Google ADKとGemini Liveを用いた音声AIエージェントのLangSmith可観測性実装

何が発表されたのか LangChainのソフトウェアエンジニアであるCaroline di Vittorio氏が、Google Agent Development Kit（ADK）とGemini Live（Gemini 3.1 Flash Live）を使用した音声AIエージェントのトレーシング手法を実演解説しました。既存のテキストベースの可観測性に加え、リアルタイム音声対話における発話・応答・ツール呼び出し・トークンコストをLangSmith上で一括管理・可視化できるネイティブ統合プラグインを提供します。すでに開発者向けにドキュメントおよびSDKが一般提供されています。 ## 発表された機能・アップデートの全容 ### Gemini LiveによるSpeech-to-Speech音声エージェント構築 Gemini Live（Gemini 3.1 Flash Live）は、音声入力をそのまま処理し音声出力するSpeech-to-Speechモデルです。従来のテキスト翻刻プロセスを挟まないため、レイテンシーが極めて低く、人間的で感情豊かな応答を実現します。デモでは、ターミナルからOpen-Meteo APIを利用した天気検索ツールおよび時刻取得ツールを持つアシスタントが構築されました。 ### LangSmith Google ADK プラグインによるトレーシング実装 LangSmithは「LangSmithGoogleADKLivePlugin」を提供し、Google ADKのRunnerに登録することでトレースを開始できます。コード内でプロジェクト名、タグ、メタデータ、スレッドIDを指定するだけで、Liveイベントセッション全体のトレーシングが有効化されます。 ### ユーザーおよびエージェント音声の自動録音と割り込み検知 音声トレースの正確性を保つため、ユーザーマイク入力と実際にスピーカー再生されたエージェント音声のみを記録します。ユーザーが途中で割り込んで発話を遮った場合、エージェントが生成途中で中断した箇所のイベント（interrupted）を正確にキャプチャできます。 ### LangSmithダッシュボードによるトークンコストとツール呼び出しの可視化 LangSmithの画面上では、対話のタイムラインに沿って音声波形データが表示されます。同時に、Gemini Liveが提供する自動文字起こしテキスト、呼び出されたツールの引数やレスポンス時間、さらに音声専用トークンを含む消費コストの細分化データを確認できます。 ## 性能・ベンチマーク 動画内で具体的なベンチマーク数値や比較スコアの提示はありません。Gemini 3.1 Flash Liveによる低遅延な音声応答性能と、ツール呼び出しの処理時間がデモ画面のトレースログから確認できます。 | 評価指標 | 測定結果 | 出典 | | --- | --- | --- | | ツール実行時間（get_weather） | 約1.26秒〜1.29秒 | 動画内デモ画面 | | リアルタイムセッション全体の処理時間 | 約38.44秒 | 動画内デモ画面 | ## 競合サービスとの比較 音声エージェントの可観測性領域において、OpenAI Realtime APIとの比較を以下に示します（競合情報は編集部注による補足）。 | 機能・指標 | LangSmith + Google ADK | OpenAI Realtime API + 独自トレース | 出典 | | --- | --- | --- | --- | | 音声モデル連携 | Gemini 3.1 Flash Live | GPT-4o Realtime | 動画内 / 編集部注 | | トレース統合プラグイン | ADKネイティブプラグイン提供 | 手動イベントバインドが必要な場合あり | 動画内 / 編集部注 | | 割り込み発話検知 | イベントとして自動キャプチャ | クライアント側ロジックに依存 | 動画内 / 編集部注 | | オーディオ専用トークン管理 | インプット/アウトプット別詳細表示 | トークン消費表示に対応 | 動画内 / 編集部注 | ## 料金・提供プラン 動画内で料金設定に関する直接の言及はありません。LangSmithの利用料金およびGoogle Gemini API（Google AI Studio）の利用料が適用されます。 ## 日本から使う方法 日本のユーザーが本構成を導入する手順は以下の通りです。 1. Google AI StudioでGemini APIキーを取得します。 2. LangSmithのアカウントを作成し、APIキーを発行します。 3. Python環境に langsmith[google-adk-live] パッケージをインストールします。 4. 環境変数にAPIキーおよび LANGSMITH_TRACING=true を設定します。 5. Google ADKのコード内に LangSmithGoogleADKLivePlugin を組み込んで実行します。 ## 誰にどう効くのか ### エンジニア 音声モデル特有の遅延原因やツール呼び出しの失敗、割り込み時の挙動を視覚的にデバッグできます。 ### 企画・マーケティング 実際の音声対話ログやトランスクリプトを確認し、ユーザーの会話傾向や体験品質の改善に繋げられます。 ### 経営層 音声トークンの消費量とコスト内訳が明確化されるため、本番運用時のROI予測とコスト管理が容易になります。 ## まとめ Google ADKとGemini Liveの組み合わせにLangSmithを導入することで、音声AIエージェントの可観測性を高められます。開発者はまず公式ドキュメントを参照し、ローカル環境でトレーシングプラグインの組み込みを試すことを推奨します。