Gemini Enterprise Agent PlatformのAgentic RAGは、Google ResearchとGoogle Cloudが2026年6月5日に公開した、企業向けの管理型エージェンティック検索拡張生成（Agentic Retrieval-Augmented Generation）のアプローチである。一般的なRAGが、ユーザーの質問を一度検索し、上位のドキュメントを言語モデルに渡す構造であるのに対し、このシステムでは、Orchestrator、Planner、Query Rewriter、Search Fanoutなど、役割が分かれたエージェントがクエリを分析し、検索戦略を調整する。これは、一人の司書が最初の検索結果だけを渡すのではなく、調査チームが質問をサブタスクに分割し、複数の資料室を行き来しながら証拠を集めるプロセスに近い。 従来の企業向けRAGは、質問に複数の条件が混在していたり、必要な根拠が異なるドキュメントストアに分散していたりする場合に脆弱である。最初のクエリがドキュメントの表現と一致しない場合、関連する資料を見逃す可能性があり、検索結果が不十分な場合でも、生成モデルがすぐに回答を作成し、根拠のない内容を補完するリスクがある。このプラットフォームの特長は、Plannerが複合クエリを分解し、Query Rewriterが検索に適した形式で質問を書き直し、Search Fanoutが複数のドキュメントストアを対象にクロスコーパス検索（Cross-corpus retrieval）を実行することにある。最初の検索結果を最終的な根拠と見なすのではなく、探索プロセスを繰り返すことができる点が重要である。 Sufficient Context Agentは、収集されたコンテキストだけで質問に答えられるかどうかを別途判断する。根拠が不十分な場合は、追加の検索を要求し、必要な情報が確保されたときに、応答生成段階に進む。これは、生成モデルの文の流暢さと検索根拠の完全性を分離して扱う構造である。ただし、十分性の判定基準、反復検索の最大回数、サポートするデータソース、引用追跡方法などの詳細な運用パラメータは、提供されたDiscovery情報だけでは確認できず、公式ドキュメントの検証が必要である。 バイオテクノロジーの研究者は、論文ストア、臨床試験ドキュメント、標準作業手順書、規制資料など、場所と形式が異なる資料をまとめて調査するために、このアプローチを活用できる。例えば、特定のバイオマーカーのメカニズム、患者群の選択基準、分析法の検証条件を1つの複合質問として提出すると、Plannerがこれを詳細な検索タスクに分割し、各ストアから関連する根拠を収集するように構成できる。Sufficient Context Agentが必須の根拠の欠落をチェックするように設計すれば、単一のドキュメントの表現だけを根拠に、早合点な結論を導き出す問題を減らし、研究レビューや規制文書の準備に必要な追跡可能なドラフトを作成するのに役立つ。実際の定量的なパフォーマンスとバイオサイエンス分野への適用結果は、別途検証が必要である。

「Agentic RAG for Gemini Enterprise Agent Platform」は、Google ResearchとGoogle Cloudが2026年6月5日に公開した、企業向けの管理型エージェンティック検索拡張生成（Agentic Retrieval-Augmented Generation）のアプローチである。一般的なRAGが、ユーザーの質問を一度検索し、上位のドキュメントを言語モデルに渡す構造であるのに対し、このシステムは、オーケストレーター、プランナー、クエリリライター、検索ファンアウトなど、役割が分かれたエージェントが質