---
title: "Vertex AI Agent Engine（現Agent Runtime）の使い方：ADKデプロイと料金"
url: "https://www.issoh.co.jp/tech/details/18416/"
published: 2026-10-17
updated: 2026-10-17
categories: ["Google Cloud"]
publisher: "株式会社一創"
---

# Vertex AI Agent Engine（現Agent Runtime）の使い方：ADKデプロイと料金

Vertex AI Agent Engineは、2026年4月22日付でAgent Runtimeへ改称されました。ADKやLangGraphで書いたエージェントをGoogle Cloudにデプロイし、会話履歴（Sessions）と長期記憶（Memory Bank）までまとめて預けられるマネージド実行基盤です。本記事では、2026年9月に分離された新SDK「google-cloud-agentplatform」でのデプロイ手順、インスタンス数とリソースの決め方、セッションの有効期限とMemory Bankの組み込み、vCPU時間とGiB時間から月額を試算する方法を、2026年10月時点の公式ドキュメントで整理します。

## まとめ：Vertex AI Agent EngineでADKエージェントを本番に出す要点

先に結論です。コードは「エージェントを書く→AdkAppで包む→runtimes.createでデプロイ→streamQueryで呼ぶ」の4段で済みます。手間がかかるのは、既定値のまま出すと困る設定の見直しです。

- Agent EngineはAgent Runtimeに改称済みです。REST APIのリソース名は`reasoningEngines`のまま残っています。
- 2026年9月18日のSDK 2.0.1で、エージェント機能は`google-cloud-agentplatform`に分かれました。`client.agent_engines.create`は`client.runtimes.create`に読み替えます。
- リソース上限の既定値は1コンテナ4vCPU・4GiBです。軽いエージェントなら下げるだけで単価が下がります。
- セッションは有効期限を指定しないと365日残ります。保存料がかかるため、用途に合わせてTTLを短くします。
- 単価はvCPU時間0.085ドル、GiB時間0.009ドルで、毎月50vCPU時間と100GiB時間は無料です。月1万会話程度ならランタイム費は数十ドルに収まり、費用の大半はモデルのトークン料金です。

## Vertex AI Agent EngineのAgent Runtimeへの改称と構成

検索で見つかる手順の多くは、改称とSDK分離の前に書かれています。

### 2026年4月の改称と9月のSDK分離で変わったAPI名の対応表

[Gemini Enterprise Agent Platformのリリースノート](https://docs.cloud.google.com/gemini-enterprise-agent-platform/release-notes)には、2026年4月22日の項に「Agent Engine is now Agent Runtime」とあります。同じ日の名称対応表で、Vertex AI Agent Engine SessionsはAgent Platform Sessions、Vertex AI Agent Engine Memory BankはAgent Platform Memory Bankになりました。プラットフォーム全体の改称と4本柱の関係は[Vertex AI Agent Builder（Agent Platform）の全体像](https://www.issoh.co.jp/tech/details/8461/)で解説しています。

コードに響くのは、9月18日のSDK 2.0.1です。[Agent Platform SDK 2.0.1の移行ガイド](https://docs.cloud.google.com/gemini-enterprise-agent-platform/machine-learning/python-sdk/sdk-migration?hl=ja)は、エージェント用途には`google-cloud-agentplatform`を推奨インストールとし、属性パスの対応表を載せています。

- デプロイ：`client.agent_engines.create` → `client.runtimes.create`
- セッション：`client.agent_engines.sessions` → `client.sessions`
- 記憶：`client.agent_engines.memories` → `client.memory_banks.memories`
- リビジョン：`client.agent_engines.runtimes.revisions` → `client.runtimes.revisions`
- フレームワークのテンプレート：`agentplatform.agent_engines.templates` → `agentplatform.frameworks`

移行ガイドによれば、新SDKは`vertexai.init()`のグローバル設定を読みません。プロジェクトとリージョンは`agentplatform.Client`に毎回渡します。旧SDKで書かれた記事のコードを写すと、この差で動かないことがあります。

### Runtime・Sessions・Memory Bankの3部品と東京リージョン対応

Agent Runtimeは、エージェントのコードを動かすRuntime、会話の履歴を持つSessions、ユーザーごとの長期記憶を持つMemory Bankの3部品を中心に組まれています。デプロイできるフレームワークは、ADK・A2A・LangChain・LangGraph・AG2・LlamaIndexとカスタムです。

国内案件で気になるのはリージョンです。[エージェントのサポートロケーション一覧](https://docs.cloud.google.com/gemini-enterprise-agent-platform/resources/agent-locations?hl=ja)では、asia-northeast1（東京）はv1がGA、v1beta1がプレビュー機能の対象です。Memory Bank非対応を示す印も付いておらず、東京で3部品をそろえられます。モデル選びを含むVertex AI全体の構成は[Vertex AIの機能・料金とSageMaker・Azure MLとの違い](https://www.issoh.co.jp/tech/details/15546/)にまとめています。

## ADKエージェントをAgent Runtimeへデプロイする手順とPythonコード

[ADKを使うAgent Runtimeのクイックスタート](https://docs.cloud.google.com/gemini-enterprise-agent-platform/build/runtime/quickstart-adk?hl=ja)（2026年10月15日更新）に沿いつつ、新SDKの書き方に置き換えて示します。

### API有効化とIAMロール2つ・ステージング用バケットの事前準備

有効にするAPIは`aiplatform.googleapis.com`と`storage.googleapis.com`の2つです。デプロイする人には、Agent Platformユーザー（`roles/aiplatform.user`）とストレージ管理者（`roles/storage.admin`）のロールを付けます。ステージング用バケットは、デプロイ時にコードと依存関係の成果物を置く場所です。

```
# APIを有効化し、ステージング用バケットを東京に作る
gcloud config set project your-project-id
gcloud services enable aiplatform.googleapis.com storage.googleapis.com
gcloud storage buckets create gs://your-agent-staging --location=asia-northeast1

# ローカルの認証情報と、エージェント用SDK・ADKを用意する
gcloud auth application-default login
pip install --upgrade "google-cloud-agentplatform[adk]"
```

[google-cloud-agentplatform](https://pypi.org/project/google-cloud-agentplatform/)の最新版は2026年10月14日公開の2.5.0です。PyPIのメタデータを見ると、extrasは`adk`・`a2a`・`agent-engines`・`langchain`など10種類で、`adk`を指定すると`agent-engines`と[google-adk](https://pypi.org/project/google-adk/)（最新は2.12.0）も入ります。

### AdkAppでエージェントを包みasync\_stream\_queryで試すローカル検証

エージェントの中身は通常のADKのコードです。`AdkApp`で包むと、デプロイ後と同じ呼び出し方でローカル実行できます。ローカルではセッションがメモリ上に作られ、プロセスを終えると消えます。

```
import asyncio
import agentplatform
from agentplatform.frameworks import AdkApp
from google.adk.agents import Agent

client = agentplatform.Client(project="your-project-id", location="asia-northeast1")

def get_leave_balance(employee_id: str) -> dict:
    """社員番号から有給休暇の残日数を返す（実装は社内APIに置き換える）"""
    return {"employee_id": employee_id, "remaining_days": 12}

agent = Agent(
    model="gemini-3.5-flash",
    name="hr_helpdesk",
    instruction="社内規程に沿って日本語で簡潔に答える。分からないときは分からないと答える。",
    tools=[get_leave_balance],
)
app = AdkApp(agent=agent)

async def main():
    async for event in app.async_stream_query(user_id="emp-0042", message="有給はあと何日ありますか"):
        print(event)

asyncio.run(main())
```

`user_id`はアプリ側で決める利用者IDで、クイックスタートの記載では128文字以内です。社員番号やメールアドレスをそのまま入れず、仮名化したIDを渡す設計にしておくと、後でMemory Bankを足すときにも困りません。エージェント定義の書き方そのものは[ADKの仕組みと始め方](https://www.issoh.co.jp/tech/details/7936/)で詳しく扱っています。

### runtimes.createでデプロイしcurlのstreamQueryから呼ぶ手順

ローカルで動いたら、同じ`app`を`client.runtimes.create`に渡します。デプロイには数分かかり、終わるとREST APIでは`reasoningEngines`のリソースとして見えます。

```
remote = client.runtimes.create(
    agent=app,
    config={
        "display_name": "hr-helpdesk",
        "staging_bucket": "gs://your-agent-staging",
        "requirements": ["google-cloud-agentplatform[adk]==2.5.0"],
        "env_vars": {"HR_API_BASE": "https://hr.example.internal"},
    },
)
print(remote.api_resource.name)  # projects/.../locations/asia-northeast1/reasoningEngines/数字のID
```

アプリケーションやバッチから呼ぶときは、[ADKエージェントを使用する公式ページ](https://docs.cloud.google.com/gemini-enterprise-agent-platform/scale/runtime/use-an-adk-agent?hl=ja)にあるstreamQueryのエンドポイントを使います。`alt=sse`を付けると、イベントがサーバー送信イベントで1件ずつ届きます。

```
LOCATION=asia-northeast1
RESOURCE_ID=1234567890123456789

curl -N \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  "https://${LOCATION}-aiplatform.googleapis.com/v1/projects/your-project-id/locations/${LOCATION}/reasoningEngines/${RESOURCE_ID}:streamQuery?alt=sse" \
  -d '{"class_method": "async_stream_query", "input": {"user_id": "emp-0042", "message": "有給はあと何日ありますか"}}'
```

検証が終わったら`remote.delete(force=True)`で消します。`force=True`を付けると、デプロイ時に自動で作られたセッションのリソースも一緒に削除されます。

## requirementsとインスタンス数を決めるデプロイ設定の既定値

[エージェントをデプロイする公式ページ](https://docs.cloud.google.com/gemini-enterprise-agent-platform/scale/runtime/deploy-an-agent?hl=ja)には、`config`に渡せる項目と既定値が並んでいます。既定値のまま本番に出してよいものと、見直すべきものを分けます。

### 公式サンプルのruntimes extraと依存バージョンを固定する理由

Memory BankのADKクイックスタートは、`requirements`の例に`google-cloud-agentplatform[runtimes,adk]`を載せています。ところが2026年10月17日時点のPyPIのメタデータには、`runtimes`というextraがありません。pipは存在しないextraを警告付きで無視するため、実害は出にくいものの、依存の指定としては`[adk]`だけで足ります。

デプロイの公式ページは、再現できるビルドのためにバージョンを固定するよう勧めています。デプロイ先ではrequirementsから依存を入れ直すため、手元とデプロイ先で版がずれると、ローカルで通ったエージェントが起動時に落ちることがあります。手元の`pip freeze`からADKとSDKの版を拾い、`==`で書いてください。自作モジュールは`extra_packages`にディレクトリを指定して同梱し、APIキーなどの秘密情報は`env_vars`からSecret Managerのシークレットを参照させます。

### min\_instances既定1・resource\_limits既定4vCPUの調整基準

| 項目                      | 範囲         | 既定値 |
| ----------------------- | ---------- | --- |
| min\_instances          | 0〜10       | 1   |
| max\_instances          | 1〜1000     | 100 |
| resource\_limitsのcpu    | 1・2・4・6・8  | 4   |
| resource\_limitsのmemory | 1Gi〜32Gi   | 4Gi |
| container\_concurrency  | 推奨は2×cpu＋1 | 9   |

最初に見直すのは`resource_limits`です。モデル呼び出しと軽いAPI呼び出しを待つだけのエージェントなら、4vCPUは持て余します。課金は割り当てたvCPUとメモリに比例するので、負荷試験で足りる値まで下げます。cpuを下げたら、`container_concurrency`も推奨式に合わせて変えてください。

`min_instances`の既定値1については、公式ページに「プレビューの間はアイドル時間を請求しないが、今後変わる可能性がある」という注記があります。いまは1のままでも請求は増えませんが、課金方式が変わった日に固定費が生まれます。既定値に任せず、値を明示して書いておくと変更に気づきやすいです。社外向けで急な流入がありうるなら、`max_instances`を上限として明示し、想定外の同時実行による請求の跳ね上がりも抑えます。

## Sessionsで会話履歴を持たせMemory Bankで長期記憶を足す実装

ADKのエージェントをAgent Runtimeに出すと、セッション管理は自動で引き受けられます。手を入れるのは、保存期間と、会話をまたいで覚えさせる情報の範囲です。

### user\_idごとのセッション作成と既定365日のTTLを短くする設定

[セッションをAPIで管理する公式ページ](https://docs.cloud.google.com/gemini-enterprise-agent-platform/scale/sessions/manage-with-api?hl=ja)によると、すべてのセッションに有効期限があり、指定しなければ既定で365日です。期限が来ると、セッションと配下のイベントは自動で消えます。問い合わせ窓口のように1回で完結する会話なら、7日程度で十分です。

```
import asyncio
import agentplatform

client = agentplatform.Client(project="your-project-id", location="asia-northeast1")

# 作成から7日で自動削除されるセッションを作る
session = client.sessions.create(
    name=remote.api_resource.name,
    user_id="emp-0042",
    config={"ttl": f"{7 * 24 * 60 * 60}s"},
)

# 同じ利用者の会話一覧を取り、続きから再開するセッションを選ぶ
async def list_my_sessions():
    response = await remote.async_list_sessions(user_id="emp-0042")
    for s in response.sessions:
        print(s)

asyncio.run(list_my_sessions())
```

TTLは作成時か更新時に決まり、更新した場合は更新時刻から数え直します。問い合わせ内容に個人情報が混ざるなら、保存期間を決める基準は社内の保管規程です。長い会話でコンテキストがふくらむ問題は、[ADKのコンテキスト圧縮と停止・再開](https://www.issoh.co.jp/tech/details/9292/)の設定で抑えられます。

### PreloadMemoryToolとコールバックでMemory Bankに記憶を書き込む

[Memory Bankの概要ページ](https://docs.cloud.google.com/gemini-enterprise-agent-platform/scale/memory-bank?hl=ja)によれば、Memory Bankは会話からLLMで要点を抜き出し、ユーザーなどのスコープごとに分けて保存します。[ADKのクイックスタート](https://docs.cloud.google.com/gemini-enterprise-agent-platform/scale/memory-bank/adk-quickstart?hl=ja)では、`runtimes.create`でデプロイすると空のMemory Bankも一緒に作られます。エージェント側は、取り出すツールと書き込むコールバックを足すだけです。

```
from google.adk.agents import Agent
from google.adk.agents.callback_context import CallbackContext
from google.adk.tools.preload_memory_tool import PreloadMemoryTool

async def remember_recent_turns(callback_context: CallbackContext):
    # 直近の数イベントだけを渡す（同じイベントを何度も処理させない）
    await callback_context.add_events_to_memory(events=callback_context.session.events[-5:-1])
    return None

agent = Agent(
    model="gemini-3.5-flash",
    name="hr_helpdesk",
    instruction="社内規程に沿って日本語で簡潔に答える。",
    tools=[get_leave_balance, PreloadMemoryTool()],  # 毎ターンの最初に記憶を読み込む
    after_agent_callback=remember_recent_turns,
)
```

クイックスタートは、セッション全体を送る`add_session_to_memory`より、差分のイベントを送る`add_events_to_memory`を推奨しています。記憶の生成は非同期で、エージェントの応答を待たせません。読み込みは毎ターン実行する`PreloadMemoryTool`と、モデルが必要と判断したときだけ呼ぶ`LoadMemoryTool`から選べます。

注意点もあります。概要ページは、誤った情報や悪意のある情報が記憶に入り、後の会話で使われる「メモリポイズニング」のリスクを挙げています。権限の判定や金額の計算など、記憶の内容を信じて動くと事故になる処理は、記憶ではなく業務システムの正本を参照させてください。

## Agent Runtimeの料金体系と月1万会話の費用を試算する計算例

料金は[Gemini Enterprise Agent Platformの料金ページ](https://cloud.google.com/products/gemini-enterprise-agent-platform/pricing?hl=ja)にあります。Runtime・Sessions・Memory Bankはどれも、コンピューティング・メモリ・ストレージの共通の単価で課金されます。

### vCPU時間0.085ドルとGiB時間0.009ドルの単価と毎月の無料枠

| リソース            | 単価（米ドル）      | 毎月の無料枠   |
| --------------- | ------------ | -------- |
| エージェントコンピューティング | 0.085／vCPU時間 | 50vCPU時間 |
| エージェントメモリ（RAM）  | 0.009／GiB時間  | 100GiB時間 |
| エージェントストレージ     | 0.30／GiB月    | 1GiB月    |

使用量は秒単位に丸められ、会話のターンとターンの間で次の入力を待つアイドル時間は課金されません。SessionsとMemory Bankは2026年9月1日に課金が始まりました。読み取りは300万回ごと、書き込みは100万回ごとに1vCPU時間として数えます。Memory Bankが記憶の生成や埋め込みに使うモデルのトークンは、各モデルの料金で別に請求されます。

### 月1万会話・1会話5往復で試算したランタイム費とモデル費の比率

仮定を置いて試算します。月1万会話、1会話5往復、1往復の処理時間8秒、リソース上限は既定の4vCPU・4GiB、リクエストどうしが重ならない場合の上限見積もりです。

```
# Agent Runtimeのランタイム費を見積もる（単価は2026年10月時点の料金ページ）
conversations, turns, sec_per_turn = 10_000, 5, 8
vcpu, mem_gib = 4, 4

hours = conversations * turns * sec_per_turn / 3600   # 約111.1時間
vcpu_cost = max(hours * vcpu - 50, 0) * 0.085          # 無料50vCPU時間を引く
mem_cost = max(hours * mem_gib - 100, 0) * 0.009       # 無料100GiB時間を引く
print(round(vcpu_cost, 2), round(mem_cost, 2))         # 33.52 3.1
```

ランタイム費は月約37ドルです。リソース上限を1vCPU・2GiBに下げられれば、同じ計算で月10ドルを切ります。CPU数ごとに設定できるメモリ量は、デプロイの公式ページからたどれる表で確認してください。セッションの書き込みは1往復で数件のイベントなので、5万往復でも数十万回、vCPU時間に直して1時間未満です。

この規模で請求の大半を占めるのは、Geminiなどのモデルのトークン料金です。予算を組むときは、ランタイムより先にモデルの選択と1往復あたりのトークン数を詰めてください。モデルの窓口と料金の違いは[Vertex AIとGemini APIの違い](https://www.issoh.co.jp/tech/details/18410/)で比べています。

## Agent Runtimeを採用する条件とCloud Runや他社基盤を選ぶ場面

ここまでの仕様と料金を前提に、使う場面と使わない場面を言い切ります。

### ADKで書いた社内エージェントを少人数で運用する場合の採用条件

採用してよいのは、次の条件がそろうときです。エージェントをPythonのADKかLangGraphで書いている、業務データがGoogle Cloudか社内APIにある、会話履歴と記憶の保存先を自前で作る人手がない。この場合、セッション用のデータベースとオートスケールの設定を自分で組むより、`runtimes.create`1回のほうが早く本番に出せます。2026年4月には最大7日の長時間処理と1分未満のプロビジョニングにも対応し、5月にはリビジョンとトラフィック分割がプレビューで加わったため、段階的な切り替えも基盤側で扱えます。

どの業務をエージェントに任せるかの切り分けから、ツール連携・権限設計・Agent Runtimeへの載せ方までをまとめて相談したい場合は、一創の[AIエージェント開発](https://www.issoh.co.jp/service/ai/agent/)で、既存の業務システムと接続する構成から検討できます。

### AWS中心の業務データや独自の実行環境が要る場合の見送り判断

見送るのは、業務データとIAMがAWSに集まっている案件です。エージェントだけGoogle Cloudに置くと、データの持ち出しと認証の橋渡しが増えます。その場合はAmazon Bedrock AgentCoreが候補で、料金と上限の差は[AgentCore・Google Agent Runtime・Foundryの比較](https://www.issoh.co.jp/tech/details/17828/)で並べています。

OSのパッケージや常駐プロセスを自由に入れたい、既存のコンテナ運用にそろえたい、という場合もAgent Runtimeは過剰な抽象化です。カスタムコンテナは使えるようになったものの、ADKのエージェントは同じコードのままCloud RunやGKEにも載せられます。セッションをFirestoreなどに自分で置く手間を受け入れられるなら、既存の監視や配備の仕組みに合わせたほうが運用は単純です。

## Vertex AI Agent Engine（Agent Runtime）のよくある質問

Agent Runtimeを使い始めるときに出やすい疑問に、公式ドキュメントの記載をもとに答えます。

### Vertex AI Agent EngineとAgent Runtimeは別の製品ですか？

同じ製品です。2026年4月22日のリリースノートで、Agent EngineはAgent Runtimeへ改称されました。REST APIのリソース名は`reasoningEngines`のままで、デプロイ済みのエージェントを作り直す必要はありません。変わったのはPython SDKのパッケージ名と属性パスで、2026年9月18日の2.0.1以降は`google-cloud-agentplatform`の`client.runtimes`を使います。

### Agent Runtimeは無料で試せますか？

毎月50vCPU時間・100GiB時間・ストレージ1GiB月まではアカウントごとに無料です。既定の4vCPUなら約12時間分の処理に当たり、動作確認には十分な量です。ただし課金を有効にしたプロジェクトが前提で、エージェントが呼ぶGeminiのトークン料金は無料枠とは別に請求されます。

### 東京リージョンでAgent RuntimeとMemory Bankを使えますか？

使えます。サポートロケーション一覧では、asia-northeast1はv1がGAで、Memory Bank非対応を示す印もありません。一方、Memory BankやSessionsをグローバルエンドポイントで構成すると顧客管理の暗号鍵（CMEK）が使えないため、鍵の要件がある場合は東京のエンドポイントを使います。

### ADK以外のフレームワークでもデプロイできますか？

できます。公式ドキュメントが挙げる対応先は、ADK・A2A・LangChain・LangGraph・AG2・LlamaIndexとカスタムです。デプロイ時の`agent_framework`は、エージェントのオブジェクトから出す場合は自動で判定されます。ソースファイルから出す場合の既定値は`custom`です。ただしセッション管理とMemory Bankの自動連携が最も手厚いのはADKなので、新規に作るならADKを選ぶのが近道です。

### Cloud RunにADKをデプロイする場合と何が違いますか？

Cloud Runは汎用のコンテナ基盤なので、会話履歴の保存先やスケールの設定を自分で用意します。Agent Runtimeは、SessionsとMemory Bankがはじめから付いており、新しくデプロイしたADKエージェントはOpenTelemetryのトレースも既定で有効です。課金もAgent Runtimeはターン間のアイドルを除いた処理時間が基準で、Cloud Runの課金設定を自分で選ぶ必要がありません。既存のコンテナ運用があるならCloud Run、エージェント専用の基盤を新しく持つならAgent Runtimeという分け方になります。

## 関連記事

- [Vertex AI Agent Builderとは？Gemini Enterprise Agent Platform改称後の全体像・料金・使い方](https://www.issoh.co.jp/tech/details/8461/)：Agent Runtimeを含むエージェント基盤全体の構成。
- [Vertex AIとは？Google CloudのAI開発プラットフォームの機能・料金とSageMaker/Azure MLとの違いを実装者目線で解説](https://www.issoh.co.jp/tech/details/15546/)：プラットフォーム全体の定義と他社比較。
- [ADKとは？GoogleのAgent Development Kitの仕組みと始め方【2.11対応】](https://www.issoh.co.jp/tech/details/7936/)：Agent Runtimeに載せるエージェントの書き方。
- [AgentCore比較：Google Agent Runtime・Foundryと料金と上限を並べて選ぶ](https://www.issoh.co.jp/tech/details/17828/)：AWS・Azureのエージェント実行基盤との比較。
- [Vertex AI Search（現Agent Search）の使い方：データストア作成・検索API・料金](https://www.issoh.co.jp/tech/details/18414/)：エージェントに社内文書を検索させる部品の作り方。

---

出典: [Vertex AI Agent Engine（現Agent Runtime）の使い方：ADKデプロイと料金](<https://www.issoh.co.jp/tech/details/18416/>)（株式会社一創）