LangSmith 上で Google ADK エージェントをデプロイ

Google ADK エージェントを LangSmith で本番デプロイする簡単ガイド

Google の最新 AI フレームワーク「ADK（Agent Development Kit）」で作成したエージェントを、LangChain が提供する観測・管理プラットフォーム「LangSmith」上で即座に本番環境へ展開する方法が解説されています。この動画では、複雑なインフラ構築なしで、セッションベースの記憶機能やトレーシング機能を備えた信頼性の高いエンタープライズ向け AI エージェントを、わずか数コマンドで公開するエンドツーエンドのプロセスを紹介しています。

LangSmith SDK で Google ADK を「永続化」対応に変える

動画の核心は、Google ADK のランナークラス（Runner Class）を LangSmith のラッパー関数で包み込むというシンプルな実装にあります。これにより、ADK 単体では標準装備されていない「セッションベースの短期記憶」や「永続化機能」が自動的に追加されます。

具体的には、wrap 関数を使用してランナークラスをラップし、LangSmith の SessionService を引数として渡します。この仕組みにより、ユーザーとの対話履歴やタスクの状態がセッションごとに保存・復元されるようになります。開発者は、既存の ADK ロジックを大幅に変更せず、このラッパーを適用するだけで、LangSmith の永続化レイヤーを活用したエージェントに変身させることができます。

「ADK ランナーを LangSmith デプロイメント対応のエージェントに変換し、そこからエージェントを LangSmith デプロイメントへ移行します」

カスタムツールとシステムプロンプトの定義

実装の準備として、まずエージェントが実行する具体的なタスクを定義する必要があります。動画では、タスクの追加・完了処理やリストの要約を行うカスタムツールを作成する手順が示されています。

1. ツールの作成: LLM が実行して結果を返すヘルパー関数を読み込み、新しいタスクを追加したり、ユーザーのタスクリストを要約したりする機能を定義します。
2. エージェントの設定: 名前や使用するモデルを指定し、これらのツールをどのように操作・使用するかを指示する「システムプロンプト」を設定します。
3. 統合: 作成したツールリストをエージェントに紐付け、Google ADK の標準的なエージェントインスタンスを作成します。

この段階で完成したエージェントは、LangSmith SDK でラップされる前の状態ですが、すでに必要なロジックと対話ルールを備えています。その後、先述の wrap 関数で LangSmith の機能（トレーシングや記憶管理）を追加する流れになります。

ローカル検証から一コマンドでの本番デプロイまで

実装が完了したら、次は実際の動作確認と公開です。このプロセスでは、環境変数の設定と CLI ツールの活用が鍵となります。

まず、.env.example ファイルを元に .env ファイルを作成し、LangSmith の API キーなどを設定します。依存関係のインストール後、以下のコマンドでローカル開発サーバーを起動できます。

uv run langgraph dev

このコマンドを実行するとブラウザ内で LangSmith Studio が立ち上がり、実際にエージェントと対話しながら動作を確認できます。例えば、「買い物をする」タスクを優先度高く追加したり、現在のタスクリストを照会したりして、記憶機能やツール呼び出しが正しく機能するか検証します。

ローカルでのテストに問題なければ、本番環境へのデプロイはさらに簡単です。以下の単一コマンドを実行するだけで、エージェントは LangSmith 上に公開されます。

uv run langgraph deploy

このコマンドで指定した名前（例："ADK Demo"）でデプロイが完了し、即座に API エンドポイントが生成されます。生成された URL にアクセスすると、API ドキュメントやトレーシング用のダッシュボードを利用でき、A2A プロトコルを通じた外部連携も可能です。

「一コマンドで LangSmith 上に本番用の API エージェントを公開する」

まとめ

この動画は、Google ADK の柔軟性と LangSmith の堅牢な運用機能を組み合わせるための具体的なロードマップを提供しています。特別なインフラ構築の必要なく、ラッパー関数と CLI ツールを活用するだけで、トレーシングや永続化機能を備えた本番対応エージェントを迅速に展開できることが確認できました。開発者はこのアプローチにより、複雑な基盤作業から解放され、AI エージェントの実装と改善に集中できるようになります。