【要約】Gemini Enterprise に ADK エージェントを登録して、スケジュール実行を試みたら詰まった話 [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
開発者がGoogle ADKで構築したエージェントをGemini Enterprise（GE）上で定期実行しようとした際、プラットフォームの未成熟さに起因する複数の障壁に直面した。
- ・UIの制約：ADKエージェント（Agent Runtime）には「編集」メニューが存在せず、Agent Builderのスケジュール設定機能に到達できない。
- ・デプロイの罠：
adk deploy agent_engine実行時、エージェントフォルダにrequirements.txtがないとmcpパッケージが自動で含まれず、実行時にインポートエラーが発生する。 - ・通信の不安定さ：GEからAgent Engineを呼び出す際、原因不明の500 Internal Server Errorや404 Not Foundが返されることがある。
// Approach
開発者はGEの標準機能によるスケジュール実行（A案）と、Cloud SchedulerからREST APIを叩く手法（B案）を検討したが、最終的にシステムの信頼性とコストを優先し、構成を根本から見直した。
- ・A案の検証：GEのコンソールから直接スケジュール設定を試みたが、UIの欠落により実現不可能と判断した。
- ・B案の検討：Cloud SchedulerからAgent EngineのREST API（:streamQuery）を呼び出す手法を検討したが、LLMの非決定性を考慮し断念した。
- ・最終採用案：Cloud SchedulerからCloud Run Jobを起動し、Pythonスクリプトで外部APIとの連携および通知を行う構成を採用した。
// Result
検証の結果、現時点のGEとADKの組み合わせは、バッチ処理のような確実性が求められる用途には不向きであることが判明した。
- ・信頼性の確保：LLMの挙動に依存せず、コード通りに実行されるCloud Run Jobへの移行により、実行の確実性を担保した。
- ・コストの最適化：不要なLLM API呼び出しを削減し、計算リソースのコストを抑制した。
- ・運用性の向上：標準出力がそのままログに記録されるため、デバッグが容易になった。
Senior Engineer Insight
> 本記事は、最新のAIエージェント技術を実運用に投入する際の「理想と現実の乖離」を鋭く突いている。ADKやGEは抽象度が高く開発体験は良いが、スケジューリングや依存関係管理、通信の安定性といった、ミッションクリティカルなバッチ処理に不可欠な要素が欠落している。エンジニアは「AIができること」に目を奪われず、要件が「確実な実行」であるならば、あえて古典的なCloud Run Jobを選択する判断を下すべきだ。プラットフォームの成熟度を見極める重要性を再認識させる内容である。