Google I/O 2026で、Gemini APIに「Managed Agents」と呼ばれる新機能のプレビューが追加されました。1回のAPIコールでGoogleがホストするLinuxサンドボックスごとAIエージェントを起動でき、エージェントの指示やスキルはMarkdownで宣言します。AIエージェントの実装で長らく重荷だった実行環境の自前構築が大きく軽くなる仕組みであり、ふるまいの記述方法も含めて開発体験が変わります。本記事では、Managed Agents APIの何が新しく、開発者の手元にどう影響するのかを、公式情報をもとに整理します。
Managed Agents APIとは何か
Managed Agentsは、Gemini APIのプレビュー機能として提供される、Googleのホスト型エージェント実行基盤です。リクエストを1回送るだけで、エージェント本体と、その作業場となるリモートLinux環境を同時に立ち上げられます。生成されたサンドボックスの内側では、計画立案、ツール呼び出し、コード実行、ファイル操作に加え、Web上の最新情報を参照するためのブラウジングまでが可能です。エージェントはこのLinux環境を一時的なワークスペースのように扱えるため、依存関係の取得や中間ファイルの保存といった、これまで手元のPCや自前のサーバーに任せていた処理を、APIの向こう側にそのまま預けられます。
さらに重要なのが、状態を引き継いだ再開（resumable）に対応している点です。最初の呼び出しで生成したファイルや実行コンテキストは、後続のAPIコールで再利用できます。エージェントが長めの作業を中断・再開しながら進められるため、検証用スクリプトの試行錯誤や、複数ステップにわたる調査と編集にも素直に乗せられる設計になっています。ユーザーがレビューしてから次の指示を出す、というワークフローも自然に表現できます。
実行環境の自前構築から解放される意味
これまで自社プロダクトでAIエージェントを実装しようとすると、まず実行環境の整備が大きなハードルでした。任意コードを動かすにはFirecrackerや軽量VMでのサンドボックス、ネットワークとファイルシステムの権限分離、リソース制限、横断ログ、ジョブのライフサイクル管理など、いわゆる足回りを自前で組む必要があります。E2BやModalといったサードパーティのサンドボックスSaaSを採用するケースも増えていますが、それでも認証、運用監視、コスト最適化はチーム側の責任として残ります。
Managed Agents APIは、この足回りをGoogle側に寄せられる点が本質的な価値です。アプリケーション開発者は、何をさせたいか、どんなツールを与えるかというドメイン側に集中できます。スケールや隔離、サンドボックスの寿命管理はマネージドサービスに任せ、限られた工数を体験設計や評価設計に再配分できる、というわけです。エージェント開発の重心が「基盤を整える」から「ふるまいと評価を磨く」へと移っていく流れを、API側から後押しする位置づけと言えます。
Markdownでエージェントを定義する開発体験
もうひとつの注目ポイントは、エージェントの中身をMarkdownで定義できる点です。AGENTS.md や SKILL.md といったファイルに、システムプロンプトに近い指示、再利用したいスキル、利用可能なツールやMCPサーバーの参照を書き、それをマネージドエージェントとして登録します。複雑なオーケストレーションコードを書かなくても、ふるまいを宣言的に表現できる点が大きな特徴です。
この体験は、Claude CodeやAGENTS.md仕様、Cursorなどで一般的になりつつある、リポジトリにエージェントの作法を置くというメンタルモデルに自然に乗ります。Google AI StudioのPlaygroundにはカスタムテンプレートも用意されており、ゼロから書き始める負担も下がっています。テキストで書ける範囲が増えるほど、レビューやバージョン管理もコードと同じ流儀で扱えるようになり、エージェントの仕様変更がプルリクエストの形で議論される未来が具体的に見えてきます。さらに、Markdownはチームメンバーが直接読み書きできるため、エンジニア以外の関係者がエージェントの挙動仕様の議論に参加しやすいという副次効果もあります。
AntigravityハーネスとGemini 3.5 Flashが支える基盤
Managed Agentsの内部では、Googleが自社のエージェントで使っているのと同じAntigravityハーネスが動いています。これはCLIやSDKをまとめた、エージェント中心の開発スタック「Antigravity 2.0」の中核部分で、I/O 2026のキーノートでも繰り返し言及されました。同じ仕組みが外部開発者にも開かれた、と捉えるとイメージしやすいです。GoogleのプロダクションでAIエージェントを動かしている基盤を、APIを通じて間借りできるようになる、という比喩がしっくりきます。
背後のモデルはGemini 3.5 Flashです。コーディングやエージェント系のベンチマークでGemini 3.1 Proを上回りながら、フロンティア級モデル比で約4倍高速とされています。価格もPro系より大きく抑えられているため、エージェント特有の同じタスク内で何度もモデルを呼ぶ用途と相性が良いモデル設計と言えます。ハーネスはモデルと密に最適化されており、ツール選択や長文コンテキストの扱いが洗練されているため、自前でループとリトライを書き込むよりも安定した挙動が期待できます。
プレビュー段階での向き合い方と検証ポイント
強力な機能ですが、現時点ではプレビューであり、本番投入する前に押さえておきたい論点もあります。たとえば、サンドボックス内から到達できるネットワーク範囲、利用可能なファイル容量や実行時間、ツールの種類、ログや監査の取り回し、SLAやクォータの仕様などは、プレビュー期間中に変動し得る部分です。データレジデンシーや、外部ツール呼び出し時に流れるテレメトリの扱いも、業務利用の手前で必ず確認しておきたいポイントになります。
業務適用を見据えるなら、まずはユースケースをマネージド側に丸投げできる検索や要約、コード生成系と、依然として自前運用が必要な機密データ処理系に分けて評価するのがおすすめです。Markdownでの定義はバージョン管理しやすいので、PoC段階から品質基準とコスト指標を並行して計測する仕組みを整えておくと、本格採用時の意思決定がスムーズに進みます。Managed Agentsはエージェント開発の標準的な選択肢を一段押し上げる発表であり、小さな検証から始めてみる価値のある機能です。特に既存のRAGや業務ワークフローに「Webブラウジングまで含む実行環境」を後付けで足したい場面では、自前で同等の基盤を組むコストと比較してみる価値が高いはずです。また、社内のナレッジをSKILL.mdとして記述しておけば、将来エージェントランタイムを乗り換える際にもアセットを持ち運びやすくなり、ベンダーロックインの観点からも筋の良い設計に近づき、将来の選択肢を残せるようになります。
