2026年9月4日（日本時間）、Google DeepMindが待望の『Gemini Agent』を一般公開した。発表の舞台は、前日9月3日にChatGPT・Claude・Grokが4時間にわたって一斉ダウンした「集中リスク元年（post-238参照）」の直後だ。「クラウドが落ちても動く分散エージェント」への期待が高まるなか、Googleは「最強の基盤モデルGemini 4（post-225参照）の自己改善ループを、そのまま現実のタスク実行へ転用する」という、一味違うアプローチで登場した。
DeepMindの責任者は、こう語った。
「これまでのAIは『指示を受けて答える』的存在だった。Gemini Agentは『仕事を請け負って、完了させる』。チャット欄に『レポートを書いて』と頼むのではなく、『来週の競合分析を毎朝自動で更新して』と委任する世界だ」
本稿は、Gemini Agentの何がこれまでの「AIアシスタント」と違うのか、その技術構造（Planner／Worker／Verifier）、具体例、そしてMicrosoft Copilot Agent OS（post-229）・Apple Agent（post-231）・Claude Agent・OpenAI Astra（post-236）との違いまで徹底解説する。
1. 発表の核心 ── 「指示」から「仕事」へ
Gemini Agentの核心は、入出力の「対話」ではなく「委任」にある。ユーザーはタスクの「目的」を渡し、エージェントが残りを埋める。具体的には以下の3点が従来と異なる。
- 目的駆動：チャットの「1往復」ではなく、タスクの完了状態まで責任を持つ
- 長期実行：数分〜数日単位のタスクを、人間の介入なしに自律的に進行
- 自己修正：失敗やブロックに直面したとき、自ら手順を書き直して再挑戦
一言で言えば、これは「AIチャット」から「AI請負業者」への移行だ。その差は、後述の技術構造によって初めて実現可能になる。
2. Gemini 4 の自己改善ループをタスク実行へ転用
Gemini Agentの最大の武器は、基盤モデルGemini 4（post-225）が持つ「自己改善ループ（self-improvement loop）」を、エージェントの「タスク完遂エンジン」として転用した点にある。Gemini 4が「1週間の研究を8時間で完遂する」能力は、実は「仮説→検証→修正」を繰り返すループそのものだ。
このループを、次のようにタスク実行に接続する。
- ユーザーの目的を「検証可能なサブゴール」に分解
- 各サブゴールを実行し、結果を自分で評価
- 評価が不十分なら、手順を書き直して再実行（＝自己改善ループの再利用）
- 全サブゴールが達成されたら、成果物を統合して納品
つまり「賢さ」ではなく「賢さをどうタスクに回すか」が、他社エージェントとの決定的な差になる。
3. 技術構造 ── 3つの層
① Planner（計画層）
目的をサブゴールに分解し、実行順序と依存関係を描く。ここにGemini 4の長文脈（数百万トークン）が活き、複雑なプロジェクト全体を「頭の中」に保持できる。
② Worker（実行層）
各サブゴールを実行する。コード実行サンドボックス、Webブラウジング、Google Workspace（Docs／Sheets／Gmail）やサードパーティAPIを「ツール」として呼び出す。MCP（post-227）とGoogleのA2Aプロトコルの両方に対応し、他社のツールも利用可能だ。
③ Verifier（検証層）
これが他社との最大の違いだ。Workerの出力を、Plannerが立てた「検証基準」に照らして自動評価する。数値が合うか、テストが通るか、引用が正しいか──を自分で確認し、ダメならWorkerに差し戻す。この「検証→差し戻し」のループが、Gemini 4の自己改善能力の正体だ。
4. 何ができるか ── 具体例
- リサーチ自動化：競合の四半期決算を収集し、比較表を生成、毎朝自動更新
- コード生成＋テスト：仕様から実装し、単体テストを書いて自分で通し、失敗を直す
- 業務プロセス：メールの要約→Slack通知→カレンダー調整を一連で完了
- ドキュメント制作：複数ソースを統合したホワイトペーパーを下書きから完成まで
5. 競合エージェントとの比較
| 項目 | Gemini Agent（Google） | Claude Agent（Anthropic） | Copilot Agent OS（MS） | Apple Agent（Apple） |
|---|---|---|---|---|
| 実行層 | クラウド＋検証層 | クラウド | クラウド＋Windows | 端末＋PCC |
| 基盤モデル | Gemini 4 | Claude Fable 5.1 | クラウドLLM | Agent Core |
| 強み | 自己改善・長期タスク | 安全性・MCP | 業務資産統合 | プライバシー |
| ツール | MCP＋A2A＋Workspace | MCP | Win32・Azure | App Intents |
| 対象 | 知識労働・リサーチ | エンタープライズ安全 | 企業Windows | コンシューマ |
一言で言えば、Googleは「最強モデルの自己改善能力を、そのまま請負能力にした」のに対し、Microsoftは「業務資産の統合」、Appleは「プライバシー」、Anthropicは「安全性」を軸にしている。
6. 懸念 ── 制御・コスト・セキュリティ
- 制御：長期実行するほど、人間が途中で介入・停止する仕組みが問われる。「停止失控AI法案（post-238）」の文脈で、キル・スイッチの実装が必須に
- コスト：自己改善ループは「何度も再実行」するため、トークン消費が跳ね上がる恐れ。料金設計が採算の鍵
- セキュリティ：ツールへの広範なアクセス権を持つため、プロンプトインジェクションや権限昇格のリスクが増大
- 品質保証：Verifierが自分で自分を評価する構造は、評価基準の欠陥がそのまま見逃しになる
7. まとめ ── 「請負型AI」の時代が始まる
- 核心：Gemini Agent＝「指示して答える」から「仕事を請け負う」へ
- 構造：Planner／Worker／Verifierの3層、Verifierに自己改善ループを転用
- 強み：Gemini 4の自己改善をタスク完遂にそのまま利用
- 違い：MSは業務統合、Appleはプライバシー、Anthropicは安全、Googleは請負能力
- 課題：制御・コスト・セキュリティの設計が普及の鍵
2026年9月3日の「集中リスク元年」が、AIの「可用性」の限界を可視化した。その翌日、Google DeepMindは「AIを単なる対話相手ではなく、仕事を完遂する存在にする」という回答を出した。Microsoft・Apple・Anthropic・OpenAIがそれぞれの軸で応えるなか、2026年後半の「エージェント戦争」は、ますます激化していく。
本記事は、Google DeepMind公式発表「Gemini Agent」（2026-09-04）、および AgentAI 編集部の独自取材に基づいて作成。