MENU

Microsoft developer platformのGoogle AI（Gemini）connector更新まとめ｜Python開発者が確認すべき変更点

AI

2026年5月5日に更新された「Microsoft developer platform documentation update: Python: Add Google AI (Gemini) connector」で最初に押さえるべき点は、PR #4492そのものはマージではなくクローズされたということです。内容としては、Python向けにGemini API用のGoogle AI connectorを追加する提案でしたが、最終的には「すでにGoogleパッケージがあるため重複する可能性がある」として閉じられています。つまり、読者が今確認すべきなのは「agent-framework-googleを導入すること」ではなく、現在の公式パッケージであるagent-framework-geminiの状態、認証設定、既存コードへの影響です。(GitHub)

目次

Microsoft developer platformのGoogle AI connector更新で何が変わったのか

今回の更新は、Microsoft Agent FrameworkのPython向けGemini連携に関する動きです。PR #4492では、agent-framework-googleという新しいGoogle AI connectorを追加し、Gemini APIをAgent Frameworkのチャットクライアントとして扱えるようにする案が示されていました。提案内容には、テキスト応答、ストリーミング、function calling、画像入力、Google SearchやCode ExecutionなどのGoogleホスト型ツールへの対応が含まれていました。(GitHub)

ただし、このPRは2026年5月5日にクローズされています。理由として、メンテナーは「活動がなく、すでにGoogleパッケージがあるため重複する可能性がある」とコメントしています。したがって、この記事で扱う実務上の結論は次のとおりです。(GitHub)

確認ポイント実務上の意味
agent-framework-googlePR上の提案名。現時点でそのまま導入前提にしない
agent-framework-gemini現在確認すべきPython向けGemini連携パッケージ
2026年5月5日の更新新規採用時の判断材料というより、重複PRの整理として見るべき
既存環境への影響すでにGemini連携を使っている場合、パッケージ名・import名・環境変数を再確認する

Microsoft Agent Framework自体は、.NETとPythonの両方でAIエージェントやマルチエージェントワークフローを構築するためのMicrosoft developer platform上のフレームワークです。Microsoftはバージョン1.0の発表で、Microsoft Foundry、Azure OpenAI、OpenAI、Anthropic、Amazon Bedrock、Google Gemini、Ollamaなど複数プロバイダーへの対応を説明しています。(Microsoft for Developers)

今回の要点は「新パッケージ追加」ではなく「Gemini連携の実装経路の確認」

PR #4492の概要だけを見ると、「PythonにGoogle AI connectorが追加された」と受け取ってしまいがちです。しかし実務では、PRのステータスまで確認する必要があります。

今回のPRは、以下のような実装を提案していました。

PR #4492で提案されていた内容内容
チャットクライアントGoogleAIChatClient
設定GoogleAISettings、GOOGLE_AI_プレフィックス
オプションGoogleAIChatOptions、top_k、candidate_count
SDKgoogle-genai SDK
テスト単体テスト59件、APIキーが必要な統合テスト5件
監視OpenTelemetryのproviderにgcp.geminiを設定

一方で、現在の公式パッケージとして確認できるのはagent-framework-geminiです。PyPIでは、agent-framework-geminiが「Google Gemini integration for Microsoft Agent Framework」として公開されており、2026年4月29日に1.0.0a260429がリリースされています。分類はAlphaのため、本番環境ではAPI変更の可能性を前提に扱うべきです。(PyPI)

この違いは重要です。PRで出てきた名前をそのまま採用すると、存在しない、または公式の推奨経路ではないパッケージを前提に設計してしまう可能性があります。新規導入では、まずagent-framework-geminiを確認してください。

誰が対応すべきか

今回のMicrosoft developer platform documentation updateは、すべての利用者に緊急対応を求める内容ではありません。対応優先度は、Gemini連携を使っているか、これから使う予定があるかで変わります。

対象者対応優先度確認すべきこと
Microsoft Agent FrameworkでGeminiを新規利用する開発者高agent-framework-geminiを使う前提でインストール、認証、サンプルを確認する
既存のAgent FrameworkアプリにLLMプロバイダーを追加したいチーム高OpenAI、Azure OpenAI、Anthropicなどと同じ抽象化で扱えるかを検証する
agent-framework-googleという名称で設計資料を書いているチーム高パッケージ名・import名・環境変数名を修正する
すでにagent-framework-geminiを検証中のチーム中Alpha扱いであること、依存バージョン、認証方式を確認する
.NETのみを利用しているチーム低Python側の変更なので直接影響は限定的。ただしマルチランタイム運用では情報共有が必要

特に注意したいのは、社内ドキュメントやPoC手順書にagent-framework-googleと書いてしまっているケースです。PR上の提案名と、現在公開されているパッケージ名が異なるため、手順どおりに進めてもインストールやimportでつまずく原因になります。

現在確認すべき公式パッケージはagent-framework-gemini

agent-framework-geminiは、Microsoft Agent FrameworkアプリケーションからGoogle Geminiモデルを呼び出すためのPythonパッケージです。READMEでは、ストリーミング、tool/function calling、structured outputに対応するチャット抽象化として説明されています。(GitHub)

インストールは、現時点ではプレビュー扱いを意識して次のように確認します。

pip install agent-framework-gemini --pre

あわせて、Agent Framework全体を広く試すだけなら次のコマンドでも各種サブパッケージを含めて導入できます。

pip install agent-framework

ただし、開発環境を軽く保ちたい場合や、CI/CDで依存関係を厳密に管理したい場合は、必要な統合パッケージだけを個別に入れるほうが管理しやすくなります。PyPIのagent-framework説明でも、全体インストールと選択的インストールの2パターンが案内されています。(PyPI)

import名はagent_framework_gemini、クラス名はGeminiChatClient

agent-framework-geminiを使う場合、Pythonコード上のimport名はハイフンではなくアンダースコアのagent_framework_geminiです。公開エクスポートにはGeminiChatClient、GeminiChatOptions、GeminiSettings、GoogleGeminiSettings、RawGeminiChatClient、ThinkingConfigが含まれています。(GitHub)

最小構成のイメージは次のようになります。

import asyncio
from agent_framework import Agent
from agent_framework_gemini import GeminiChatClient

async def main():
    agent = Agent(
        client=GeminiChatClient(),
        name="GeminiAgent",
        instructions="あなたは簡潔に回答するアシスタントです。"
    )

    result = await agent.run("Microsoft Agent FrameworkでGeminiを使う利点を3つ教えてください。")
    print(result)

if __name__ == "__main__":
    asyncio.run(main())

このコードで重要なのは、Agent側の基本構造を大きく変えずに、チャットクライアントをGeminiChatClient()へ差し替えられる点です。すでにOpenAIやAzure OpenAIのチャットクライアントでAgent Frameworkを使っているチームは、プロンプト、ツール、ワークフローの設計を大きく崩さずにGeminiを検証しやすくなります。

認証設定はGemini Developer APIとVertex AIで分かれる

Gemini連携で最も失敗しやすいのは、コードよりも環境変数です。agent-framework-geminiは、google-genaiの認証モードに対応しており、Gemini Developer APIとVertex AIのどちらを使うかで設定が変わります。(PyPI)

Gemini Developer APIを使う場合

Google AI StudioでAPIキーを取得し、次のいずれかの環境変数を設定します。

export GEMINI_API_KEY="your-api-key"
# または
export GOOGLE_API_KEY="your-api-key"

export GEMINI_MODEL="gemini-2.5-flash-lite"
# または
export GOOGLE_MODEL="gemini-2.5-flash-lite"

開発用のローカル検証では、この方式が始めやすいです。ただし、APIキーを.envに置く場合は、Git管理対象から除外してください。誤ってGitHubにpushすると、キーの無効化、再発行、監査対応が必要になります。

Vertex AIを使う場合

Google Cloud側のVertex AI経由でGeminiを使う場合は、次のような環境変数を設定します。

export GOOGLE_GENAI_USE_VERTEXAI=true
export GOOGLE_CLOUD_PROJECT="your-project-id"
export GOOGLE_CLOUD_LOCATION="global"
export GOOGLE_MODEL="gemini-2.5-flash-lite"

企業利用では、APIキー管理よりもGoogle Cloud IAMやプロジェクト単位の権限管理を重視するため、Vertex AI経由のほうが運用に合う場合があります。開発チームは、単に「Geminiが使えるか」ではなく、監査、課金、データ所在地、アクセス権限まで含めて方式を選ぶべきです。

依存関係とバージョン確認の観点

agent-framework-geminiのpyproject.tomlでは、依存関係としてagent-framework-core>=1.2.2,<2.0とgoogle-genai>=1.65.0,<2.0.0が指定されています。また、Python要件は>=3.10です。(GitHub)

本番導入前に、次のコマンドで実際の環境を確認しておくと安全です。

python --version
pip show agent-framework-gemini
pip show agent-framework-core
pip show google-genai

CI/CDでは、次のようにバージョン範囲を明示することをおすすめします。

agent-framework-gemini==1.0.0a260429
agent-framework-core>=1.2.2,<2.0
google-genai>=1.65.0,<2.0.0

ただし、agent-framework-geminiはAlpha分類です。検証環境では固定バージョンにして再現性を優先し、本番採用時はリリースノートと破壊的変更の有無を確認してから更新する運用が現実的です。

機能面で確認したいポイント

agent-framework-geminiのサンプルには、基本的なAgent利用、拡張思考、Google Search grounding、Google Maps grounding、組み込みCode Executionが含まれています。READMEでは、基本サンプルがtool callingとストリーミングの両方を扱うと説明されています。(GitHub)

実務で確認すべき機能は、次の5つです。

機能確認すべき観点活用例
通常応答agent.run()で期待どおりの応答が返るかFAQ応答、社内ナレッジ検索の回答生成
ストリーミングUI側で逐次表示できるかチャットUI、長文生成、分析結果の段階表示
tool/function calling既存のPython関数を安全に呼び出せるか在庫照会、社内API呼び出し、簡易計算
Google Search grounding最新情報を含む回答が必要な場面で使えるか市場調査、公開情報の確認
Code Execution計算やデータ処理をモデル任せにしすぎない設計か集計、検算、数値分析の補助

ここで大切なのは、すべての機能を最初から有効にしないことです。特にSearch groundingやCode Executionは便利ですが、利用コスト、データ送信範囲、監査ログ、ユーザーへの説明責任が絡みます。まずは通常応答とストリーミングを確認し、その後にツール実行を段階的に追加するのが安全です。

既存コードへの影響範囲

今回の更新で既存のMicrosoft Agent Frameworkアプリが自動的に壊れるわけではありません。影響が出やすいのは、次のようなケースです。

プロバイダー名を固定文字列で管理している

たとえば、社内設定ファイルで次のようにプロバイダー名を持っている場合です。

llm_provider: google
package: agent-framework-google
client: GoogleAIChatClient

現在の実装経路に合わせるなら、少なくともパッケージ名とクライアント名は見直し対象です。

llm_provider: gemini
package: agent-framework-gemini
client: GeminiChatClient

プロバイダー名は任意ですが、googleと書くとGoogle Search、Google Maps、Vertex AI、Gemini Developer APIなど複数の意味を含みやすくなります。運用ではgemini、vertex-gemini、gemini-dev-apiのように、接続先が分かる名前にしておくとトラブルシュートが楽になります。

環境変数の命名をPR案に合わせている

PR #4492では、設定にGOOGLE_AI_プレフィックスを使う案が示されていました。一方、agent-framework-geminiのREADMEでは、GEMINI_API_KEY、GOOGLE_API_KEY、GEMINI_MODEL、GOOGLE_MODEL、Vertex AI向けのGOOGLE_GENAI_USE_VERTEXAIなどが示されています。(GitHub)

そのため、.envやGitHub ActionsのSecretsに次のような値がある場合は要確認です。

GOOGLE_AI_API_KEY=...
GOOGLE_AI_MODEL=...

実行時に認証エラーが出る場合、コードではなく環境変数名が原因の可能性があります。

OpenAI系クライアントとの差し替えだけで済むと思っている

Agent Frameworkの抽象化により、クライアント差し替えはしやすくなっています。しかし、モデルごとの挙動差は残ります。特に次の点はテストが必要です。

差が出やすい項目確認内容
tool calling引数スキーマ、関数名、戻り値の扱い
structured outputJSONスキーマの厳密性、失敗時の再試行
streamingchunkの粒度、UI側の結合処理
safety response拒否応答やフィルタリング時の文面
token usageusage情報の項目名、課金確認の方法

「同じAgent Frameworkだから完全に同じ応答になる」と考えるのは危険です。プロンプト、ツール定義、評価データを使い、プロバイダーごとの差分を見える化してから採用しましょう。

移行・検証の進め方

Gemini connectorをMicrosoft developer platform上の既存開発フローに組み込むなら、いきなり本番へ入れず、小さな検証から始めるのが現実的です。

| 手順 | 作業 | 判断基準 |
| -: | —————– | ———————————————————- |
| 1 | パッケージ名を確認する | agent-framework-googleではなくagent-framework-geminiを前提にする |
| 2 | Pythonと依存関係を確認する | Python 3.10以上、agent-framework-coreとgoogle-genaiの範囲を満たす |
| 3 | 認証方式を決める | 個人検証はGemini Developer API、企業運用はVertex AIも検討 |
| 4 | 最小Agentを動かす | 通常応答とストリーミングが安定して動く |
| 5 | tool callingを追加する | 既存関数の引数・戻り値が意図どおり処理される |
| 6 | ログと監査を確認する | 入出力、エラー、利用量、外部送信データを追跡できる |
| 7 | 評価データで比較する | 既存プロバイダーと品質・速度・コストを比較する |

移行判断では、モデル性能だけでなく「運用できるか」を見てください。たとえば社内ヘルプデスクBotなら、回答品質に加えて、個人情報の扱い、会話ログの保存先、検索グラウンディング時の情報ソース、API利用上限が重要です。

セキュリティとコンプライアンスで注意すべき点

Microsoft Agent Frameworkの公式ドキュメントでは、第三者のサーバー、エージェント、コード、非Azure Directモデルなどを使う場合、利用者自身がリスク、コスト、データ共有、保持、地理的境界、適切な権限や承認を管理する必要があると説明されています。Gemini連携も、まさにこの確認が必要な領域です。(Microsoft Learn)

特に企業利用では、次の点を確認してください。

項目確認内容よくある失敗
APIキー管理Secrets Manager、GitHub Actions Secrets、Key Vaultなどで管理する.envを誤ってリポジトリに含める
データ送信範囲プロンプト、ツール結果、添付画像、検索クエリに何が含まれるか社内データを外部モデルに無意識に送る
ツール実行Code Executionや外部API呼び出しの権限を制限するモデル判断で不要なツールが実行される
ログ入出力ログに個人情報や機密情報が残らないかデバッグログをそのまま保存する
コストモデル、検索、コード実行、Vertex AI利用料を分けて把握するPoCのまま上限設定なしで運用する

Gemini connectorを使う場合、便利な機能ほど事前設計が必要です。Google Search groundingやGoogle Maps groundingは、アプリの回答品質を高められる一方で、ユーザー入力や検索意図が外部サービス側に渡る可能性を考慮しなければなりません。

本番導入前のチェックリスト

agent-framework-geminiを試すだけなら数分で始められます。しかし、業務アプリに組み込むなら次のチェックを済ませてください。

  • agent-framework-geminiのバージョンを固定している
  • Alphaパッケージであることをチーム内で共有している
  • GEMINI_API_KEYまたはGOOGLE_API_KEYを安全に管理している
  • Vertex AIを使う場合、Google Cloudプロジェクトとロケーションを明示している
  • GOOGLE_MODELまたはGEMINI_MODELを環境別に分けている
  • tool callingで呼び出せる関数を必要最小限にしている
  • ストリーミング応答のUI表示とキャンセル処理を確認している
  • エラー時にOpenAI系クライアントと同じ例外処理で拾えるか確認している
  • 利用量、レイテンシ、失敗率をログで見られる
  • 既存プロバイダーとの品質比較用テストケースを用意している

このチェックリストのうち、特に重要なのはバージョン固定と認証管理です。PoC段階では「動いた」で終わりがちですが、本番では再現性と権限管理がないと運用事故につながります。

よくある疑問

agent-framework-googleをインストールすべきですか？

現時点では、PR #4492で提案されたagent-framework-googleを前提にするのではなく、公式に公開されているagent-framework-geminiを確認するのが安全です。PR #4492はクローズされており、既存のGoogleパッケージとの重複が理由として示されています。(GitHub)

既存のOpenAIChatClientから簡単に移行できますか？

Agent Frameworkの抽象化により、Agentの基本構造は流用しやすいです。ただし、tool calling、structured output、ストリーミング、usage情報、セーフティ応答はモデルやSDKによって差が出ます。クライアント差し替えだけで本番移行せず、評価データで比較してください。

Gemini Developer APIとVertex AIはどちらを選ぶべきですか？

個人開発や初期PoCではGemini Developer APIが始めやすいです。企業利用、権限管理、監査、Google Cloud上の統制を重視する場合はVertex AI経由を検討してください。agent-framework-geminiは両方の認証モードに対応しています。(PyPI)

本番で使えますか？

Microsoft Agent Frameworkのコアはバージョン1.0で本番対応として説明されていますが、agent-framework-gemini自体はPyPI上でAlpha分類です。実運用に入れる場合は、バージョン固定、リリースノート確認、ロールバック手順、プロバイダー切り替え設計を用意してください。(Microsoft for Developers)

まず取るべきアクション

今回のMicrosoft developer platform documentation updateは、「新しいGoogle AI connectorがそのまま追加された」と単純に読むのではなく、PRのクローズと既存Geminiパッケージの存在をセットで確認することが重要です。

これからGemini連携を試す場合は、次の順番で進めてください。

  1. 社内ドキュメントやコードにagent-framework-googleという記述がないか確認する
  2. agent-framework-geminiを検証環境へインストールする
  3. GEMINI_API_KEYまたはVertex AI向け環境変数を設定する
  4. GeminiChatClientで最小Agentを動かす
  5. tool calling、ストリーミング、Search grounding、Code Executionを必要な範囲だけ追加する
  6. 本番前にセキュリティ、コスト、ログ、評価データで運用可否を判断する

最短で動かすことよりも、パッケージ名、認証方式、外部送信データ、バージョン管理を最初にそろえることが、後の手戻りを減らします。

AI
AI Python Microsoft Agent Framework Microsoft developer platform Google Gemini

この記事を書いた人

佐藤健司のアバター 佐藤健司

実務の現場で詰まりがちなポイントを地図にするITブログ「IT trip」を運営。Windows／Office（Teams・Excel）からSQL、サーバ運用、ガジェットまで、再現性のある手順と“なぜそうなるか”を丁寧に解説します。読んだらすぐ試せること、そして迷った人の次の一歩が見えることを大切にしています。

関連記事

コメント

コメントする

目次