【ITニュース解説】Building Agentic Fusion: AI-Powered Business Intelligence for Kubernetes Microservices

現代のITシステムは日々進化し、特にインターネット上で多くのユーザーにサービスを提供するアプリケーションは、大規模で複雑な構造を持つようになっている。その中心にあるのが「マイクロサービスアーキテクチャ」と呼ばれる設計手法である。これは、一つの大きなアプリケーションを、それぞれが独立した小さなサービス（マイクロサービス）に分割して開発するもので、これにより開発の速度向上や、システムの一部に障害が発生しても全体に影響が及びにくいというメリットがある。しかし、この手法には大きな課題も存在する。

マイクロサービス化されたシステムでは、それぞれのサービスが独自のデータベースを持っていたり、個別のサーバー上で動いていたりするため、情報が分散し「データサイロ」と呼ばれる状態に陥りがちである。例えば、あるサービスの売上データはビジネス部門が関心を持つ情報であり、別のサービスのサーバーのCPU使用率はインフラを担当するDevOpsチームが監視する情報である。これらは本来密接に関連しているにもかかわらず、別々のツールやデータベースで管理され、互いに連携して全体像を把握するのが難しいという問題があった。ビジネスの意思決定者は断片的なデータしか見られず、ITインフラの担当者もビジネスの目標と紐づかない技術的な指標を追うことになり、結果として効率的でデータに基づいた意思決定が困難になるのである。

このような課題を解決するために開発されたのが「Agentic Fusion」である。これは、AIの力を活用して、ビジネスに関する情報とITインフラに関する情報を一つにまとめ上げ、そこから新たな洞察を生み出すための仕組みである。Agentic Fusionは、既存のKubernetes環境に導入できるオープンソースのアプリケーションであり、ビジネスと技術の間に橋を架け、両方の側面からシステムを理解し、より賢い判断を下せるようにすることを目指している。

Agentic Fusionの機能は多岐にわたる。まず、第一に「統一されたデータ収集」を行う。これは、システムが自動的にKubernetesクラスター内のさまざまなマイクロサービスをスキャンし、インフラのログ、サーバーの設定情報、データベースの構造、そして各サービスが持つビジネスに関するメタデータ（例えば、商品の種類や顧客情報など）といったあらゆる種類の情報を集約する機能である。これにより、これまでバラバラだった情報が一箇所に集められ、全体像が把握できるようになる。

次に、「AIを活用した分析」がAgentic Fusionの核となる。収集された膨大なデータは、Googleが開発した高度なAIモデル「Gemini」によって分析される。ユーザーは「先四半期の売上パターンはどうなっているか？」や「支払いサービスで稼働しているKubernetesのポッドはいくつあるか？」といった複雑な質問を自然な言葉で投げかけることができる。AIはこれらの質問に対し、関連するデータを分析し、リアルタイムで直感的なグラフやチャートなどの視覚的な情報とともに回答を生成する。これにより、専門家でなくても簡単にデータの意味を理解し、洞察を得られるようになる。

さらに、Agentic Fusionは「マイクロエージェントアーキテクチャ」を採用している。これは、GoogleのAgent Development Kit（ADK）というツールキットを使って構築されたもので、それぞれ特定のタスクに特化した小さなAIエージェント（自動的に処理を行うプログラム）が多数存在する。例えば、オンラインストアでの「チェックアウト時の顧客離脱率」を分析するエージェントや、サーバーの「CPU使用率のトレンド」を監視するエージェントなど、専門的な役割を持つエージェントが連携して動作する。

そして、これらのエージェントを組み合わせることで、「自動化されたワークフロー」を構築できる。例えば、「毎週月曜日に、過去一週間の売上データを分析し、現在の在庫を確認し、将来の販売予測を立てて、その結果をサプライヤーにメールで自動送信する」といった一連のプロセスを、Agentic Fusion上で設定し自動で実行させることが可能である。これにより、繰り返し発生する業務を効率化し、人間はより高度な意思決定に集中できる。

Agentic Fusionの技術的な実装には、いくつかの主要なテクノロジーが活用されている。バックエンドには、ウェブインターフェースの構築にPython製のフレームワークであるFlaskを、エージェント間の連携を管理するオーケストレーション部分にはFastAPIという高速なフレームワークを使用している。データは、永続的なビジネスデータの保存にはPostgreSQLデータベースを、一時的なデータやローカルキャッシュには軽量なSQLiteを使用している。AI機能は、前述のGoogle ADKとGeminiモデルが中心である。システム全体のインフラは、GoogleのクラウドサービスであるGoogle Kubernetes Engine (GKE) 上にデプロイされており、Kubernetesクラスターのインテリジェントな管理にはkubectl-aiというツールも利用している。このアプリケーションはコンテナ化されており、既存のGKE環境に簡単に導入できるよう設計されている。導入後、Kubernetes APIを通じて自動的にマイクロサービスを発見し、統合されたデータモデルの構築を開始する仕組みである。

開発においては、いくつかの大きな課題に直面し、それぞれ独自の解決策が講じられた。一つは「大規模なデータスキャン」の問題である。数多くのマイクロサービスからビジネスメタデータを効率的に収集するためには、稼働中のサービスに影響を与えることなく、データベース接続情報やAPIエンドポイント、設定ファイルを特定するスマートな発見システムを構築する必要があった。次に、「AIへのコンテキスト管理」も重要である。AIモデルに与える情報量には制限（トークン制限）があるため、大量のログデータの中から必要な情報だけを抽出し、関連性の高いコンテキストをGeminiに提供するために、インテリジェントなインデックス作成と要約技術が実装された。また、「エージェントのオーケストレーション」は、Google ADKを習得しながらマイクロエージェントシステムを構築するという挑戦的な作業であったが、ADKが提供する強力な抽象化機能により、会話型AIエージェントの構築が効率的に行えた。

Agentic Fusionは、実際のEコマースデモアプリケーションでテストされ、その有効性が実証された。例えば、購入プロセスにおけるユーザーの離脱パターンを正確に特定し、チェックアウト体験を改善するための具体的な推奨事項を自動で生成した。また、インフラ監視機能は、システムの性能に影響が出る前にリソースのボトルネックを検出し、事前に対処することを可能にした。

このプロジェクトは、ハッカソンでの開発から始まったばかりであり、今後の展望として、データ管理パイプラインのさらなる改善、kubectl-aiとのより深い連携によるインフラの自動化、そしてオープンソースとしての正式リリースが予定されている。Agentic Fusionは、AIエージェントがいかにしてビジネスインテリジェンスとKubernetes環境のインフラ管理の両方を革新できるかを示す強力な例である。ビジネスと技術という二つの領域間の重要な橋渡し役となることで、あらゆるレベルでよりスマートでデータに基づいた意思決定を可能にする。マイクロサービスの未来は、単にアプリケーションを拡張するだけでなく、そこから得られる知見やインテリジェンスを拡張していくことにあると言えるだろう。