ライブエージェントと音声エージェント¶

ADKでサポートPython v0.5.0Java v0.2.0プレビュー

ADK はライブエージェントと音声エージェントを構築するためのフレームワークです。ライブエージェントはユーザーと双方向の常時接続を維持します。メッセージを送信して返信を待つのではなく、ユーザーとエージェントの双方が同時に話し、聞き、応答します。また、実際の会話で人間同士が遮るように、ユーザーはエージェントの発話途中に割り込んで中断（interrupt）することができます。ライブエージェントはテキスト、音声、動画の入力を受け付け、テキストまたは音声で応答します。

ライブエージェントは、他の場所で使用するのと同じエージェント、ツール、セッションの抽象化を使用して構築された ADK エージェントです。開発者はエージェントの動作を記述し、ADK はその下でリアルタイム接続、ツール実行、セッション状態を管理します。現在、この接続は Gemini Live API 上で実行されます。プラットフォームが進化してもエージェントコードが変更されないように、ADK が配線を処理します。

ライブエージェントの構築¶

使ってみる

最初のライブエージェントを構築し、ブラウザで対話してみましょう。
- ここから開始 — 言語を選択して構築する
- Python または Java へ直接移動
開発ガイド

必要となる順序でおおよそ並べられた機能別ガイドです。
- セッション — run_live()、再開、スケール
- イベント — 返されるイベントとその処理方法
- ツール — 自動実行とストリーミングツール
- ワークフロー — ライブ接続下でのマルチエージェント
- 音声と動画 — フォーマットとストリーミング
- 設定 — RunConfig、音声、文字起こし、ターン検出
本番環境への導入

adk web を超えてライブエージェントを運用します。
- ガードレール — ユーザーの発言とエージェントの応答をスクリーニング
- 評価 — リリース前に音声会話をスコアリング
- カスタムサーバーの構築
- LiveKit — カスタムサーバー不要の WebRTC および電話通信
- サポート対象モデル

どのストリーミングが必要ですか？¶

ADK における「ストリーミング」は 3 つの異なる機能をカバーしており、間違ったものを選択することが混乱の一般的な原因です。

	機能	ユーザーによる割り込み	ユースケース	場所
サーバーサイドストリーミング	ライブフィードのように、サーバーからクライアントへの一方向の流れ。	不可	会話ではなくダッシュボードやフィードの更新をプッシュする場合。	ADK 外部
トークンレベルストリーミング	テキストが単語ごとに到着するが、次の送信前に完了を待機する。	不可	応答性の高いテキストチャットが必要な場合。	`StreamingMode.SSE`（設定）
双方向ストリーミング	1つのオープンな接続を介して双方が同時に話し、聞き、応答する。	可能	音声または動画による会話を構築する場合。	`runner.run_live()` — このセクションのドキュメント

このセクションのドキュメントは 3 行目について説明しています。

sequenceDiagram
    participant Client as ユーザー
    participant Agent as エージェント

    Client->>Agent: "日本の歴史を説明してください"
    Agent->>Client: "はい！日本の歴史は..." (途中)
    Client->>Agent: "あ、ちょっと待って。"
    Agent->>Client: "はい、どうされましたか？" [interrupted: true]

なぜ ADK でライブエージェントを構築するのか¶

Live API はストリーミングプロトコルを提供します。ADK はその周辺のすべてを提供するため、ストリーミングインフラストラクチャではなくエージェントの動作の記述に集中できます。

	生の Live API (`google-genai`)	ADK
ツール実行	手動	自動
再接続	手動	自動セッション再開
イベント	カスタム構造	統合イベントモデル
非同期調整	手動	`LiveRequestQueue` + `run_live()`
セッションの永続化	手動	SQL、Agent Platform、インメモリ
マルチエージェント	未提供	ワークフロー、サブエージェント、移譲

デモとリソース¶

LensMosaic: ライブ AI によるビジュアルショッピング

ライブカメラ入力、音声、製品検索を融合。カメラを任意のオブジェクトに向けて類似製品を見つけます。ADK ライブエージェント、Gemini Embedding、Vector Search、FastAPI で構築されています。
- ライブデモ
- ソースコード
双方向ストリーミングのビジュアルガイド

ストリーミングの仕組みと ADK で対話型エージェントを構築する方法を解説した図解とイラスト。
- 記事を読む
Google ADK + Gemini Live API

リアルタイムの音声/動画向けライブエージェントの使用と、LiveRequestQueue 上に構築された Python サーバーの例。
- 記事を読む