Vertex AI「Memory Bank（メモリーバンク）」のセットアップガイド：エージェントに記憶力を与える準備とは？

以下は、Google Cloud の Vertex AI Agent Engine の「Memory Bank」機能のセットアップ手順に関するまとめ記事です。

---

Vertex AI「Memory Bank（メモリーバンク）」のセットアップガイド：エージェントに記憶力を与える準備とは？

Google Cloud の Vertex AI における「Memory Bank（メモリーバンク）」は、エージェントに長期的な記憶機能を追加する革新的な仕組みです。本機能は現在プレGA（一般提供前）段階にあり、実験的な導入が推奨されます。以下は、Memory Bank を使用するために必要な環境構築手順の要点をまとめたものです。

---

🔧 ステップ 1：Google Cloud プロジェクトの準備

• Google Cloud コンソールで新規プロジェクトを作成または既存プロジェクトを選択
• 課金の有効化と Vertex AI API の有効化
• IAMロール「Vertex AI User（roles/aiplatform.user）」の付与
• 必要に応じて、Cloud Run や GKE で使うサービスアカウントに適切な権限を付与

---

🧱 ステップ 2：開発環境の構築

• Python 環境を整備（Colab、ローカルなど）
• 必要ライブラリのインストール：pip install google-cloud-aiplatform>=1.104.0
• 認証方法は以下の2通り：
  • 通常モード：サービスアカウントによる認証
  • Express モード：APIキーによる環境変数設定os.environ["GOOGLE_API_KEY"] = "API_KEY"

---

🧠 ステップ 3：Vertex AI SDK クライアントの初期化

import vertexai

client = vertexai.Client(
    project="PROJECT_ID",
    location="LOCATION"
)

---

🧩 ステップ 4：Agent Engine インスタンスと Memory Bank の設定

既存インスタンスの使用

agent_engine = client.agent_engines.get(name="AGENT_ENGINE_NAME")

新規インスタンスの作成（Memory Bank 設定を含む）

context_spec = {
    "context_spec": {
        "memory_bank_config": {
            "similarity_search_config": {
                "embedding_model": "EMBEDDING_MODEL"
            },
            "generation_config": {
                "model": "LLM_MODEL"
            }
        }
    }
}

agent_engine = client.agent_engines.create(config={**context_spec})

デフォルト：

• 埋め込みモデル：text-embedding-005
• LLMモデル：gemini-2.0-flash-001

---

🚀 ステップ 5：Agent Engine Runtime へのエージェントのデプロイ（オプション）

ADK（Agent Development Kit）テンプレートを使えば、Memory Bank 連携が簡単に。

from google.adk.agents import Agent
from vertexai.preview.reasoning_engines import AdkApp

agent = Agent(...)
adk_app = AdkApp(agent=agent)

agent_engine = client.agent_engines.create(
    agent_engine=adk_app,
    config={
        "staging_bucket": "...",
        "requirements": ["google-cloud-aiplatform[agent_engines,adk]"],
        **context_spec
    }
)

ローカル開発時に Memory Bank を使用したい場合は、VertexAiMemoryBankService を使って明示的に指定可能です。

---

✅ 補足情報

• Memory Bank は Agent Engine に統合されていますが、Agent Engine Runtime を使用しなくても利用可能
• カスタム埋め込みモデルや多言語対応モデルも指定可能
• Expressモードでは Memory Bank を含むRuntimeへのデプロイは非対応