AI TOOL DATABASE v2
Gemini Enterprise Agent Platform
旧Vertex AIは現在Gemini Enterprise Agent Platformとして、生成AI・エージェント・RAG・MLモデルの開発から本番運用までをGoogle Cloud上で統合します。
選定サマリー
30秒で向き不向きを確認
AI位置づけ
AIネイティブ（AIそのものが中核のサービス）
向いている
Google Cloudを主要cloudとして利用する企業
向いていない
単一LLM APIを最小構成で呼びたいだけの用途
料金
利用するモデル、Agent Platform、学習・推論compute、Vector Search、RAG、ストレージ等のリソースごとに従量課金。
最大の強み
GeminiからOSS・partner modelまでModel Gardenで扱える
注意点
サービス範囲が広く初期設計の学習コストが高い
THINKLAB判定
旧Vertex AIの最大の強みは、Gemini APIだけでなく、Model Garden、RAG、agent、評価、custom ML、MLOpsをGoogle Cloudのsecurity・data基盤と一体で運用できる点です。Google Cloudを既に標準基盤にしている企業には非常に有力ですが、単一モデルをAPIで呼ぶだけならplatform全体を採用する必要はありません。
概要
Gemini Enterprise Agent Platformは、Google Cloudの旧Vertex AIを発展させたAI開発・運用基盤です。
Geminiをはじめとする基盤モデルの利用だけでなく、Model Gardenでのモデル探索、Agent Platformでのエージェント構築・運用、RAG Engineによる企業データのgrounding、生成AI評価、カスタムモデルのtrainingとendpoint deploymentまでを一つのCloud基盤で扱えます。
概要の続きを読む概要を閉じる
Google Cloud IAM、ネットワーク、ログ、データ基盤など既存のGoogle Cloud環境と組み合わせやすく、PoC用のモデルAPIというより、企業AIを本番運用するためのplatformとして位置付けるのが適切です。
既存URLや一般的な呼称ではVertex AIが広く残っているため、THINKLABではvertex-aiのslugを維持しつつ現行名称を案内します。
主な機能
Model Garden
Gemini、パートナーモデル、OSSモデルを一つのcatalogから比較・利用し、モデルによってはtuningやdeploymentまで行えます。
Agent Platform
企業向けAI agentの構築、managed runtimeへのdeployment、session・memory・tool governance等を扱えます。
RAG Engine
private dataを検索して生成モデルへcontextとして渡すmanaged RAG基盤を利用できます。
生成AI評価
responseだけでなくagent trajectoryも含め、datasetとmetricsを使った体系的な評価を実行できます。
ML lifecycle
custom training、model deployment、pipeline、experimentなど従来のMLOps機能も同じCloud基盤で利用できます。
Google Cloud統合
IAM、Cloud Storage、BigQuery等のGoogle Cloud resourceと組み合わせ、企業の既存data・security architectureへ統合できます。
AI機能の詳細・制約はページ下部の「詳細情報」にまとめています
活用例
個人・一般
企業向け生成AIアプリ
Gemini等を使い、社内業務や顧客向けapplicationへ生成AI機能を組み込む。
RAG検索・社内QA
企業文書やknowledgeをRAG Engine等で検索し、groundedな回答を生成する。
AIエージェント
業務toolやAPIを呼び出すagentを構築し、managed runtimeで運用・評価する。
独自MLモデル運用
custom trainingしたmodelをendpointへdeployし、online/batch predictionへ利用する。
業務・組織
Google Cloud企業AI標準基盤
IAM・data platform・AI開発をGoogle Cloudへ統合し、複数teamのAI workloadを共通管理する。
顧客対応AI
RAGとagentを組み合わせ、企業knowledgeを参照しながら問い合わせ対応や業務処理を行う。
データ分析・業務自動化
BigQuery等の企業dataと生成AI・agentを接続し、分析や定型workflowを自動化する。
料金
Gemini Enterprise Agent Platformは単一の固定料金ではなく、利用するモデルtoken、agent runtime、training/deployment compute、RAG/Vector Search、pipeline、storage等のresourceごとに課金されます。
新規Google Cloud顧客向け無料creditが提供される場合があります。
無料枠あり
Generative AI / Models
モデル別従量課金
Gemini等のmodel inferenceはモデル、input/output量、機能等に応じて課金。
Agent Platform
resource従量課金
runtime vCPU・memory、code execution、session、memory等、利用するagent resourceに応じて課金。
Custom ML / Deployment
compute従量課金
training machine、accelerator、endpoint deployment、prediction等のresource usageに応じて課金。
公式 Pricing ページを開く料金確認：2026年8月27日
強み・弱み
強み
- GeminiからOSS・partner modelまでModel Gardenで扱える
- 生成AI・agent・RAG・従来MLを広い範囲で統合できる
- Google CloudのIAM・data・network ecosystemと統合しやすい
- 評価やMLOpsまでproduction lifecycleをカバーする
弱み
- サービス範囲が広く初期設計の学習コストが高い
- モデル・agent・compute・storageなど課金項目が多く費用構造が複雑
- 単純なAPI利用では専用LLM providerより構成が重くなりやすい
比較・競合
迷うときの比較軸
- 利用モデル
- agent機能
- RAG
- 生成AI評価
- custom training
- MLOps
- IAM・security
- data platform連携
- region
- 料金
Gemini Enterprise Agent Platform vs Microsoft Foundry
Microsoft FoundryはAzure/Entra/Microsoft ecosystemとの統合が中心。Gemini Enterprise Agent PlatformはGeminiとGoogle Cloud data・ML基盤との統合が強みです。
Gemini Enterprise Agent Platform vs Amazon Bedrock
BedrockはAWS上のfoundation model APIとagent/RAG機能が中心。Google側は生成AIに加えてcustom ML trainingやMLOpsまで同一platformで広く扱います。
Gemini Enterprise Agent Platform vs Databricks Mosaic AI
Mosaic AIはLakehouse上のenterprise dataとAI lifecycleの統合に強み。Google側はGoogle Cloud全体のmanaged AI/ML serviceとGemini ecosystemが中心です。
Gemini Enterprise Agent Platform vs Vercel AI Gateway
Vercel AI Gatewayは複数model providerへのroutingとobservabilityに特化。Google側はtraining、RAG、agent runtime、evaluation、deploymentまで含む総合AI platformです。
THINKLABの結論
選定サマリーの判定を、選び方として整理したものです。
選ぶべき場合
Google Cloud上の企業dataとIAMを活かしながら、Gemini・RAG・agent・MLをPoCからproductionまで一つのgoverned platformで運用したい場合。
別製品を選ぶべき場合
単一の外部LLM APIで要件を満たせる場合や、Google Cloud resource・billing・IAM設計の複雑さを持ち込みたくない場合。
確信度: high
詳細情報
導入判断の本線から外した補足です。必要な項目だけ開いてください。
AI機能の詳細
Model Garden / Gemini
GoogleのGeminiに加え、パートナーやオープンモデルをModel Gardenから探索・評価・カスタマイズ・デプロイできます。
制約
利用可能モデル、region、quota、料金、deployment方式はモデルごとに異なります。
Agent Platform
ツール利用、session、memory、code execution等を含むAI agentをmanaged runtimeへ展開し、企業向けagent applicationを構築・運用できます。
制約
runtime、memory、session、code executionなどは個別に課金・quotaが設定されるためproduction設計時の確認が必要です。
RAG Engine
企業文書等を取り込み、chunking、retrieval、vector storage等を組み合わせてGeminiなどへprivate contextを付与します。
制約
対応region、vector database、security control、indexing・retrieval費用は構成によって変わります。
Gen AI Evaluation
生成結果のquality・safety・groundedness等に加え、agentのtool利用trajectoryや最終responseをdatasetとmetricsで評価できます。
制約
評価metricとjudge modelの選択により結果が変わるため、業務固有のhuman evaluationとの併用が重要です。
Custom ML / MLOps
独自training code、custom training、endpoint deployment、experimentやpipeline等を利用して従来型MLから生成AIまで運用できます。
制約
machine、accelerator、region、endpoint稼働時間等に応じてcompute costが発生します。
向き不向き（一覧）
こんな人におすすめ
- Google Cloudを主要cloudとして利用する企業
- Gemini・RAG・agent・MLを一つのplatformで管理したいAIチーム
- IAMや企業data governanceとAIを統合したい組織
- PoCからproductionまで同一Cloud基盤で進めたい開発チーム
おすすめしないケース
- 単一LLM APIを最小構成で呼びたいだけの用途
- Google CloudのIAM・billing・resource設計を持ちたくない小規模チーム
プラットフォーム / API
対応プラットフォーム
- Web
API
あり
セキュリティ / データの扱い
企業利用ではGoogle Cloud IAMを中心にproject/resourceへのaccessを制御し、利用機能に応じてnetwork boundary、encryption、service account、audit logging、organization policy等を設計します。
取扱い: データの保存場所・処理region・retention・model provider条件は利用するGemini/partner model、RAG、agent、storage等のserviceごとに確認が必要です。
学習・送信: 企業dataがモデル改善に利用されるかどうかは利用するGoogle Cloud生成AIサービスと契約条件に従います。本番導入時は最新のGoogle Cloud data governance文書を確認してください。