メインコンテンツへスキップ
見出し画像

Google ADKで2つのAI Agentを作成した手順|天気×交通量をリアルタイム取得

    ServiceNowって社内業務のことは何でも知ってるのに、「今日の東京、雨降ってる?」って聞いたら何も答えられない事実があります。

    窓の外のことは完全にお手上げ。

    これって物流とか製造とかの現場で使うと、けっこう困るかなと。
    ・配送計画を立てようとしても、天気や交通状況はServiceNowの外
    ・人が別のツールで調べてServiceNowに転記する

    そこで「外のデータは外のAI Agentに取りに行かせればいいんじゃないか」と思って、GoogleのADK(Agent Development Kit)で実際に作ってみました。全部無料です。

    今回作ったのはこの2つです。

    • お天気調査 Agent:リアルタイムの天気を返すAgent

    • 交通情報調査Agent:国交省の公開APIを使ってリアルタイムの交通量を返すAgent

    次回はこれをServiceNowから呼び出します。今回はその下準備の全記録です。

    1.環境準備

    まず最初にプロジェクト作成環境をPythonのvenvで構成しようと思います。以前FastMCPでMCPサーバーを構築した実績が残っているので、こうした環境と緩衝しないようにします。

    C:\work\adk-a2a-demoにvenv環境を作成します。私の環境ではPowerShellを使っています。

    python -m venv .venv

    続いて、venvを有効化します。ファイルを実行します。
    出力が”(.venv) PS C:\work\adk-a2a-demo>”となれば有効化されています。

    .venv\Scripts\Activate.ps1

    続いてGoogle ADKをインストールします。
    インストールには、30秒~1分ほどかかります。

    pip install google-adk

    以下のAI Studioへログインし、APIキーの払い出しを行います。

    API キーをメモ帳などにコピー&ペーストしておきます。

    画像
    APIキーの取得

    .envファイルを作成しAPIキー文字列をこのファイルから読み取るようにします。

    New-Item -Path C:\work\adk-a2a-demo\.env -ItemType File

    つづいて、VSCodeなどで.envファイルを開き、以下を定義します。

    GOOGLE_GENAI_USE_VERTEXAI=FALSE
    GOOGLE_API_KEY=取得したAPIキーをここに貼る

    これで、環境の準備は完了です。

    2.お天気調査AI Agent(Mock版)の作成

    では、ここからAI Agentを作成します。
    ADKでのAI Agent作成は、以下の公式ドキュメントを参考にしています。

    以下を実行して、フォルダとファイルを作成します。

    cd C:\work\adk-a2a-demo
    mkdir my_agent
    New-Item -Path my_agent\__init__.py -ItemType File
    New-Item -Path my_agent\agent.py -ItemType File

    つづいて、agent.pyファイルをVSCodeで開き、以下コードを貼り付けます。

    import os
    from dotenv import load_dotenv
    from google.adk.agents import Agent
    
    load_dotenv(r"C:\work\adk-a2a-demo\.env")
    
    def get_weather(city: str) -> dict:
        """指定した都市の天気情報を返す(モックデータ)"""
        mock_data = {
            "東京": {"status": "晴れ", "temp": 22, "humidity": 55},
            "大阪": {"status": "曇り", "temp": 19, "humidity": 65},
            "札幌": {"status": "雪", "temp": -2, "humidity": 80},
        }
        result = mock_data.get(city, {"status": "不明", "temp": 0, "humidity": 0})
        return {"city": city, **result}
    
    root_agent = Agent(
        name="weather_agent",
        model="gemini-2.0-flash-lite",
        description="天気情報を提供するエージェント",
        instruction="あなたは天気情報アシスタントです。ユーザーが都市名を聞いたらget_weatherツールを使って答えてください。日本語で回答してください。",
        tools=[get_weather],
    )

    1)load_dotenv:API Keyを.envファイルより読み取り。
    2)get_weather():入力を受け取りMockデータを使って返信します。
    3)root_agent:

    早速、動作確認してみます。
    以下のコマンドを実行します。

    cd C:\work\adk-a2a-demo
    adk web

    少し待つと以下のような表示が出てきます。

    画像
    コマンドの実行結果

    ブラウザのアドレスバーに以下を打ち込みアクセスしてみます。

    http://localhost:8000

    以下のようなADK Dev UIが起動しました。

    画像
    ADK Dev UIの起動

    では早速話しかけてみましょう。

    右下の「Type a Message...」に以下を入力してEnterを押してください。

    東京の天気を教えて
    画像
    天気情報の調査依頼を入力

    以下のように応答が返ります。

    画像
    AI Agentからの応答

    とりあえず、モックデータレベルで動くことが確認できたので、APIキーやLLMのモデルの指定は問題ないことが分かりました。

    3.お天気調査AI Agent(本番用)の作成

    agent.pyファイルのコードステップを、本番用のコードに差し替えます。

    import os
    import requests
    from dotenv import load_dotenv
    from google.adk.agents import Agent
    
    load_dotenv(r"C:\work\adk-a2a-demo\.env")
    
    def get_weather(city: str) -> dict:
        """指定した都市の実際の天気情報を返す"""
        city_coords = {
            "東京": {"lat": 35.6762, "lon": 139.6503},
            "大阪": {"lat": 34.6937, "lon": 135.5023},
            "札幌": {"lat": 43.0618, "lon": 141.3545},
            "名古屋": {"lat": 35.1815, "lon": 136.9066},
            "福岡": {"lat": 33.5904, "lon": 130.4017},
        }
    
        if city not in city_coords:
            return {"error": f"{city}の座標データがありません"}
    
        lat = city_coords[city]["lat"]
        lon = city_coords[city]["lon"]
    
        url = (
            f"https://api.open-meteo.com/v1/forecast"
            f"?latitude={lat}&longitude={lon}"
            f"&current=temperature_2m,relative_humidity_2m,weather_code"
            f"&timezone=Asia/Tokyo"
        )
    
        response = requests.get(url)
        data = response.json()
        current = data["current"]
    
        weather_codes = {
            0: "快晴", 1: "晴れ", 2: "一部曇り", 3: "曇り",
            45: "霧", 48: "霧氷",
            51: "霧雨", 53: "霧雨", 55: "霧雨",
            61: "小雨", 63: "雨", 65: "大雨",
            71: "小雪", 73: "雪", 75: "大雪",
            80: "にわか雨", 81: "にわか雨", 82: "激しいにわか雨",
            95: "雷雨", 99: "雷雨(ひょう)",
        }
    
        code = current["weather_code"]
        status = weather_codes.get(code, f"天気コード{code}")
    
        return {
            "city": city,
            "status": status,
            "temp": current["temperature_2m"],
            "humidity": current["relative_humidity_2m"],
        }
    
    root_agent = Agent(
        name="weather_agent",
        model="gemini-2.5-flash",
        description="天気情報を提供するエージェント",
        instruction="あなたは天気情報アシスタントです。ユーザーが都市名を聞いたらget_weatherツールを使って答えてください。日本語で回答してください。",
        tools=[get_weather],
    )

    1)api.open-meteo.com:無償の天気情報を返してくれるAPI。
    以下サイトより、APIの利用方法が記載されています。

    以下の2つで地理座標(Geographic coordinate)をパラメータで指定
    lat:latitude(緯度)
    lot:longtitude(軽度)

    2)weather_codes:天気コードの変換テーブル
    以下のURLにこのAPIが返す天気コードの参照表があります。

    数値コードを受領した後、日本語の天気に変換を行ってます。

    ※余談ですが、Open-Metroには”台風”という表記がないようですね。
    日本の気象庁もAPIを出しており、こちらには”台風”があるようなのですが、JSONが複雑なので、今回はこのOpen-Metro利用で進めます。

    では、動作確認を行います。先のコードが動いている場合には、Ctrl+Cで停止させます。

    同じように以下を実行します。

    cd C:\work\adk-a2a-demo
    adk web

    ブラウザのアドレスバーに以下を打ち込み、Enterキーを押下します。

    http://localhost:8000

    同じように、天気情報の調査を依頼します。
    今度は、Open-Metroより天気情報を取得し、応答が返ります!

    画像
    天気情報の調査依頼と応答結果

    1つ目の ”お天気調査AI Agent” が簡単に完成しました。

    4.交通情報調査AI Agent(本番用)の作成


    では、今度は”国土地理院API”と”国土交通省が最近作成し公開したAPI”へ接続し、道路の交通状況を受領できるAI Agentを作成してゆきます。

    2つのAPIを使う理由は以下の動作のシーケンスのように、「地名」入力が動的に対応できるようにしたいからなんですね。

    ①地名「新宿」or「大宮」→国土地理院APIで緯度経度取得
    ②取得した緯度経度→JARTICで交通量取得
    ③結果を返す

    ・国土地理院のAPI

    ・国土交通省のJARTIC

    ちなみに、国土交通省の”交通量データ利用の手引き”によると、これらのデータは全国の2,600か所に設置されている以下のような観測機器より収集されているとのことでした。

    画像
    国道上の従来型計測器

    以下はTVカメラによる画像識別 + AIでデータ収集するタイプ 。

    画像
    カメラ + AI型計測器

    脱線しましたが、AI Agentの開発へ戻ります。
    フォルダ構成を天気調査AI Agentと分けます。

    mkdir C:\work\adk-traffic-agent
    cd C:\work\adk-traffic-agent
    python -m venv .venv
    .venv\Scripts\Activate.ps1
    pip install google-adk requests python-dotenv

    venvで区切っているため、再度この環境にADKなどをインストールします。

    pip install google-adk requests python-dotenv

    つづいて、先の手順と同様に、VSCodeなどで.envファイルを開き、以下を定義します。

    GOOGLE_GENAI_USE_VERTEXAI=FALSE
    GOOGLE_API_KEY=取得したAPIキーをここに貼る

    agent.pyファイルを開いて、以下のコードを貼り付けます。

    import os
    import requests
    from datetime import datetime, timedelta
    from dotenv import load_dotenv
    from google.adk.agents import Agent
    
    load_dotenv(r"C:\work\adk-traffic-agent\.env")
    
    
    def geocode(place_name: str) -> dict:
        """国土地理院APIで地名から緯度経度を取得する"""
        url = "https://msearch.gsi.go.jp/address-search/AddressSearch"
        params = {"q": place_name}
        response = requests.get(url, params=params)
        results = response.json()
    
        if not results:
            return {"error": f"{place_name}の座標が見つかりません"}
    
        lon = results[0]["geometry"]["coordinates"][0]
        lat = results[0]["geometry"]["coordinates"][1]
        name = results[0]["properties"]["title"]
    
        return {"name": name, "lat": lat, "lon": lon}
    
    
    def get_traffic(place_name: str) -> dict:
        """指定した地名の道路交通量を取得する"""
    
        geo = geocode(place_name)
        if "error" in geo:
            return geo
    
        lat = geo["lat"]
        lon = geo["lon"]
        offset = 0.1
    
        now = datetime.now() - timedelta(minutes=30)
        minutes = (now.minute // 5) * 5
        time_code = now.strftime("%Y%m%d") + f"{now.hour:02d}{minutes:02d}"
    
        url = "https://api.jartic-open-traffic.org/geoserver"
        params = {
            "service": "WFS",
            "version": "2.0.0",
            "request": "GetFeature",
            "typeNames": "t_travospublic_measure_5m",
            "srsName": "EPSG:4326",
            "outputFormat": "application/json",
            "exceptions": "application/json",
            "cql_filter": (
                f"道路種別=3 AND 時間コード={time_code} AND "
                f"BBOX(ジオメトリ,{lon - offset},{lat - offset},"
                f"{lon + offset},{lat + offset},'EPSG:4326')"
            )
        }
    
        response = requests.get(url, params=params)
        data = response.json()
    
        features = data.get("features", [])
        if not features:
            return {
                "place": geo["name"],
                "time_code": time_code,
                "message": "観測データなし(観測点が近くにない可能性があります)",
                "count": 0
            }
    
        total_up = 0
        total_down = 0
        point_count = len(features)
        points = []
    
        for f in features:
            props = f.get("properties", {})
            coords = f.get("geometry", {}).get("coordinates", [[]])[0]
            up = (props.get("上り・小型交通量") or 0) + (props.get("上り・大型交通量") or 0)
            down = (props.get("下り・小型交通量") or 0) + (props.get("下り・大型交通量") or 0)
            p_lat = coords[1] if len(coords) > 1 else None
            p_lon = coords[0] if len(coords) > 0 else None
            total_up += up
            total_down += down
            points.append({
                "観測点コード": props.get("常時観測点コード"),
                "上り台数": up,
                "下り台数": down,
                "地図": f"https://maps.google.com/maps?q={p_lat},{p_lon}" if p_lat and p_lon else None,
            })
    
        avg_up = total_up // point_count if point_count > 0 else 0
        avg_down = total_down // point_count if point_count > 0 else 0
    
        if avg_up + avg_down > 200:
            congestion = "混雑"
        elif avg_up + avg_down > 100:
            congestion = "やや混雑"
        else:
            congestion = "スムーズ"
    
        center_map_url = f"https://maps.google.com/maps?q={lat},{lon}&z=13"
    
        return {
            "place": geo["name"],
            "center_map_url": center_map_url,
            "time_code": time_code,
            "観測地点数": point_count,
            "上り平均交通量": avg_up,
            "下り平均交通量": avg_down,
            "混雑状況": congestion,
            "観測地点詳細": points,
        }
    
    
    root_agent = Agent(
        name="traffic_agent",
        model="gemini-2.5-flash",
        description="道路交通量情報を提供するエージェント",
        instruction=(
            "あなたは道路交通情報アシスタントです。"
            "ユーザーが地名を指定したらget_trafficツールを使って交通量情報を取得し、"
            "以下の内容を日本語でわかりやすく回答してください。\n"
            "1. 場所名と混雑状況\n"
            "2. 上り・下りの平均交通量\n"
            "3. 観測地点数\n"
            "4. エリア中心のGoogleマップURL\n"
            "5. 各観測地点のGoogleマップURLと上り・下り台数\n"
            "ServiceNowなどのシステムに転記しやすいよう、数値は明確に示してください。"
        ),
        tools=[get_traffic],
    )

    1)geocode():国土地理院APIより緯度・経度を取得
    2)get_traffic():国土交通省APIより緯度・経度で交通状況を取得
     ・”混雑”の判定:上りと下りの合計平均台数が200台を超えた場合
     ・”やや混雑”の判定:上りと下りの合計平均台数が100台を超えた場合
     ・”スムーズ”の判定:上記判定より下回る場合

    ※本アプリは無料APIで公開される”台数”を基礎値としており、混雑判定の閾値は暫定値です。本来は過去履歴データとの比較が必要となります旨、ご留意ください。

    3)地図ピン打ち:緯度・経度をGoogle MapのURLのクエリストリングへ代入して、観測ポイント場所のダイレクトURLを生成。

    では、動作確認を行います。以下をPowerShellで実行します。

    cd C:\work\adk-traffic-agent
    .venv\Scripts\Activate.ps1
    adk web --port 8001

    ブラウザのアドレスバーに以下を打ち込み、Enterキーを押下します。
    ※リッスンポートを8001に変更している点に注意です。

    http://localhost:8001

    以下のようにクエリしてみます。

    "XXXXの交通状況を"教えて

    地名より国土地理院APIで緯度と経度を取得し、国土交通省APIで道路状況を取得し、応答が返りました!

    画像
    動作結果

    5.まとめ


    如何でしたでしょうか? 今回はGoogle ADKを使って以下2つのAI Agentを作成してみました。
    1)お天気調査AI Agent
    2)交通情報調査AI Agent

    Google ADKでは、難易度はそれ程高くなく、AI Agentを作れますね。

    次回は、このAI AgentをServiceNowのAI Agentから繋いだ ”A2A” を実現してみたいと思います。乞うご期待ください。

     
     
    東京都在住/自動化(テスト・RPAなど)大好き/LLMへAPI接続して遊ぶことが趣味/外資系SaaSの導入向け技術職/中学受験向け我が家塾の経験/Gemini Enterprise / Google ADK / マルチエージェント(A2A・MCP)× エンタープライズ業務実装

    あなたへのおすすめ