Gemini Enterprise

前提条件

Connect AI で Gemini Enterprise を設定して使用するには、まず以下の手順を実行する必要があります。

Connect AI アカウントにデータソースを接続します。詳細については、データソースを参照してください。
Gemini Enterprise アカウントが必要です（トライアル版あり）。
請求機能が有効になっている Google Cloud プロジェクトが必要です。
Google Cloud CLI をインストールして設定します。
Python 3.12 以降および UV パッケージマネージャーをインストールします。
google-adk>=1.31.1 をインストールします。
ADK デプロイメントのステージング用に、Google Cloud Storage バケットを用意します。

google-adk>=1.31.1 を使用してください。バージョン 1.31.1 以前には、バインドされたトークン機構がMcpToolset のアウトバウンド HTTP リクエストに干渉し、header_provider の認証トークンが MCP サーバーに正しく渡されないという既知のバグがあります。

Windows での ADK デプロイメントには既知の問題があります。 Windowsマシンでは、WSL（Windows Subsystem for Linux）経由でUbuntuを使用してください。MacおよびLinux環境では直接動作します。

CData Connect AI で OAuth アプリを作成する

Gemini Enterpriseは、 CData Connect AI MCP Serverに対するユーザー認証に、PKCEを伴う OAuth 2.0認証コードを使用します。これには、 CData Connect AI アカウントにユーザーベースの OAuth アプリが必要です。

Connect AI の右上隅にある歯車アイコンをクリックして、Settingsを開きます。

OAuth Appsに移動し、+ Create Appをクリックします。Create OAuth Appダイアログが表示されます。

以下の設定を入力します：

Name–わかりやすい名前を入力（例：GeminiEnterpriseOAuth）。
Authentication Flow–**User-based (Authorization Code)**を選択。
Callback URL–https://vertexaisearch.cloud.google.com/oauth-redirect を入力。

Creating an OAuth App in CData Connect AI

Confirmをクリックします。 CData Connect AI がClient IDとClient Secretを生成します。

Client IDとClient Secretの両方をコピーします。これらは、Gemini Enterpriseにエージェントを追加する際に必要になります。

Google CLI および ADK 環境のセットアップ

Google Cloud CLI をインストールし、認証を行います:

gcloud auth login
gcloud config set project YOUR_PROJECT_ID
gcloud auth application-default login

Vertex AI API および Cloud Resource Manager API を有効にします:

gcloud services enable aiplatform.googleapis.com
gcloud services enable cloudresourcemanager.googleapis.com

ADK ステージング用の Google Cloud Storage バケットを作成します（まだ作成していない場合）:

gcloud storage buckets create gs://YOUR_BUCKET_NAME --location=us-central1

プロジェクトフォルダを作成し、UV を使用して Python 環境を初期化し、ADK をインストールします:

mkdir agents
cd agents
uv init
uv sync
source .venv/bin/activate
uv add google-adk>=1.31.1 python-dotenv

ADK のインストールを確認します:

adk --version

ADK エージェントの開発

エージェントは、McpToolset、StreamableHTTPConnectionParams、およびheader_providerを使用して、 CData Connect AI MCP エンドポイントに接続します。header_provider は、 OAuth フロー後に Gemini Enterprise によって注入されたReadonlyContext からセッションごとの Bearer トークンを取得するため、エージェントのコードには認証情報が保存されません。

フォルダ構造

agents/
+-- connect_ai_oauth/
    +-- __init__.py
    +-- .env
    +-- agent.py

agents/ ディレクトリから、agent サブディレクトリを作成し、その中に移動します:

mkdir connect_ai_oauth
cd connect_ai_oauth

agent.py

import os
from google.adk.agents import Agent
from google.adk.tools.mcp_tool.mcp_toolset import McpToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StreamableHTTPConnectionParams
from google.adk.agents.readonly_context import ReadonlyContext
from dotenv import load_dotenv

load_dotenv()

AUTH_ID = os.getenv("CONNECT_AI_AUTHID", "")
MCP_SERVER_URL = os.getenv('MCP_SERVER_URL', 'https://mcp.cloud.cdata.com/mcp')

def get_auth_header(context: ReadonlyContext) -> dict:
    access_token = context.state.get(AUTH_ID, "")
    return {"Authorization": f"Bearer {access_token}"}

root_agent = Agent(
    name="connect_ai_oauth",
    model="gemini-2.5-flash",
    description="An agent that can access data via CData Connect AI Remote MCP.",
    instruction="You are a data assistant with access to live enterprise data via CData Connect AI. Use your available tools directly to answer user questions. Do not write or execute code. When a user asks about data, call the appropriate tool to retrieve it and present the results.",
    tools=[
        McpToolset(
            connection_params=StreamableHTTPConnectionParams(url=MCP_SERVER_URL),
            header_provider=get_auth_header
        )
    ]
)

.env

MCP_SERVER_URL=https://mcp.cloud.cdata.com/mcp
CONNECT_AI_AUTHID=<your-oauth-app-id-from-connect-ai>

CONNECT_AI_AUTHID の値は、上記で生成された OAuth App ID です。これは、 Connect AI の設定にあるOAuth Apps ページで確認できます（形式：cdata-connect-ai-oauth_XXXXXXXXXXXXXXXXX）。

init.py

from . import agent

Vertex AI Agent Engine へのデプロイ

デプロイには通常、約 5 分かかります。

agents/ ディレクトリから、デプロイコマンドを実行します:

adk deploy agent_engine \
  --project=YOUR_PROJECT_ID \
  --region=us-central1 \
  connect_ai_oauth

デプロイが完了すると、Vertex AI Agent Engine のリソース名が表示されます:

Created agent engine: projects/YOUR_PROJECT_ID/locations/us-central1/reasoningEngines/XXXXXXXXXX

このリソース名をコピーしてください。次のセクションで必要になります。

このリソース名は、後で Google Cloud コンソールの Vertex AI > Agent Engine からも確認できます。