複数AIモデルを活用するシステム構築におけるクラウド選定理由と技術構成の解説

解説

近年、複数の大規模言語モデル（LLM）やAIサービスを組み合わせることで、特定のタスクを自動化・高度化する「マルチエージェントシステム」の開発が注目を集めています。今回紹介されているSakana AIが開発した「Fugu」は、まさにそのような複数のAIモデルを組み合わせて動作させる高度なシステムの事例です。

本システムの基盤としてGoogle Cloudの各種サービス群（Gemini Enterprise Agent Platformなど）が採用されています。これは単に開発元の経緯によるものというだけでなく、システム全体として求められる高信頼性、そして様々な種類のAIモデルを「マネージドなサービス」として連携させやすい点が高く評価された結果です。

具体的なシステム構成を見ていくと、フロントエンド（ユーザーインターフェース層）、中間処理層、そして複数のLLMを呼び出す「モデル層」という三層構造になっていることがわかります。各層において、Google Cloudの特定のセキュリティ機能やデータベースサービスなどが組み込まれており、非常に体系的に設計されている点が特徴的です。

全体を通じて、外部AIモデルとの連携が必須となる高度なシステム開発においては、単一の技術スタックに依存するのではなく、クラウドプロバイダーが提供する包括的なサービス群をフル活用し、セキュリティやインフラの部分を堅牢に固めるアプローチが重要であることがわかります。企業がAIエージェントを本格的に導入する際、基盤となるプラットフォーム選定は極めて重要な検討事項です。

ポイント

• 複数AIモデルを連携させる高度なマルチエージェントシステム「Fugu」の基盤としてGoogle Cloudが採用された事例である。
• 本システムは三層構造（フロントエンド・中間処理・モデル）で構成され、各層に適切なクラウドサービス（Cloud Run, BigQueryなど）が組み込まれている。
• 複数の外部AIモデルを呼び出す際、Google Cloudのエージェントプラットフォームなどのマネージドなサービスを利用することで安定した開発が可能となっている。

情シスへの影響

本事例は特定の技術選定の理由を解説するものであり、実運用上の直接的な設定変更や緊急対応が必要となる脆弱性の情報は含まれていません。しかし、今後自社内で類似のマルチエージェントAIシステム（複数のLLMやサービス連携）を構築することを計画する場合、以下の点を参照し、採用検討を進める際の参考情報としてください。

• 認証・セキュリティ機能の強化: フロントエンド層における「Google Cloud Armor」や「Model Armor」といった入力フィルタリングおよび不正アクセス防御機能は、AIシステムが外部からの攻撃に晒されやすいことを示しています。単なるWebアプリケーションの保護だけでなく、「モデルへの投入データ（プロンプト）レベルでのガードレール設置」を必須要件として検討すべきです。

• サービス連携とログ管理: 複数の異なるモデルや機能を組み合わせる場合、どのモデルがいつどのような処理を行い、どのようなエラーが発生したかを追跡する詳細なロギングとデータウェアハウス（BigQueryなど）による一元管理の仕組みが不可欠です。これらがシステム運用の可視性を高める鍵となります。

• エージェントオーケストレーションプラットフォームの評価: 複数の高性能AIモデル（Anthropic, Google Gemini, OpenAIなど）を統一されたワークフローで呼び出し、タスク難易度に応じて使い分ける仕組み（マルチエージェント）の実現には、専門的な管理基盤（Gemini Enterprise Agent Platformのようなもの）が必要となります。どのプラットフォームが最も柔軟に複数のAPIコールとステート管理に対応できるかを評価することが重要です。

重要度

★★☆☆☆

対象者

• セキュリティ担当者
• ネットワーク管理者
• システム設計者

優先度

様子見