エージェントを強化する: Google 公式 Skills リポジトリを発表 | Google Cloud 公式ブログ
※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。 AI モデルの性能向上に伴い、Firebase や Gemini API、BigQuery、GKE などの Google Cloud プロダクトを活用した開発にエージェント型 AI ツールを取り入れる技術者が増えています。では、こうしたテクノロジーに関する正確かつ最新の情報を、モデルにどのように与えればよいのでしょうか。 その方法の一つが、AI エージェントを、グラウンディングされたリアルタイム情報源に接続することです。たとえば Google は、デベロッパー向けドキュメント用の Model Context Protocol（MCP）サーバーを提供しています。ただし、MCP サーバーを過度に利用すると、「コンテキストの肥大化」と呼ばれる問題が生じることがあります。大量の
Google SRE が Gemini CLI を使用して実際の障害を解決している方法 | Google Cloud 公式ブログ
※この投稿は米国時間 2026 年 1 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。 Google のサイト信頼性エンジニアリング（SRE）において私たちがよく使うモットーの一つに、「トイルを排除する」があります。 チューリッヒのミニキッチンやマウンテンビューの廊下でも耳にすることがあるこのモットーには、反復的な手作業をエンジニアリングされたシステムに置き換えるという SRE の使命が表れています。ただし、あるシニア SRE が説明していましたが、これは単に問題を 1 回解決するスクリプトを書くということではありません。そのスクリプトを正確なタイミングでトリガーする自動化を構築するということです。たいていは、これが最も難しい部分です。 AI はすでにコードの書き方に革命をもたらしていますが、コードの運用方法についてはどうでしょう？AI は運用上の問題を安
Deploy n8n on Cloud Run | Google Cloud Blog
Try Nano Banana 2State-of-the-art image generation and editing Try now n8n is a powerful yet easy-to-use workflow and automation tool for multi-step AI agents, and many teams want a simple, scalable, and cost-effective way to self-host it. With just a few commands, you can deploy n8n to Cloud Run and have it up and running, ready to supercharge your business with AI workflows that can manage sprea
AI エージェント実践ガイドブック
アイスランドアイルランドアセンション島アゼルバイジャンアフガニスタンアメリカ合衆国アラブ首長国連邦アルジェリアアルゼンチンアルバアルバニアアルメニアアンギラアンゴラアンティグア・バーブーダアンドライエメンイギリスイスラエルイタリアイラクインドインドネシアウォリス・フツナウガンダウクライナウズベキスタンウルグアイエクアドルエジプトエストニアエスワティニエチオピアエリトリアエルサルバドルオマーンオランダオーストラリアオーストリアカザフスタンカタールカナダカメルーンカンボジアカーボベルデガイアナガボンガンビアガーナキプロスキュラソーキリバスキルギスギニアギニアビサウギリシャクウェートクック諸島クリスマス島クロアチアグアテマラグアドループグアムグリーンランドグレナダケイマン諸島ケニアココス(キーリング)諸島コスタリカコモロコロンビアコンゴ共和国(ブラザビル)コンゴ民主共和国(キンシャサ)コートジボ
AI コーディングの新たなパートナー：Gemini CLI GitHub Actions を発表 | Google Cloud 公式ブログ
Ryan J. SalvaSenior Director, Product Management, Google Cloud ※この投稿は米国時間 2025 年 8 月 5 日に、Google Keyword blog に投稿されたものの抄訳です。 今年 6 月に、ターミナルで Gemini の力を活用できるオープンソース AI エージェント Gemini CLI をリリースしました。リリース以来、ご利用いただいた開発者の方々から寄せられた熱狂的な反応は想像以上のものでした。多数の機能リクエストやコントリビューションが続々と寄せられる中、私たちは自ら Gemini CLI を活用し、イシューの振り分けやプルリクエストのレビューを自動化しました。この新しいワークフローがコミュニティ メンバーの目に止まり、「ぜひ共有してほしい」という声が多数寄せられたことから、この度公開を決定しました。 本日
Gemini CLI : オープンソース AI エージェント | Google Cloud 公式ブログ
Ryan J. SalvaSenior Director, Product Management, Google Cloud ※この投稿は米国時間 2025 年 6 月 25 日に、The Keyword blog に投稿されたものの抄訳です。 開発者にとって、コマンドラインインターフェース (CLI) は単なるツールではなく、日々の業務の基盤です。ターミナルの効率性、汎用性、および可搬性により、作業を遂行するための不可欠なユーティリティとなっています。開発者のターミナルへの依存が続く中、AI による統合アシスタンスの需要も高まっています。 そこで Google Cloud は Gemini の強力な機能をターミナルに直接統合するオープンソース AI エージェント Gemini CLI を発表します。これにより、Gemini へのアクセスがより容易になり、プロンプトからモデルへの経路が短縮
ユーザー アカウント、認証、パスワード管理に関する 13 のベスト プラクティス2021 年版 | Google Cloud 公式ブログ
※この投稿は米国時間 2021 年 5 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。 2021 年用に更新: この投稿には、Google のホワイトペーパー「パスワード管理のベスト プラクティス」のユーザー向けとシステム設計者向けの両方の最新情報を含む、更新されたベスト プラクティスが含まれています。 アカウント管理、認証、パスワード管理には十分な注意を払う必要があります。多くの場合、アカウント管理は開発者や製品マネージャーにとって最優先事項ではなく、盲点になりがちです。そのため、ユーザーが期待するデータ セキュリティやユーザー エクスペリエンスを提供できていないケースがよくあります。 幸い、Google Cloud には、ユーザー アカウント（ここでは、システムに対して認証を受けるすべてのユーザー、つまりお客様または内部ユーザー）の作成、安全な取り扱い、
COVID-19 感染予測 (日本版) の公開について | Google Cloud 公式ブログ
Google Cloud は今年 8 月に Harvard Global Health Institute とのパートナーシップのもとで COVID-19 Public Forecasts を公開しました。このサービスは予測開始日から将来 14 日間における米国内の COVID-19（新型コロナウイルス感染症）陽性者数や死亡者数などの予測を提供しています。この度、本サービスを日本にも拡張し、COVID-19 感染予測（日本版）の提供を開始します。日本版では予測開始日から将来 28 日間のあいだに予測される国内の陽性者数や死亡者数等の予測値を表示します。 米国で提供している COVID-19 Public Forecasts は AI と膨大な疫学的データを組み合わせ、さらに、時系列の予測を扱う斬新な機械学習のアプローチを採用することで実現しました。米国向けのこの初期モデルは今年 8 月に初
父の日に過去 30 年分の家族の動画を AI アーカイブにしてプレゼント | Google Cloud 公式ブログ
※この投稿は米国時間 2020 年 6 月 19 日に、Google Cloud blog に投稿されたものの抄訳です。 私の父が初めてビデオカメラを手にしたのは、今から約 30 年前、私が生まれた日のことでした。その日は偶然、父の日でもありました。「カメラに話しかけて！」これが病院のベビーベッドの上の真っ赤でぽっちゃりした赤ちゃん（私）に向けられたビデオカメラが捉えた、父の最初の言葉です。それ以降、おむつ替えの様子や癇癪を起している私の姿、そして何より思い出したくもない思春期の様子など、父はさまざまな映像を記録してきました。 こうした恥ずかしく思える過去の映像の数々は、父が 2 年前にすべての映像を Google Drive にアップロードするまでは、ミニ DV カセットや何枚もの SD カードに散在していました。考えてみれば、こうした映像がクラウドに保存されるようになったことで、私や家
上手な「在宅勤務」のコツ | Google Cloud 公式ブログ
※この投稿は米国時間 2020 年 3 月 18 日に、Keyword に投稿されたものの抄訳です。 Google での私の仕事は、時間を最大限に活用する方法を皆さんに紹介することです。在宅で勤務する場合、1 日の日課が、通勤して会議室まで行き来したり同僚と会って話をしたりするというオフィス勤務の場合とはまったく違うため、私の提唱する生産性向上戦略が一層重要になってきます。自宅がオフィス代わりになると、ルーティンも一から作り直す必要があります。 実際に同僚がそばにいない状態で仕事をするという状況は、Google では当たり前になってきています（Google のミーティングの 39% には複数都市の社員が参加しています）。しかし、この環境は誰にも適しているわけではありませんし、世界中の多くの人々は、今までとは異なる新しい仕事環境に面していると感じています。そこで今回、仕事場がどこであっても生
ラーメン二郎とブランド品で AutoML Vision の認識性能を試す | Google Cloud 公式ブログ
Posted by Google Cloud デベロッパー アドボケイト 佐藤一憲 この 3 つのラーメンは、41 店舗あるラーメン二郎のうち 3 店舗で作られたものです。それぞれ、どの店舗で出されたものか分かりますか？ データ サイエンティストの土井賢治さんが作成した機械学習（ML）によるラーメン識別器を使えば、それぞれの微妙な盛り付けの違いを見分けることで、95% の精度で店舗を特定できます。 この写真を見ても分かるとおり、ラーメン二郎の相当コアなファンでもなければ、ラーメン画像から 41 店舗のどこで作られたかを見分けることは簡単ではありません。テーブルやどんぶりの色、形にあまり違いのない場合が多いのです。 土井さんは、ディープ ラーニングを使ってこの問題を解けるか興味を持ち、インターネット上から 48,244 枚のラーメン二郎画像を集めました。ML モデルの学習に合わない画像（重複
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
