってきました。 BigQuery からデータを利用できるようにすることで、次のような利点があります。 過去の特定の時

こんにちは。グループ研究開発本部の H.U と申します。 以前当ブログにて、Google Apps Scriptをローカル環境で開発するTipsについて紹介させていただいました。 この度、あるプロジェクトでGoogle Apps Script（以下、GAS）を使用する機会がありました。またその際に、GASの関数を外部から実行するという要件も付随しておりました。 本記事ではその際にどのようなことをやったのかをご紹介いたします。 （なお、GASのプログラムについての記載は本記事のスコープ外となりますのでご了承ください。またスクリーンショットなどは記事公開当時のものとなります） 今回やること GASはGoogleの開発するプログラミング言語で、Google Workspaceのさまざまなソリューションを連携させるのに便利な機能を提供してくれています。 今回はこのGASで作成した関数を、外部すなわ

フィードバックを送信 ビルドステップ間でデータを渡す コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このページでは、ビルドステップ間でデータを渡す方法について説明します。Cloud Build を初めて使用する場合は、最初にビルドのクイックスタートとビルド構成の概要をご覧ください。 Cloud Build は、分離されたコンテナ化環境で実行される一連のビルドステップとしてタスクを実行します。各ステップの完了後にコンテナは破棄されます。これにより、ステップごとにまったく異なるツールと環境を用意できます。デフォルトでは、1 つのステップで作成されたデータによって次のステップが損なわれることはありません。ただし、ビルドの 1 つのステップの状態を保持して、後続のステップで使用することが必要な場合があります。 このようなケースに備えて、Cloud Build に

このページでは、Google Cloud CLI と Cloud Build API を使用して Cloud Build でビルドを手動で開始する方法について説明します。 始める前に このガイドのコマンドラインの例を使用する場合は、Google Cloud CLI をインストールします。 Cloud Build のビルド構成を使用してビルドを行うには、ビルド構成ファイルを作成します。 Dockerfile を使用してビルドするには、Dockerfile を準備します。 ビルドでソースコードが必要な場合は、ソースコードを準備します。 必要な IAM 権限 ビルドログをデフォルトのログバケットに保存する場合は、ビルドを実行するためにプロジェクト閲覧者ロールとCloud Build 編集者ロールが必要です。 ユーザーが作成したログバケットにビルドログを保存する場合は、ビルドを実行するために Cl