Google Developers Blog 日本語 フォロー Developers.googleblog.comは、Googleからの公式デベロッパーブログです。ここでは、Googleが提供する様々なデベロッパーツールとその機能、バグフィックス、開発スキル向上のためのチュートリアルに関する包括的な情報を提供します。このブログはまた、Googleのソフトウェア開発プロジェクトに関するケーススタディ、インタビュー、コミュニティーニュースも掲載しています。 Google Developers Blog developers.googleblog.com RSS developers.googleblog.com Google Developers Blog 日本語 RSS thenote.app
クライアントSDK生成がオープンであるべき理由 GoogleはSpeakeasyと提携し、以前のGoogle独自のSDKプロバイダーの突然の閉鎖を受けて、AGPLv3ライセンスの下でOpenAPIコード生成スイートをオープンソース化しました。新しくオープンソース化されたスイートは、開発者に決定論的でマルチ言語のSDKジェネレーターを提供し、厳密な型付けとSSEストリーミングをネイティブにサポートします。また、エージェントネイティブのCLIやドキュメントMCPサーバーをコンパイルするためのツールも提供します。エンジニアリングチームは、この堅牢なツールをCIパイプラインに直接安全に統合し、ライセンス管理を完全に維持しながら、独自のAPI用の信頼性の高いクライアントライブラリを自動生成できるようになりました。 Why client SDK generation belongs in the open developers.googleblog.com +1
Agent Anomaly Detection、Gemini Enterprise Agent Platformでプライベートプレビュー開始 エージェント異常検出は、Gemini Enterprise Agent Platform の新しい帯域外監視レイヤーであり、OpenTelemetry トレースとツール呼び出しを分析して、ライブリクエストに実行時レイテンシを追加することなく、行動リスクを検出します。軽量な統計スキャンとディープな LLM ベースの推論を組み合わせたマルチティア検出パイプラインを利用して、OWASP Agentic Top 10 に基づいた論理的な異常とポリシー違反を特定します。開発者は、Security Command Center 内でこれらの自動化された検出結果をトリアージするか、公開された API を活用して、エージェントが定義されたリスクしきい値を超えた場合に後続のツール呼び出しをプログラムでブロックできます。 Agent Anomaly Detection, now in Private Preview on the Gemini Enterprise Agent Platform developers.googleblog.com +1
構文だけでなく意図を判断する、ゼロトラストAIエージェントを構築する このブログ記事では、Gemini Enterprise Agent Platform を使用して、AI エージェントを静的なビルド時セキュリティ制御から動的なランタイムガバナンスへ移行する方法を探ります。エッジプロンプトをスクリーニングするための Model Armor、ビジネスルールに対してツールの意図を評価するための Semantic Governance Policies、複数ターンにわたるエクスプロイトを検出するための Agent Anomaly Detection という 3 つの主要な管理型防御策を強調しています。これらの機能をプラットフォームレベルに移行することで、セキュリティ管理者は、エージェントの基盤となるコードを変更または再デプロイすることなく、動的にポリシーを適用し、複雑な攻撃を無力化できます。 Build zero-trust AI agents that judge intent, not just syntax developers.googleblog.com +1
TPU上のTunixによる自律LLMの事後学習 Markdownの仕様を一つ書いた後、眠りについて、目が覚めたらA... Autonomous LLM post-training with Tunix on TPUs developers.googleblog.com +1
ハーネスエンジニアリングの解剖学：AIコーディングエージェントの評価、反復、保護の方法 SWE-benchのようなエンドツーエンドのベンチマークはAIエージェントの広範なパフォーマンススコアを提供しますが、それらはしばしば高価で遅く、エージェントのロジックがどこで破綻したのかを正確に説明するために必要な根本原因診断を欠いています。これを解決するために、開発者は行動評価を採用すべきです。これは、最終的な文字列の一致ではなく、特定のツール呼び出しやファイル変更の検証のような、離散的な中間アクションをアサートする、高速でローカルなユニットスタイルのテストです。これらの安価なマイクロチェックをマクロベンチマークと並行して構築することで、エンジニアリングチームはシステムプロンプトを自信を持って反復し、リグレッションのリスクなしにモデルをアップグレードできます。 The Anatomy of Harness Engineering: How to Evaluate, Iterate, and Guard AI Coding Agents developers.googleblog.com +1
Kotlin 1.0 用 ADK の発表：Kotlin、Android、およびそれ以降で本番対応の AI エージェントを構築する Googleは、Kotlin向けのAgent Development Kit（ADK）のバージョン1.0を正式にリリースし、PythonおよびJava ADKコアとの完全な機能同等性を達成し、慣用的でマルチエージェントなAI開発を可能にしました。Kotlin Multiplatform（KMP）上に構築されたこのフレームワークは、Kotlin Symbol Processing（KSP）を活用してリフレクションなしの型安全な関数呼び出しを実現し、さらに人間参加型ワークフローやコンテキスト圧縮などの高度なオーケストレーション機能も備えています。さらに、このリリースではAndroidファーストの拡張機能が豊富に導入され、モバイル開発者はLiteRT-LMを介したローカルモデルの統合、Firebase AIを通じたクラウド推論、Roomを使用したセッション永続化、AppSearchによるセマンティックメモリの活用が可能になります。 Announcing ADK for Kotlin 1.0: Building Production-Ready AI Agents in Kotlin, Android, and Beyond developers.googleblog.com +1
Driving Developer Excellence: Inside the Program Sprints Gemini Enterprise Developer Experience (DevEx) プログラムは、内部ショートカットに依存することなく、摩擦ポイントを特定し迅速に解決するために、エンドツーエンドの開発者ワークフローの継続的なスプリントテストを実施しています。この最近のスプリントは、エンタープライズAIガバナンスの最適化に焦点を当て、セットアップ前提条件の洗練、拡張機能構成の保護、ポリシー施行メカニズムの明確化を含み、よりスムーズで信頼性の高いデプロイメントを保証します。開発者は現在、Agent GatewayおよびSemantic Governance構成でのエクスペリエンスを向上させるために、更新されたドキュメントと標準化されたコードサンプルを活用できます。 Driving Developer Excellence: Inside the Program Sprints developers.googleblog.com +1
最も強力なAIエージェントチャレンジ提出物の背後にある4つのエンジニアリングパターン 最近のGoogle for Startups AI Agents Challengeでは、最も成功したマルチエージェントシステムは、単なる生のモデルパワーではなく、基盤となるソフトウェアエンジニアリングパターンに依存していることが明らかになりました。受賞したアーキテクチャは、エージェント間のシームレスな通信のために双方向MCP、並列実行のための非同期イベントバス、モデルフォールバックのための厳密な統一検証、そして高価な推論呼び出しを最小限に抑えるための階層ルーティングを一貫して実装していました。単純な線形プロンプトチェーンよりもこれらの構造的なプラクティスを優先することで、開発者はより回復力があり、低遅延で、コスト効率の高いエージェントワークフローを構築できます。 4 engineering patterns behind the strongest AI Agents Challenge submissions developers.googleblog.com +1
ディープラーニングとKerasによる宇宙信号のデコーディング 宇宙粒子物理学は、天体物理学と粒子物理学の刺激的な交差点に位置し、研究しています… Decoding cosmic signals with deep learning and Keras developers.googleblog.com +1
クラウドTPUにおける長文脈マルチモーダル埋め込み推論のためのエンタープライズグレードの精度 Google Cloud は、vLLM サービングエンジンに TPU サポートをネイティブに統合し、開発者が Google Kubernetes Engine (GKE) を使用して高需要の埋め込みパイプラインを弾力的にスケーリングできるようにしました。Qwen3-Embedding-8B のようなモデルの 15K+ トークンという大規模なコンテキストを処理するために、エンジニアリングチームは、ハードウェアセーフなテンソルアライメント、JAX/XLA コンパイルのプリウォーミング、チャンク化されたプリフィル管理のためのハイブリッド StepPool アーキテクチャなどの TPU 固有の最適化を実装しました。これらの強化により、参照 GPU ベースラインとのほぼ完璧な数値的同等性が達成され、開発者は AI-Hypercomputer GitHub 上のオープンソース化されたセットアップレシピをすぐに活用して、独自の高スループットセマンティック検索アプリケーションを構築できます。 Enterprise-Grade Precision for Long-Context Multimodal Embedding Inference on Cloud TPU developers.googleblog.com +1
ADKにおけるライブ＆ボイスエージェントの評価方法 ライブ音声エージェントをデモから本番環境に移行するには、実際のマルチターンの会話の予測不可能性に対応するための、厳格で自動化されたテストが必要です。ADKは現在、ネイティブのライブ評価を提供しており、開発者はGemini TTSを介して実際のオーディオを生成するLLM駆動のシミュレートされたユーザーに対して、グラフベースのエージェントワークフローをテストできます。評価シナリオと自然言語のルーブリックを定義することで、オーディオ応答とツール実行を自動的に採点し、ADK Webで結果のトランスクリプトを検査するか、CI/CDパイプラインでCLIを直接実行できます。 How to Evaluate Live & Voice Agents in ADK developers.googleblog.com +1
GoogleのAgent Development KitでゼロトラストAIエージェントを構築する 本番状態を変化させる自律AIエージェントを構築するには、ソフトシステムプロンプトを超えて堅牢なゼロトラストアーキテクチャに移行する必要があります。プロンプトインジェクションや悪意のある実行からGoogle Agent Development Kit (ADK) のワークフローを保護するために、開発者はデータベース書き込みのためのハードウェアバックアップ暗号署名、動的コードのためのgVisorによるカーネルレベルのサンドボックス化、およびI/O検証のための決定論的セマンティックゲートウェイを実装する必要があります。インフラストラクチャレベルでこれらのハードセキュリティ境界を強制することにより、不正なデータ操作やサーバー侵害のリスクなしに、マルチツールAIエージェントを安全にデプロイできます。 Build zero-trust AI agents with Google's Agent Development Kit developers.googleblog.com +1
HeyGen x Google Cloud: アバターIVをTPUに導入 HeyGen は、torchax および XLA を介して、8 チップメッシュ全体で FSDP および Ulysses シーケンス並列処理を利用し、18B+ パラメータの Avatar IV ビデオ生成モデルを Google Cloud の Trillium (v6e) TPU にポートしました。リアルタイムストリーミングの速度を 1.86 倍向上させるために、エンジニアリングチームは、すべての all-to-all コレクティブをパイプライン化して公開し、マスクパディングを排除するためにスパースアテンションブロックサイズを調整し、事前計算されたコーシー・シュワルツの上限を使用して softmax のシリアル依存関係を回避しました。これらのカスタム Pallas カーネルおよびコンパイラ最適化は、バイト同一または数学的に同等のピクセル出力を保証するために、厳格な 2 段階の品質ゲートを通過した後でのみ展開されました。 HeyGen x Google Cloud: Bringing Avatar IV to TPUs developers.googleblog.com +1
GoogleによるC2PAコンテンツ認証のためのオープンソースC++ライブラリ Credentio のご紹介 Credentioは、Googleからリリースされた新しいオープンソースのC++ライブラリで、開発者はC2PA Content Credentialsの高性能なローカルファースト検証をクライアントおよびサーバーアプリケーションに統合できます。メモリフットプリントが高度に最適化されたアセットを完全にローカルで処理することにより、このライブラリは、クラウドのレイテンシ、帯域幅コスト、またはデータプライバシーのリスクを発生させることなく、マルチギガバイトのメディアファイルに対して即時の検証結果を提供します。このライブラリは現在、マニフェストのディープパーシングと設定可能なトラストリスト統合を備えており、Google Sourceで利用可能で、将来的には完全なクレデンシャル生成と埋め込みをサポートする予定です。 Introducing Credentio: Open Source C++ Library for C2PA Content Credentials from Google developers.googleblog.com +1
Raspberry PiでLiteRTとGemmaを用いたエッジAIのマスター Raspberry Pi 上でのセキュアなリアルタイムEdge AIのデプロイが、LiteRTと軽量Gemmaオープンモデルを使用して簡素化されました。LiteRTはCPUとGPUのパフォーマンスを最適化し、Gemma4のようなモデルで高速なトークン速度を実現し、ロボティクス向けのリアルタイムローカル推論を可能にします。開発者は、軽量なLiteRT CLIツールを使用して、これらのモデルを迅速に変換、量子化、実行できます。Hailo AIアクセラレータのサポートも間もなく提供される予定です。 Mastering Edge AI on Raspberry Pi with LiteRT and Gemma developers.googleblog.com +1
なぜGoはAI支援ソフトウェアエンジニアリングに理想的な言語なのか AIコーディングアシスタントが開発者の主な役割をボイラープレートの記述からシステムのリビューと保守へとシフトさせるにつれて、言語選択は長期的なアーキテクチャの整合性にとって重要になります。Goは、その厳格なコンパイラ、統合されたツールチェーン、そして妥協のない可読性を活用することで、AIモデルが自己修正し、高度に標準化されたコードを生成するのに役立つ決定論的なガードレールを提供し、この新しいパラダイムに直接対応します。エコシステム全体の一貫性と厳格な後方互換性を強制することにより、Goプラットフォームはエンジニアリングチームが本番環境で、AIによって生成された高速度の出力を効率的に検証、最適化、保守できるようにします。 Why Go is an Ideal Language for AI-Assisted Software Engineering developers.googleblog.com +1
エージェントプラグインは、スキル、ツールなどをパッケージ化します Agent Plugins 1.0.0 は、Google、Amazon、Microsoftなどが支援する、ベンダーニュートラルな新しいディレクトリ仕様であり、Agent SkillsとMCPサーバーを単一のポータブルユニットにパッケージ化します。マニフェスト（plugin.json）を標準化し、固定されたディレクトリレイアウトを利用することで、開発者は異なるAIコーディングエージェントやIDEをサポートするために、個別のラッパーや構成を維持する必要がなくなります。Googleは正式にコアメンテナーとして参加し、すでにAgents CLIとData Agent Kitでサポートを展開しており、開発者は今日から相互運用可能なプラグインの構築と配布を開始できます。 Agent Plugins package your skills, tools, and more developers.googleblog.com +1
MCPステートレスアップデートによるAIエージェントインフラストラクチャのスケーリング 2026-07-28 モデルコンテキストプロトコル (MCP) 仕様は、レガシーなステートフル制約を完全にステートレスなコアに置き換え、クラウドネイティブな水平スケーリング、サーバーレスデプロイメント、標準的なラウンドロビンロードバランシングを可能にします。このアーキテクチャの変更により、ディープパケットインスペクションなしでの効率的なルーティング、キャッシュ制御、および接続をブロックせずにインタラクティブで長時間実行されるタスクを処理するためのマルチラウンドトリップリクエスト (MRTR) のための標準化された HTTP ヘッダーが導入されます。開発者は、Python、TypeScript、Go、C# 用に新しく利用可能になったベータ SDK を使用して、エージェントアプリケーションをこの高スケーラブルなインフラストラクチャにすぐに移行を開始できます。 Scaling AI Agent Infrastructure with the MCP Stateless updates developers.googleblog.com +1
AIモデルルーティングのための統合API Google Cloud API Gateway は、Public Preview でモデルルーティング機能を提供するようになりました。これにより、開発者はエンドポイントをハードコーディングしたり、オープンソースプロキシを管理したりすることなく、Gemini、Claude、OpenAI OSS-GPT のようなモデルに動的にトラフィックをルーティングできます。開発者は、仮想モデル名を共有ホスト上の特定のバックエンドターゲットにマッピングすることで、これらのルーティングルールを OpenAPI 3.x 仕様内で簡単に設定できます。デプロイされると、Gateway はサーバーレスなイングレスレイヤーとして機能し、標準的な OpenAI 互換のリクエストを受け付け、ペイロードをターゲットモデルのネイティブスキーマに自動的にトランスコードし、トラフィックをオンザフライでルーティングします。 A unified API for AI model routing developers.googleblog.com +1
セッション認識型ロードバランシングによるリアルタイムAIエージェントのスケーリング リアルタイムAIエージェントは、真のサーバー容量を不明瞭にする長期間持続するステートフルな双方向ストリームに依存するため、従来の要求-応答ロードバランシングのパラダイムを破壊します。これを解決するために、開発者は実行時に直接アプリケーションレベルのセッション追跡を実装し、アクティブな会話のコミットされた同時ワークロードを正確に測定する必要があります。これらの正確なセッションカウントを標準のCPU使用率メトリクスとともにハイブリッドルーティングアルゴリズムにフィードすることにより、インフラストラクチャはステートフルなAIトラフィックを効果的に分散し、個々のバックエンドのボトルネックを防ぐことができます。 Scaling real-time AI agents with session-aware load balancing developers.googleblog.com +1
Gemini Enterprise Agent Platform におけるエージェントおよびモデルの評価が一般提供開始されました。 Agent Platform の評価サービスが一般公開され、開発者はローカル開発実験やライブ本番トラフィック全体でエージェントの品質を一貫して測定するための統合エンジンを利用できるようになりました。20 以上の組み込み済みメトリック、DeepMind が支援するアダプティブ ルーブリック、または中央集権化されたバージョン管理されたレジストリに保存されたカスタムコードベースおよび LLM-as-a-judge メトリックを使用してエージェントを評価できます。このサービスは、Agent Platform SDK、agents-cli、および ADK を介して既存のワークフローに直接統合され、複雑なマルチターン テストを自動化し、CI パイプラインを合理化するための組み込みのユーザーおよび環境シミュレーターを提供します。 Agent and Model Evaluations in Gemini Enterprise Agent Platform are now GA developers.googleblog.com +1
Genkit Go の Agent Skills でオンデマンドの専門知識を有効にする コンテキストウィンドウの肥大化を防ぎ、トークン消費を削減するために、Genkit Goはプログレッシブ開示アーキテクチャに基づいたAgent Skillsを導入します。開発者は、専門的な指示、スクリプト、参照をモジュール式のSKILL.mdバンドルにパッケージ化できます。そこでは、フロントマッターメタデータのみが最初にエージェントのシステムプロンプトに公開されます。タスクがスキルの説明と一致すると、Genkitの中間ウェアは完全な指示本文と関連アセットを動的にロードし、モデルが必要なときに正確に正確なワークフローにアクセスできるようにします。 Enable on-demand expertise with Agent Skills in Genkit Go developers.googleblog.com +1
Googleマイクロベンチマークを使用してTPUパフォーマンスを評価する方法 GoogleのオープンソースTPUマイクロベンチマークスイートは、開発者にネットワーク、コンピューティング、HBM、ホスト転送、およびアテンションコンポーネントにわたる詳細なパフォーマンスメトリクスを提供し、実際のハードウェア機能を検証します。これらのベンチマークを活用してRooflineモデルを確立することにより、エンジニアは機械学習ワークロードがコンピューティング、メモリ、またはネットワークに制約されているかどうかを正確に診断できます。この経験的なベースラインは、カーネルチューニング、メッシュシャーディング、および再マテリアライゼーションなどのターゲットを絞ったソフトウェア最適化を直接導き、大規模モデル展開のためのハードウェア利用率を最大化します。 How to use Google microbenchmarks for evaluating TPU performance developers.googleblog.com +1
TPU で Ray を実行する、パート 2: Ray AI ライブラリ この第2弾では、RayのハイレベルライブラリであるServe、Data、Trainが、GoogleのTPUスライス上でAIワークロードを実行する際の複雑さをどのように抽象化するかを探ります。Ray Serveはシンプルなトポロジー構成を使用して、大規模なマルチホストモデルを正しくギャングスケジューリングし、Ray DataはネイティブJAXバッチでアクセラレータに直接データを供給することでデータローディングのボトルネックを解消します。最後に、JaxTrainerは、クロススライス調整、チェックポインティング、および耐障害性を自動的に処理することで、TPU全体での分散トレーニングを合理化します。 Run Ray on TPU, Part 2: Ray AI libraries developers.googleblog.com +1
スケーリングエージェントRL：Tunixによる高スループットエージェントトレーニング Tunixは、Googleの新しいJAXネイティブのポストトレーニングライブラリであり、マルチターンのツール使用LLM推論エージェントのトレーニングにおけるTPUアイドル時のボトルネックを解消するように設計されています。これは、高度に並行した非同期ロールアウトと、分離されたプロデューサー・コンシューマーパイプラインを組み合わせることでハードウェアのスループットを最大化し、エージェントがネットワークI/Oや環境ステップを待機している間でもトレーナーに常にデータが供給されるようにします。さらに、Tunixはプラグアンドプレイの抽象化と継続的なマクロレベルのプロファイリングを提供し、開発者がカスタムオープンソース環境を簡単に統合し、大規模なコードの書き直しなしに複雑な分散ワークフローを最適化できるようにします。 Scaling Agentic RL: High-Throughput Agentic Training with Tunix developers.googleblog.com +1
TPUでRayを実行する、第1部：基礎編 Ray 2.55 は、Google Cloud TPU の公式なファーストクラスサポートを導入し、開発者が使い慣れた Ray のタスクおよびアクター API を使用して、Google のアクセラレータ上で分散 Python ワークロードを実行できるようになります。マルチホスト TPU "スライス" をチップ間相互接続 (ICI) を介して連携させるという厳格なネットワーク要件を処理するため、GKE 上の KubeRay Operator は、基盤となるハードウェアレイアウトを自動的にプロビジョニングおよびラベル付けします。Ray Core は、このラベルを slice_placement_group() プリミティブ経由で利用し、完全なスライスをアトミックに予約します。これにより、開発者はカスタム配置コードを書くことなく、ハードウェアトポロジー（例：「4x4」）を宣言するだけで、KubeRay、Ray Train、または Ray Serve を介してジョブをデプロイできます。 Run Ray on TPU, Part 1: The foundations developers.googleblog.com +1
スケーラブルなAIエージェントをモジュラープロンプトトランスピレーションで構築する モノリシックなシステムプロンプトに起因するスケーリングのボトルネックと実行時エラーを解決するために、エンジニアリングチームは、指示を再利用可能なテンプレートにモジュール化することで、プロンプトをビルド成果物として扱うべきです。これらのモジュール化された「スキルファイル」をトランスパイラで実行することにより、開発者は静的検証を強制し、ビルド時に不足している依存関係を検出し、プロンプト生成をCI/CDパイプラインに直接統合できます。この決定論的なアプローチは、コードドリフトを防ぎ、最終的にエージェントが標準的なプルリクエストを通じて自身のロジックの更新を提案できる安全なフレームワークを確立します。 Building scalable AI agents with modular prompt transpilation developers.googleblog.com +1
進化する仕様駆動開発：ConductorがAntigravityをサポート ConductorはGemini CLI拡張からポータブルプラグインへと進化し、Antigravity CLIやClaudeのようなエコシステムに会話型Spec-Driven Development (SDD) をもたらしました。厳格なコマンドシーケンスに依存するのではなく、開発者はAIアシスタントと自然にチャットできるようになり、その間、AIアシスタントはバックグラウンドで永続的なマークダウン成果物（spec.mdやplan.mdなど）を動的に管理します。このアップデートにより、ワークフローの摩擦が解消され、リポジトリがプロジェクトのアーキテクチャと状態のバージョン管理された単一の真実の情報源として維持されることが保証されます。 Evolving Spec-Driven Development: Conductor Now Supports Antigravity developers.googleblog.com +1
Gemini Enterprise Agent Platformにおける選択肢の拡大：並列Web検索によるグラウンディングの導入 Google CloudはParallel Web Systemsと提携し、Parallelの検索インフラストラクチャをGemini Enterprise Agent Platform上のWebグラウンディングプロバイダーとしてネイティブに統合しました。この統合により、開発者は検証可能でリアルタイムなWebの結果にAIエージェントをアンカーさせることができ、複雑なエンタープライズワークフローにおける事実の正確性を大幅に向上させることができます。さらに、この提携は、ユーザーが他の大規模言語モデルと並行してWebデータをプログラムで抽出し、永続的にキャッシュし、処理することを可能にする、拡張されたアーキテクチャの柔軟性を提供します。 Expanding Choice in Gemini Enterprise Agent Platform: Introducing Grounding with Parallel Web Search developers.googleblog.com +1
Google TensorとPixelでオンデバイスAIの次の時代を解き放つ Google I/O Connect Indiaにおいて、Googleは、新しいPixel 10ファミリー向けのカスタムTensor SoCとTPUによって実現される、100%プライベートでオンデバイスAIの未来を披露しました。このイベントでは、軽量なGemma 4 E2Bモデルが初公開され、デバイス上でネイティブに動作することで、AIチャット、リアルタイム画像認識、パーソナルエージェントタスクなどの完全にオフラインのマルチモーダル機能を可能にします。開発者は、本日発表されたTensor SDKベータ版とその付属のオープンソースリソースにアクセスすることで、これらのセキュアなエッジベースアプリケーションの構築を開始できます。 Unlocking the Next Era of On-Device AI with Google Tensor and Pixel developers.googleblog.com +1
システムエンジニアリングプレイブック：Ironwood (TPU7x) 上での Qwen 3.5-397B MoE の最適化 397BパラメータのQwen 3.5 Mixture-of-Experts（MoE）モデルをIronwood TPUで提供するために、エンジニアはモジュラーJAX/Pallas最適化スタックを開発し、プリフィル負荷の高いワークロードで最大4.7倍の推論速度向上を達成しました。チームは、ハイブリッドデータ並列化とエキスパート並列化（DP+EP）トポロジーを展開することで、厳しいハードウェアシャーディングの制約を回避しました。これは、カスタム低レベル通信フュージョン（階層的なreduce-scatterなど）と組み合わせて、クロスデバイスのトークンルーティングを最適化しました。最後に、ハードウェアを意識したカスタムカーネル（Batched Ragged Page Attentionや完全にフューズされたGated DeltaNet（GDN）ブロックなど）を実行することで、HBM帯域幅とTensorCore MXUを効果的に活用し、システムスループットを理論上のルーフラインリミット近くまで押し上げました。 Systems Engineering Playbook: Optimizing Qwen 3.5-397B MoE on Ironwood (TPU7x) developers.googleblog.com +1
LiteRT.js, Googleの高性能Web AI推論 LiteRTファミリーの最新メンバーであるLiteRT.jsをご紹介できることを嬉しく思います！LiteRT.jsは、機械学習モデルをブラウザで直接実行するための強力なソリューションであり、GoogleのクロスプラットフォームエッジAIランタイムをWebに拡張します。JavaScript開発者向けに構築されたLiteRT.jsは、WebGPUおよび今後のWebNNで最先端のMLモデル推論パフォーマンスを提供し、CPUにはWebAssemblyへのフォールバックを備えています。この記事では、LiteRT.jsの簡単なツアーを紹介し、Web開発者が必要なすべてを提供して開始できるようにします。 LiteRT.js, Google's high performance Web AI Inference developers.googleblog.com +1
ドメインギャップを埋める：AntigravityとGeminiで構築されたAIレースコーチ 2026年5月23日、Google I/Oのステージを降りたばかりのGoogle Developer Experts (GDEs) が集結したのは… Bridging the Domain Gap: AI Race Coach built with Antigravity and Gemini developers.googleblog.com +1
TPUをトレーニング途中で終了させ、数秒で復旧しました：MaxTextによる弾力的なトレーニング入門 分散AIトレーニングは、単一のマシンの故障が通常、マルチノードジョブ全体をクラッシュさせ、時間のかかるフルワークロードのインフラストラクチャ再起動を余儀なくされるため、非常に不安定であることが知られています。これを解決するために、GoogleのJAXエコシステムはPathwaysを介した弾力的なトレーニングを利用しており、ハードウェア障害をキャッチ可能なPython例外に変換することで、実行中のプロセスが生き残れるようにします。予期せぬ障害が発生した場合、システムは故障したワーカーのみを自動的に置き換え、Cloud Storageから最後に有効なチェックポイントを復元し、トレーニングをその場で再開します。これにより、メインコントローラープロセスを再起動することなく、合計ダウンタイムを2分未満に最小限に抑えます。 We terminated a TPU mid-training and it recovered in seconds: Introduction to elastic training with MaxText developers.googleblog.com +1
VS Code で Google Cloud Power を使った ML 開発：Workbench 拡張機能が利用可能になりました VS Code 用の Google Cloud Workbench Notebooks 拡張機能が正式にリリースされ、開発者はローカル IDE をスケーラブルなクラウドベースの Jupyter 環境に接続できるようになりました。この統合により、コンテキストスイッチングが不要になり、高性能な Google Cloud インフラストラクチャに直接アクセスできるようになるため、機械学習ライフサイクルが合理化されます。透明性とコミュニティ主導のイノベーションをサポートするために、新しくリリースされた拡張機能は完全にオープンソースであり、GitHub および VS Code Marketplace で利用できます。 ML Development in VS Code with Google Cloud Power: Workbench Extension Now Available developers.googleblog.com +1
ADK 2.0を開発した理由 「ADK 2.0を構築した理由」という質問に答える。この中で、その根拠、いくつかの機能、そして開発者がアップグレードを検討すべき理由を説明する。これはADK 2.0のローンチの翌日に公開される。 Why we built ADK 2.0 developers.googleblog.com +1
Genkit を使ってエージェント型フルスタックアプリを構築する オープンソースのGenkitフレームワークは、メッセージ履歴、ツールループ、ストリーミングを単一のインターフェースにパッケージ化することで、会話型AIの複雑な配線を簡素化するように設計されたフルスタックツールであるAgents APIを導入しました。このAPIは、柔軟なサーバーまたはクライアント管理の状態永続化をサポートしており、履歴分岐、長時間実行されるデタッチされたタスク、マルチエージェントの連携などの高度なワークフローを可能にしながら、統一されたワイヤープロトコルを介してバックエンドとフロントエンドをシームレスに接続します。現在、TypeScriptとGoでプレビュー版が利用可能であり、Genkit Developer UIとも統合されており、開発者はクライアントコードを書かずにエージェントのスナップショットを簡単にテスト、デバッグ、検査できます。 Build agentic full-stack apps with Genkit developers.googleblog.com +1
ADK Go 2.0で信頼性の高いマルチエージェントアプリケーションを構築しましょう。新しいグラフベースのワークフローエンジン、組み込みのヒューマン・イン・ザ・ループ、ダイナミックオーケストレーションをご覧ください。 Go 2.0 用の Agent Development Kit (ADK) がリリースされ、開発者が複雑なマルチエージェントアプリケーションを構成するのに役立つ、ファーストクラスのグラフベースのワークフローエンジンが導入されました。このアップデートでは、ヒューマン・イン・ザ・ループ (HITL) オーケストレーション、プレーンな Go コードを使用した動的な実行、指数関数的バックオフ再試行などの自動化されたレジリエンス機能のための組み込みプリミティブが追加されました。実行モデルを統一することで、シングルエージェントアプリケーションと複雑なグラフの両方が同じランタイムで実行され、テレメトリと状態の永続化が簡素化されます。 Build reliable multi-agent applications with ADK Go 2.0. Discover our new graph-based workflow engine, built-in human-in-the-loop, and dynamic orchestration developers.googleblog.com +1
コーディングエージェントからエージェント品質フライホイールを推進する AIエージェントの開発では、単一のエラーを修正するためのプロンプトの微調整が、本番環境で広範なリグレッションを意図せず引き起こすのではないかと、開発者はしばしば不安を感じます。このギャップを埋めるために、Googleはコーディングエージェント向けの新しい開発者スキルを導入しました。これは、データ準備、推論の実行、適応型AutoRatersによる評価、失敗クラスターの分析、ターゲットを絞った最適化の実行という5段階の評価フライホイールを自動化します。本番トラフィックに対して継続的に実行するか、合成シナリオを介してオンデマンドで実行することで、このツールは開発者が平易な言葉でテスト目標を記述することを可能にし、独立した評価サービスが実際のパフォーマンスの向上を安全に検証およびカウントします。 Driving the Agent Quality Flywheel from Your Coding Agent developers.googleblog.com +1
GoogleのAgent Development KitとA2Aでクロス言語マルチエージェントチームを構築する PythonエージェントとGoエージェントがAgent2Agentプロトコルを使用して契約コンプライアンスを共同で実行する方法 Build Cross-Language Multi-Agent Team with Google’s Agent Development Kit and A2A developers.googleblog.com +1
ジュールズと共に大切なものを測る AIコーディングエージェントは、プロンプトに応じてタスクを完了する受動的なアシスタントから、急速に変化しています。 Measuring What Matters with Jules developers.googleblog.com +1
A2Aが協調型エージェントの世界を構築する方法 エージェント・ツー・エージェント（A2A）プロトコルの1周年を記念する本ブログ記事では、このフレームワークが、従来のAPIの厳格さなしに、自律的なAIエージェントが安全に協力し、タスクを引き継ぐことを可能にする方法を強調します。複雑なワークフローを専門的なピアエージェントに委任することで、A2Aはコンテキストの汚染を防ぎ、データのプライバシーを確保し、モジュール性を通じてアプリケーション設計を簡素化します。このエコシステムを実証するために、本記事では、複雑なタンパク質構造予測を調整するライフサイエンス向けのエージェンティックインターフェースであるFoldRunに焦点を当て、さらに、コマース、データストリーミング、DevOps、電気通信にわたる多様なA2Aユースケースを紹介します。 How A2A is Building a World of Collaborative Agents developers.googleblog.com +1
A2UI + MCP アプリ：宣言型とカスタムエージェントUIのベストを組み合わせる この投稿では、Model Context Protocol (MCP) アプリと Agent-to-User Interface (A2UI) を統合するために設計された 3 つのアーキテクチャパターンを紹介し、高度にカスタマイズされた iframe 環境とネイティブな宣言的レンダリングとの間のトレードオフを解決します。これらのアプローチを組み合わせることで、開発者は MCP サーバー経由でネイティブな感覚の UI を直接提供したり、宣言的なビュー内に複雑でステートフルな iframe アプリを安全に埋め込んだり、レガシーシステムに生成 UI コンポーネントを注入したりできます。最終的に、これらのハイブリッドフレームワークは、エンジニアリングチームが、特定のプロジェクトの制約に合わせて調整された、安全でパフォーマンスが高く、ブランドの一貫性のあるエージェンティックなユーザーエクスペリエンスを提供できるようにします。 A2UI + MCP Apps: Combining the best of declarative and custom agentic UIs developers.googleblog.com +1
エージェンティック・リソース・ディスカバリ仕様を発表 ウェブ全体でツール、スキル、エージェントを見つけて検証するためのオープン仕様。エージェントは... Announcing the Agentic Resource Discovery specification developers.googleblog.com +1
TPUスタックの力を解き放つ：新しいデベロッパーハブのご紹介 Googleは、モデルビルダーや開発者がGoogle Cloud TPUのパフォーマンスを最大限に引き出すことを支援するために設計された、一元化された教育リソースであるTPUデベロッパーハブを正式にローンチしました。このハブは、コードファーストのリソース、オープンソースのレシピ、そしてハードウェアアーキテクチャ、ソフトウェア最適化、デバッグ、並列処理、ネットワーキングを網羅する詳細なドキュメントを提供します。これらの資料は、大規模なトレーニングから低レイテンシの推論ワークロードまで、あらゆるものを効率化するために、人間の開発者とAI支援ツールの両方に合わせて調整されています。 Unlocking the Power of the TPU Stack: Introducing our new Developer Hub developers.googleblog.com +1
セキュリティと信頼性の向上：Googleでサインインする際の新しいセッションメタデータ Googleは、Sign in with Googleを強化し、新しいOIDC標準クレーム（具体的にはauth_timeとamr（Authentication Methods Reference））を導入することで、開発者にセッションメタデータに関するより深い情報を提供します。これらのアップデートにより、検証済みのアプリはユーザーログインの「鮮度」と使用された認証方法（MFAやハードウェアキーなど）を検証できるようになり、より動的でリスクベースのアクセス制御が可能になります。これらのフェデレーテッドIDシグナルを活用することで、プラットフォームはアカウント乗っ取りや不正行為をより効果的に防止しつつ、機密性の高い操作に対するステップアップ認証のようなきめ細かなセキュリティポリシーを実装できます。 Enhance Security and Trust: New Session Metadata in Sign in with Google developers.googleblog.com +1
DiffusionGemma: 開発者ガイド DiffusionGemmaは、Gemma 4アーキテクチャ上に構築された実験的なテキスト生成モデルであり、トークンごとの自己回帰ではなく拡散ベースの並列生成を使用しています。これにより、推論速度が大幅に向上し、双方向のコンテキスト認識とリアルタイムの自己修正が可能になり、コンシューマーGPUでのデプロイも可能になります。そのアーキテクチャは、反復的なノイズ除去を通じて256トークンのブロックを並列に生成および洗練するため、従来の言語モデルよりもSudokuのような複雑な制約ベースのタスクをより効果的に処理でき、ファインチューニングからの大幅な改善を示しています。このモデルはvLLMおよびその他の一般的な推論フレームワークと統合されており、開発者は高いパフォーマンス、効率的な長文コンテキストスケーリング、および簡単なカスタマイズとデプロイメントを組み合わせた新しい非自己回帰アプローチにアクセスできます。 DiffusionGemma: The Developer Guide developers.googleblog.com +1
Google Colab CLIのご紹介 Googleは、開発者やAIエージェントがローカルターミナルをリモートColabランタイムに接続し、シームレスな実行を可能にする新しいツール、Google Colab Command-Line Interface (CLI)を発表しました。この軽量CLIにより、ユーザーは高出力GPUを簡単にリクエストしたり、ローカルPythonスクリプトをリモートで実行したり、ファインチューニングされたGemma 3アダプターのようなアーティファクトログやモデルをシームレスに取得したりできます。標準的なターミナル環境に直接統合されることで、このツールは高度にプログラム可能であり、AntigravityやClaude CodeのようなAIエージェントが複雑な機械学習パイプラインを管理するために使用できるようになります。 Introducing the Google Colab CLI developers.googleblog.com +1
Gemma 4 12B: 開発者ガイド 新しくリリースされたGemma 4 12Bは、コンシューマーデバイスでの高性能なローカルAI実行のために設計された、密なマルチモーダルモデルです。新しいエンコーダーフリーアーキテクチャを導入することで、従来のビジュアルおよびオーディオエンコーダーをバイパスし、マルチモーダルデータを直接LLMバックボーンに供給します。 Gemma 4 12B: The Developer Guide developers.googleblog.com +1
ラップトップでGemma 4 12Bを動かす：Google AI Edgeによるローカル、エージェント型ワークフローの解放 Google DeepMindのGemma 4 12Bモデルは、16GBのRAMを搭載した一般的なラップトップにエージェント型、マルチモーダルAI機能をもたらし、ローカルデータ処理と視覚的な洞察生成を可能にします。ユーザーは、Google AI Edge Galleryを通じてmacOS上でこのモデルを活用し、動的なPythonコード実行と視覚化を行うことができます。また、Google AI Edge Eloquentを通じて、完全にオフラインでの音声ディクテーションとテキスト編集も可能です。さらに、LiteRT-LM CLIの新しいserveコマンドにより、開発者のワークフローが強化され、業界互換のローカルエンドポイントが作成され、完全にローカルなAIツールとエージェントを強化します。 Bringing Gemma 4 12B to your Laptop: Unlocking Local, Agentic Workflows with Google AI Edge developers.googleblog.com +1
