Markdown版
AI-translated from English; not yet reviewed by a fluent editor.
# Google、バイオ向けに三層のエージェント構成を提案
> Googleのバイオ分野向け参照設計は、エージェントの計画、GPUによる科学計算、アクセス制御を分離する。統合したワークフローは、まだ測定結果のない提案だ。
By BIG CHANGE Editorial
Published: 2026-10-18T17:10:34.892Z
Updated: 2026-10-18T17:10:34.892Z
Canonical: https://bigchange.ai/blog/google-biotech-agent-architecture
AI-generated conceptual illustration by BIG CHANGE; no actual Google facility, completed biotech workflow, drug candidate or test result is depicted.
Google Cloudは、計画を立てるエージェントと、GPUを大量に使う科学計算、両者を囲む制御を分けた、バイオ分野のエージェント向け参照アーキテクチャを公開した。[10月16日の設計記事](https://cloud.google.com/blog/topics/healthcare-life-sciences/architecting-scalable-agentic-biotech-workloads)は、創薬チームがGoogle Cloud上でタンパク質フォールディング、分子生成、リード化合物の検討をどう連携させ得るかを説明している。示しているのはパターンと構成例であり、測定済みの顧客導入事例、スループットの結果、検証された医薬品候補は示していない。
研究用エージェントシステムを評価するチームには、この区別が重要だ。言語モデルは作業を振り分け、結果を要約できるが、タンパク質構造やドッキングの軌跡は通常のチャット文脈として扱うには大きすぎる。科学計算には独自の実行環境、キュー、アクセス制御もある。Googleの提案はこれらを明確な境界で区切り、統合ワークフローを頼る前に各部分を調べられるようにしている。
## 三つの層に異なる役割
最初の層は[Agent Runtime](https://docs.cloud.google.com/gemini-enterprise-agent-platform/build/runtime)上の主オーケストレーターだ。Googleの例では、リード化合物の最適化と安全性スクリーニングを担当する専門サブエージェントをそれぞれ一つ配置する。主エージェントは要求を分解し、作業を振り分け、回答をまとめる。この設計案では、内部のエージェント間の引き継ぎは同一プロセス内で行う。Agent Runtimeはマネージドのデプロイ環境であり、Googleはエージェントを呼び出す前に、プロジェクト設定、Agent Platform SDK for Python、エージェント開発、デプロイが必要だと文書化している。コンテナ化したエージェントは、定められた[ランタイム契約](https://docs.cloud.google.com/gemini-enterprise-agent-platform/build/runtime)を満たす必要がある。
第二層は高コストの科学計算ジョブを実行する。Googleの例では、RTX PRO 6000 Blackwell GPUを備えたG4仮想マシンを使い、Google Kubernetes Engine上にNVIDIAのESMFoldとGenMolの推論マイクロサービスを置く。タンパク質フォールディングや分子生成は、オーケストレーターが要求する作業の例であり、汎用言語モデル自体が行う計算ではない。記事はコールドスタートの遅延を減らすため、少なくとも一つのGKEノードを稼働させたままにし、Podの起動時にモデルの重みを読み込むよう勧める。ウォーム状態のノードと読み込み済みの重みはリソースを消費するが、この選択のレイテンシー、使用率、費用を比較したデータは示していない。
第三層はアクセスを管理する。[Agent Identity](https://docs.cloud.google.com/iam/docs/agent-identity-overview)はエージェントにSPIFFE IDとマネージドのX.509証明書を割り当て、IAM権限や監査ログと組み合わせて使える。[Agent Gateway](https://docs.cloud.google.com/gemini-enterprise-agent-platform/govern/gateways/agent-gateway-overview)は、対応する入出力経路でアクセスルールを適用できる。[Agent Registry](https://docs.cloud.google.com/gemini-enterprise-agent-platform/govern/agent-registry)はエージェント、MCPサーバー、ツール、エンドポイントをカタログ化する。GoogleはModel Armorによる検査と、重大な結果を伴う段階での人間の承認も提案している。これらの制御にはデプロイとポリシー設定が必要だ。構成図に載っているだけでは、特定のデータ経路が非公開であることや、すべての判断が監査されることは証明できない。
## ファイルはプロンプトではなくストレージ経由で渡す
この設計で他の用途に最も移しやすいのは、大きな科学データの扱い方だ。提案されたワークフローはPDBファイル、ドッキングのポーズ、軌跡ログをCloud Storageに書き込む。エージェントはオブジェクト参照と短い要約を交換し、ツールが必要とするときに元のデータを取得する。これにより座標配列をLLMのコンテキストウィンドウへ押し込まずに済み、ファイルアクセスと保存期間を別の場所で管理できる。
Googleはこのパターンで、オブジェクト用の署名付きURIを説明している。署名付きURL自体が、指定された範囲と有効期間に対するアクセス資格情報になるため、実際のワークフローには有効期限、権限、ログ記録の設定がなお必要だ。設計記事には、本番のバイオ分野向けパイプラインの完全なストレージポリシー、データ所在地の設定、脅威モデルは文書化されていない。非公開でホストした計算コンテナが独自の構造情報を企業の境界内に保つという主張は、その情報を受け取るか転送するすべての要素に依存する。ストレージ、モデル呼び出し、ログ、外向きエンドポイントも含まれる。
記事は、長いシミュレーション連鎖を明確なツールインターフェースの背後にまとめ、段階の完了時に進捗を出力することも勧める。これらは実際のバックエンドのキューに照らして評価すべき設計上の選択だ。科学計算サービスが内部で要求を逐次処理するなら、並列に送る要求を増やしても役に立たない。提案した構成のスループットが決定論的であることを示すベンチマークは掲載されていない。
## 人間の判断をどこに置くか
Googleの提案では、構造の検索や化学名の解決といった取り消し可能な準備をエージェントに任せ、高コストまたは重大な結果を伴う行動には人間の承認を求める。例は、複数GPUによるドッキング実行、リード化合物をウェットラボでの合成へ進めること、プログラムのアーカイブだ。研究組織はその承認段階、承認者、各段階で提示する根拠を定義する必要がある。記事は検証済みの安全性スクリーニング結果を報告しておらず、専門家の検討なしにモデルが薬理学的判断を下せると立証してもいない。
ガバナンス文書は、ブログの一部の広い表現に条件を付けている。GatewayはAgent Runtimeでは受信と送信の両方に対応するが、Gemini Enterpriseでは送信のみだ。明示的なIAMポリシーがURLを対象にすれば未登録の宛先にもアクセスできるため、登録自体が未知のツールを一律に遮断する仕組みではない。Model Armorの検査はチームが*設定できる*ガードレールの一つだ。Agent Identityの文書化された制約には、エージェントのプリンシパルに従来型のCloud Storageバケットロールを付与できないことが含まれる。また、エージェントの削除時にはIAMバインディングを手動でクリーンアップする必要がある。
検証については、Google Cloudが別途公開した[エージェントプラグイン評価から得た四つの教訓](https://cloud.google.com/blog/topics/developers-practitioners/four-eval-engineering-lessons/)が参考になる。ただし、そのプラグインは別のシステムだ。チームはエージェントの最終回答だけを評価すると、ツール呼び出しログに見える行動を見落とすと気づいた。同時呼び出しの構造を保つこと、実際の実行と計画のみの実行を比較すること、専門家が選んだ基準タスクを維持することを推奨している。これをバイオ分野の提案に当てはめるなら、実際のストレージ書き込み、モデルのエンドポイント、権限判断、キューの挙動、人間の承認を確かめるべきだ。BIG CHANGEはこのアーキテクチャを構築もテストもしていない。
先に報じた[Google Antigravityによる抗菌ペプチドの初期選別](https://bigchange.ai/blog/google-antigravity-antimicrobial-peptide-candidate-triage)は、別の科学エージェントのタスクを扱っている。ここで提案するインフラが構築済み、検証済みであることを示すものではない。
## 利用条件、費用、リリース状況
チームにはGoogle Cloudプロジェクト、関連APIとIAM設定、Agent Runtimeのデプロイ、GKEのGPU容量、ストレージ、設定済みガバナンス要素が必要になる。利用可能性と制限は、選ぶリージョン、割り当て、製品設定で変わる。[Agent Runtimeの文書](https://docs.cloud.google.com/gemini-enterprise-agent-platform/build/runtime)はリージョンと割り当ての一覧を案内し、無料枠があると説明している。[Agent Platformの料金ページ](https://cloud.google.com/products/gemini-enterprise-agent-platform/pricing)はランタイムの計算とメモリの料金、Gatewayの送信課金を説明する。モデル利用、GPUインフラ、Cloud Storageにはそれぞれ別の費用が加わる。Googleの[料金計算ツール](https://cloud.google.com/products/calculator)で選んだ構成を見積もることはできるが、常時ウォーム状態を保つGPUプールもその見積もりに含める必要がある。
各要素の文書は利用可能なサービスを説明しているが、それで統合バイオパターンが一般提供の測定済み製品になるわけではない。Registryの独立したスキルは明示的にPreviewとされる一方、今回確認したページには提案されたスタックの全要素に共通する単一のリリース段階表示はない。具体的なモデルコンテナ、ネットワーク制御、研究アプリケーション間の互換性は、対象リージョンとデプロイに合わせて確認しなければならない。この記事は10月16日の提案を文書に基づいて検討したもので、セットアップガイドや稼働中の環境の報告ではない。
## 大きな変化
Googleは、バイオエージェントのワークフローを計画、専用の科学計算、管理されたアクセスに分け、大きな構造情報は参照で渡し、高コストまたは重大な結果を伴う行動には人間の承認を残す方法を示した。この設計は、研究インフラチームに評価すべき具体的な境界を与える。速度、隔離、科学的な信頼性、運用費用は、設定済みのデプロイと測定試験で答えるべき問いとして残っている。
## 出典と参考資料
- [Google Cloud「自律性を設計する」](https://cloud.google.com/blog/topics/healthcare-life-sciences/architecting-scalable-agentic-biotech-workloads)：10月16日の参照アーキテクチャと、提案する構成要素、ワークロードのパターン、承認段階。
- [Agent Runtimeの文書](https://docs.cloud.google.com/gemini-enterprise-agent-platform/build/runtime)：マネージドのエージェントデプロイ、前提条件、フレームワーク対応、リージョンと割り当てのリンク、料金情報の入口。
- [Agent Identityの概要](https://docs.cloud.google.com/iam/docs/agent-identity-overview)：IDと資格情報の仕組み、IAMのライフサイクル、Cloud Storageロールの制限。
- [Agent Gatewayの概要](https://docs.cloud.google.com/gemini-enterprise-agent-platform/govern/gateways/agent-gateway-overview)：ルール適用モデル、ランタイムモード、設定に依存するガードレール、明示された制約。
- [Agent Registryの文書](https://docs.cloud.google.com/gemini-enterprise-agent-platform/govern/agent-registry)：登録リソースの種類と、独立したスキルのPreview状況。
- [Agent Platformの料金](https://cloud.google.com/products/gemini-enterprise-agent-platform/pricing)：RuntimeとGatewayの課金基準。スタック全体は別途見積もる必要がある。
- [Google Cloudの四つの評価上の教訓](https://cloud.google.com/blog/topics/developers-practitioners/four-eval-engineering-lessons/)：実行トレースの確認と評価設計に関する、別のエージェントプラグインからの参考情報。
出典は2026年10月18日に確認した。BIG CHANGEは提案されたバイオシステムをデプロイせず、ベンチマークも行っていない。
## Sources
- [Google Cloudのバイオエージェントアーキテクチャ](https://cloud.google.com/blog/topics/healthcare-life-sciences/architecting-scalable-agentic-biotech-workloads) — 10月16日の設計提案と各層の説明。
- [Agent Runtime](https://docs.cloud.google.com/gemini-enterprise-agent-platform/build/runtime) — デプロイ手順、対応フレームワーク、契約、割り当て、料金リンク。
- [Agent Identityの概要](https://docs.cloud.google.com/iam/docs/agent-identity-overview) — IDの資格情報、IAMのライフサイクル、監査、制約。
- [Agent Gatewayの概要](https://docs.cloud.google.com/gemini-enterprise-agent-platform/govern/gateways/agent-gateway-overview) — モード、ポリシー、未登録の宛先、制約。
- [Agent Registry](https://docs.cloud.google.com/gemini-enterprise-agent-platform/govern/agent-registry) — カタログと独立したスキルのPreview表示。
- [Agent Platformの料金](https://cloud.google.com/products/gemini-enterprise-agent-platform/pricing) — RuntimeとGatewayの課金基準。
- [Google Cloudの料金計算ツール](https://cloud.google.com/products/calculator) — 構成ごとの見積もり。
- [評価エンジニアリングの四つの教訓](https://cloud.google.com/blog/topics/developers-practitioners/four-eval-engineering-lessons/) — 別のプラグインからの参考情報であり、バイオ設計の検証ではない。
BIG CHANGEニュースレター
大局を、あなたのペースで。
AI とロボティクスの最新記事、注目すべき変化、活用できる実用的なアイデア。日刊ブリーフィング、週刊ダイジェスト、月刊展望から選べます。
Next scheduled send (UTC): . Your first edition arrives at the next scheduled send after you confirm.