「ファイルを書き換える前に、AIがこちらに許可を求めてくる」。GoogleのGemini Agentをめぐり、その動き方と制御の仕組みが公式ドキュメントで詳しく公開されています[1]。エージェントとは、目的に向かって自分で手順を組み立て、ツールを使いながら作業を進めるAIのことです。自律的に動くからこそ、どこで人間が止めるのかが設計のカギになります。
前回の記事では、Gemini at Work 2026で発表された「仕事のための単一のユニバーサルエージェント」を追いました[2]。質問への回答、ナレッジワーク、画像やメディアの作成、コードの作成と実行まで、1つのプロンプトボックスから行えると説明されています[2]。GmailやDocs、SheetsなどWorkspaceアプリの中にも直接入り込み、そこでも同じメモリー、スキル、コントロールを保つとのことです[2]。導入はすでに大規模で、以前取り上げたキーノートの実測では、Fortune 100の約90%がGemini Enterpriseを利用しています[2]。今回はその裏側です。エージェントがどう動き、どこで人間の承認を挟むのかを見ていきます。
まず開発者向けの動きです。Gemini Code Assistのエージェントモードは、VS CodeとIntelliJというIDE(開発環境)で使えます[1]。複数ステップの複雑なタスクの解決策を出したり、設計書や課題、TODOコメントからコードを生成したりできます[1]。MCPサーバー(AIから外部のツールやデータにつなぐための仕組み)を設定すれば、機能を広げることも可能です[1]。さらに、プランやツールの使用にコメントを付けたり、編集や承認を行ったりして、動きを制御できます[1]。
動きの仕組みはシンプルなループです。プロンプトと使えるツールの一覧がGemini APIに送られ、返ってきたレスポンスは、そのままの回答か、ツール使用のリクエストかに分かれます[1]。ここで権限の設計が効いてきます。ファイルシステムを変更するツールや、リソースに変更を加える操作は、「常に許可」と設定していない限り、実行のたびに許可を求められます[1]。読み取り専用のツールなら、権限を求めずに進む場合があります[1]。変更の危険度で扱いを分けているわけです。ツールの実行結果はGemini APIに返され、次のレスポンスが生まれます。このサイクルがタスクの完了まで続きます[1]。
承認まわりの作り込みも細かいところがあります。複雑なタスクでは、まず大まかなプランを提示して承認を求めます。実行前なら、プランの微調整やチャットでの質問も可能です[1]。許可を求める場面では、「このツールを常に許可」や「同様の操作を許可」といった選択肢が示されることもあります[1]。エージェントが参照する周辺情報(コンテキスト)の内訳も公開されました[1]。VS Codeでは、ワークスペースの情報、ファイル内検索やターミナル、ファイル読み書きの各ツールの結果、Google検索のレスポンス、指定URLの内容、Markdownで作るコンテキストファイルが使われます[1]。IntelliJでは、変数や関数などの名前(シンボル)の使い方やバージョン管理まで参照範囲になります[1]。
しかし、ここまでブレーキを丁寧に設計している事実自体が、自律動作のリスクを物語っています。キーノートでは、エージェントの保護として、IDとポリシー管理を挙げました[2]。さらに、認可(アクセスを許すかの判断)と権限の制御、セキュアなサンドボックス(外に影響が出ないよう隔離した実行環境)、ネットワークゲートウェイにも言及しています[2]。背景には、以前取り上げた2025年のVeracodeレポートで「AI生成コードの45%がセキュリティテストに合格しなかった」という実測もあります。権限管理と隔離が飾りでないことは、この数字からも読み取れます。
コストへの視点も欠けていません。エージェントは自律的に動くぶん、トークンも自律的に消費します。キーノートは、複数モデルの使い分けや、Smart Routing(用途に応じてモデルを振り分ける仕組み)、リアルタイムの支出上限を、コスト管理の柱として挙げました[2]。業種特化の動きもあります。金融サービスと法務向けに、専用のツール、スキル、コネクタ、ナレッジが発表されました[2]。平易な言葉の質問から業務の示唆を数分で引き出す、データと分析のスキル追加もアピールされています[2]。
周辺の動きも続いています。ブラウザ操作に特化したProject Marinerについては、解説記事[3]やレビュー記事[4]が出ています。Googleのエージェント関連技術をI/Oに先立って比べた記事も現れました[4]。企業向けのGemini Enterprise Agent Platformにも、エージェントの概要ドキュメントが整備されています[4]。エージェントの価値は、推論の賢さだけでは決まりません。承認、権限、隔離、支出上限というブレーキの設計が、仕事の現場への定着を左右するようです。使い始める側は、「常に許可」をどこまで広げるかから考え始めるのがよさそうです。
引用ソース
- Web記事 記事全文: Agent mode overview | Gemini for Google Cloud | Google Cloud Documentation — https://docs.cloud.google.com/gemini/docs/codeassist/agent-mode
このドキュメントでは、Gemini Code Assist のエージェント モードについて説明します。
エージェント モードは、VS Code と IntelliJ の統合開発環境（IDE）で使用できます。エージェント モードの使用を開始するには、Gemini Code Assist のエージェント モードを使用するをご覧ください。
エージェント モードでは、次のような操作を行うことができます。
– コードに関する質問をします。
– コ - Web記事 記事全文: Gemini at Work 2026: Introducing Gemini agent – Google Cloud — https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026
Thomas Kurian
CEO, Google Cloud
Editor’s note: This article is adapted from Thomas Kurian’s keynote address at Gemini at Work 2026. It includes a number of announcements:
– Gemini, a single, universal agent for work that - Web記事 Web検索: Google’s Project Mariner: The AI Browser Agent That’s Redefining How We … — https://www.programming-helper.com/tech/google-project-mariner-ai-browser-agent-2026-autonomous-web-navigation
Google’s Project Mariner: The AI Browser Agent That’s Redefining How We …
- Web記事 Web検索: Agents overview | Gemini Enterprise Agent Platform | Google Cloud … — https://docs.cloud.google.com/gemini-enterprise-agent-platform/agents
Agents overview | Gemini Enterprise Agent Platform | Google Cloud …
- Web記事 Web検索: Gemini Intelligence vs. the Agent Browsing Stack: A Pre-I/O Scorecard — https://academy.kspl.tech/blog/2026-05-14-gemini-intelligence-agent-browsing-stack
Gemini Intelligence vs. the Agent Browsing Stack: A Pre-I/O Scorecard
- Web記事 Web検索: Google Project Mariner Review: AI Assistants & Models AI Tool — https://smarterway.ai/tools/google-project-mariner
Google Project Mariner Review: AI Assistants & Models AI Tool
※ 本記事はAIにより、Reddit・Hacker News・5ch・Xトレンドの公開投稿・トレンドを軸に、その話題をWeb検索で深掘りして集めた一次情報(記事全文・HNコメント)を併せて自動生成されました。本文中の[n]は末尾の引用ソース番号です。内容の正確性は保証されません。引用先を必ずご確認ください。
RECENT COMMENTS