Google Research、Gemini Enterprise Agent PlatformにエージェンティックRAGを追加～マルチホップクエリに対応するSufficient Context Agentを搭載

Google Researchチームは、Gemini Enterprise Agent Platform上で動作する新しいエージェンティックRAG（Agentic RAG）フレームワークを発表し、これを基盤とするCross-Corpus Retrieval機能を公開プレビューとして提供開始しました。

従来のシングルステップRAGは、複数のデータソースを横断して複数の処理を要するクエリに対しては十分に機能しませんでした。例えば、「プロジェクトXで使用されているサーバーのスペックは？」という質問に対し、システムがサーバーIDを含むドキュメントを見つけても、そのIDを元に別のデータベースでスペックを検索するという連鎖的な処理ができず、部分的な回答や「見つかりません」という結果に終わることがありました。

GoogleのエージェンティックRAGは、マルチエージェントアーキテクチャを採用し、複雑なクエリを計画・推論・反復的に処理します。標準RAGと比較して、事実性データセットでの精度が最大34%向上。テストにはFramesQA（824クエリ、2,676PDF文書）が使用され、クロスコーパス設定では4つのコーパスから適切なものを選択しながら90.1%の正解率を達成しました。レイテンシの増加はシングルコーパス比で平均3%未満に抑えられています。

本フレームワークの核心は、Sufficient Context Agent（十分なコンテキストエージェント）です。このエージェントは、応答生成前に取得したスニペットと中間ドラフトを確認し、不足情報があれば具体的な理由とフィードバックを記録して再検索を実行します。これにより、情報が不十分な場合でもモデルが推測したり「情報不足」と早期に判断したりすることを防ぎます。

ユースケースとして、医療現場での投薬・食事制限・アレルギー情報の統合、エンジニアリングでのサーバーIDからスペックへのトレース、財務・プロジェクト管理での予算とタイムラインの結合などが想定されています。特に、異なるチームが管理する複数のデータベースを持つ組織にとって、クロスコーパス設計は大きな利点となります。

現在、Cross-Corpus RetrievalはGemini Enterprise Agent Platform上で公開プレビューとして利用可能です。Google Researchチームは、今後もフレームワークの最適化を進め、さらなる応用範囲の拡大を目指します。