Google CloudがCluster Toolkit向けエージェントスキルを発表、デプロイ前の検証を支援
公開:
Google Cloudは、SC26でCluster Toolkitと組み合わせて使うエージェントスキルを示しました。エージェントスキルは、HPCワークロードの構築と実行の方法をAIエージェントに教える、再利用できるスキルです。[1]
SC26では、クラウド規模でアルゴリズムを最適化する進化的エージェントと、HPCとAIが交わる領域向けに専用設計したスーパーコンピューティング基盤も示しました。この記事では、エージェントスキルやAlphaEvolve on Cloud Batch、計算基盤でできることと利用前の確認点を解説します。
目次
Cluster Toolkitのエージェントスキル
Cluster Toolkitは、宣言的なYAMLのブループリントを使い、再現できる本番向けのHPC環境をGoogle Cloudにデプロイするツールです。Google Cloudは、組み合わせ可能なエージェントスキルをCluster Toolkitと対にして、機能を広げています。[1]
Google Cloudは、コード最適化を提案するエージェントと、本番HPCワークロードを大規模かつ確実に設計・プロビジョニング・最適化するエージェントシステムを区別しています。後者へ進むには、汎用の推論モデルだけでは足りないという見解です。
スキルは自己記述的で決定的なツールを備え、自動化されたエンドツーエンドのテストで検証されています。入手先は、Google SkillsとDeepMind Science Skillsのリポジトリです。
クラスタ構築前のスキル
インフラスキルは、クラスタの構築を頼まれたエージェントに、gcluster deployコマンドの実行前に行う確認を指示します。確認には、コンピューティングとストレージの割り当ての監査やリージョン容量のカナリアチェック、ワークロードと検証済みブループリントの照合、人の承認待ちが含まれます。
Google Cloudは、深い基盤や分野のコンテキストを持たない、ガイドされていないエージェントが起こし得る問題を課題に挙げました。互換性のないストレージ層と計算最適化VMの組み合わせや配置ポリシーの見落とし、複数ノードのMPIファブリックの障害診断での停滞が例です。
クラスタ稼働後のスキル
クラスタの稼働後は、ワークロード別スキルが、OpenFOAMとSiemens STAR-CCM+の流体解析などでエージェントを案内します。GROMACSとAlphaFold 3の生命科学パイプラインの調整や、DevitoとOPMの地下シミュレーションも例に含まれます。
運用時のエージェントは、IAMやKueue quota、予算のガードレールの中で動作し、Cloud Loggingに完全な来歴が残る仕組みです。滞ったキューやノードのドレインには、自動で解決するためのトラブルシューティングスキル(gke-kueue-debugging)が用意されています。
AlphaEvolveによるコード最適化
Google DeepMindが開発したAlphaEvolve自体は、2026年7月10日付けの発表でGoogle Cloudでの一般提供(GA)が始まりました。AlphaEvolveは、Geminiを使う進化的なループで、コードや3D設計パラメータを繰り返し変異させてベンチマークし、目標の指標に向けて最適化します。[1][2]
Google CloudはAgentic HPCを、ガイドのないモデルを端末上で自由に動かすことではないとしています。チームが基盤の作業より発見に時間を使えるよう、複数の要素を組み合わせる取り組みです。
Google Cloudは、Agentic HPCで組み合わせる要素として、Geminiの推論力とCluster Toolkit skillsに体系化した技術を挙げています。Batch上の進化的最適化と専用設計のスーパーコンピューティング用ハードウェアも、その要素です。
AlphaEvolveの実験の進め方
AlphaEvolve on Cloud Batchのソリューションは、ノートパソコン上の初期アルゴリズムから大規模な並列実験への移行を効率化します。1つのgclusterブループリントがコントローラ環境を用意し、Batchが数百の候補評価を同時に展開する仕組みです。
研究者は、ホスト型のPythonノートブックで進化の実験を操作し、候補の系統を確かめられます。最適化の実行を、既存のCLIワークロードやエージェント駆動の開発ツールへ直接組み込むこともできます。
AlphaEvolveの候補の評価環境
Google Cloudは、低速なネットワークの単一ノードだけでアルゴリズムを進化させると、小規模でしか性能が出ないコードになるおそれがあると指摘しました。AlphaEvolve on Cloud Batchでは、候補を本番規模で評価できます。
候補はCloud RDMAとGoogle Cloud Managed Lustreを持つインスタンスで評価でき、Spot VMsかDWSで費用と所要時間を調整できます。Google Cloudは、この評価で実際のスーパーコンピューティングのファブリック向けのアルゴリズムが見つかり、将来の本番実行の計算コストが恒久的に下がるという見解です。
Cluster Toolkitの使い方
Cluster Toolkitは、Google CloudでのHPCやAI、MLのワークロードのデプロイを簡素化するツールです。構築を始める入口として、Google CloudはCluster ToolkitとGoogle Cloud HPC solutionsを挙げています。[1][3]
Cloud ShellかローカルのLinuxまたはmacOS端末で環境を用意し、リポジトリの複製後にYAMLのブループリントを作成します。gcluster createの後、gclusterの示すコマンドを実行すると、TerraformかPackerがGoogle Cloudにクラスタをデプロイする流れです。
Cluster Toolkitの機能の利用統計(テレメトリ)は既定でGoogleが収集しており、無効にするコマンドは次のとおりです。
./gcluster telemetry off
公式資料からの抜粋:Cluster Toolkit overview(Telemetry data collection options)。対象版・範囲:確認日時点のCluster Toolkitドキュメント。
上記のコードでは、gcluster telemetryコマンドにoffを指定し、実行した環境のテレメトリを無効にしています。再び有効にする場合は、同じコマンドにon引数を付けて実行します。
Cluster Toolkit向けスキルの入手方法
Cluster Toolkitはオープンソースのツールで、エージェントスキルと検証済みテンプレートはリポジトリからダウンロードできます。スキルの料金や提供地域は、今回の発表に含まれていません。[1][3]
今回の発表に含まれる基盤の選び方
今回の発表に含まれる計算資源やストレージを、編集部が目的ごとの候補として整理しました。候補は、Google Cloudが示す各資源の用途に基づきます。
統合基盤が提供する資源
Google Cloudは、Cluster Directorが管理する統合基盤で、密結合HPCとスケールアウトの計算や次世代GPU、第8世代TPU、並列ストレージを提供します。Cluster Directorは、クラスタの構築と設定を自動化する製品です。[1][4]
インスタンスとTPUの目的別候補
今回の発表に含まれる計算資源やストレージから選ぶ場合の、目的ごとの候補は以下の通りです。
H4DはCloud RDMAを備え、A5XのベアメタルはNVIDIA Vera Rubin NVL72基盤で新たに提供されました。NVIDIA RTX PRO 6000 Blackwell GPU搭載のG4は、CAEやCFD、3D可視化を高速化しつつ、コア単位のソフトウェアライセンス費用を削減できます。
H4Dは第5世代AMD EPYCプロセッサを搭載し、大規模なEDAやエンジニアリングのモデル向けに3 TBの高メモリ構成もあります。C4AはGoogle Axionを搭載したArmベースのインスタンスです。
並列ストレージの機能
Google Cloudは、サブミリ秒の並列ストレージとしてGoogle Cloud Managed Lustreを提供します。シミュレーションとAIの段階の間のデータの滞りを減らすストレージで、読み取りスループットは最大10 TB/sです。
GPUDirect Storage over RDMAと、Cloud Storage Mirroringを伴う80 PBのDynamic Tierも備えます。性能をさらに高める場合は、Cloud Storage FUSEのローカルSSDキャッシュと組み合わせられます。
BatchのTPU対応
Batchは単一ホストTPUスライスのジョブに対応しますが、確認日時点の対応一覧にTPU 8tとTPU 8iは含まれていません。BatchでTPUを使う場合、編集部はマシンタイプが一覧にあることと、allowedLocations[]がTPUバージョンか予約を含むゾーンを指すことの確認を勧めます。[1][5]
出典
- ^ Google Cloud. 「Where supercomputing meets agentic AI: What’s new in Google Cloud HPC and AI at SC26」. https://cloud.google.com/blog/topics/hpc/whats-new-in-hpc-and-ai-at-sc26, (参照 26-11-13).
- ^ Google Cloud. 「Solve harder problems with AlphaEvolve, now available to everyone on Google Cloud」. https://cloud.google.com/blog/products/ai-machine-learning/alphaevolve-is-available-for-everyone?hl=en, (参照 26-11-14).
- ^ Google Cloud. 「Cluster Toolkit overview」. https://docs.cloud.google.com/cluster-toolkit/docs/overview, (参照 26-11-14).
- ^ Google Cloud. 「Cluster Director overview」. https://docs.cloud.google.com/cluster-director/docs/overview, (参照 26-11-14).
- ^ Google Cloud. 「TPU を使用するジョブを作成して実行する」. https://docs.cloud.google.com/batch/docs/create-run-job-tpus?hl=ja, (参照 26-11-14).
※本記事は公式の一次情報を基に編集しています。内容はAIで確認していますが、誤りや最新情報との差異がある場合は、以下フォームよりご報告ください。
修正・削除・掲載などの依頼はこちら



















