> For the complete documentation index, see [llms.txt](https://docs.maiagent.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.maiagent.ai/tech/ja/platform-development/gai-lan.md). # 概要 プラットフォームのデプロイ概要：MaiAgent プラットフォーム自体は GPU を必要としません。モデルサービスにはクラウド API 推論やオンプレミスの自社 GPU を利用でき、SaaS、プライベートクラウド、オンプレミス、ハイブリッドクラウドの環境にデプロイできます。 MaiAgent は SaaS サービスに加えて、プラットフォームを自社で運用する構成（プライベートクラウド、オンプレミス）も提供しています。MaiAgent プラットフォーム自体に必要なのは一般的な計算リソースのみで、GPU サービスは不要です。MaiAgent が利用するモデルサービス（LLM, Embedding Model, Reranker Model）には計算能力が必要で、クラウド API 推論サービスまたはオンプレミスの自社 GPU を利用できます。\\ MaiAgent をローカル（プライベートクラウド、オンプレミス）に配置し、モデルサービス（LLM, Embedding Model, Reranker Model）をクラウドに配置するハイブリッドクラウド構成も可能です。3 種類のモデルは接続できるクラウドプロバイダーが異なります（例えば Embedding と Reranker は Azure と Google Vertex AI に対応していません）。比較は[クラウドモデル推論 API サービス](/tech/ja/platform-development/cloud-model-inference-api-service.md)、オンプレミスホストで実行できるモデルと接続方法は[オンプレミスモデルサービスの接続](/tech/ja/platform-development/onprem-model-services.md)をご覧ください。将来、データセキュリティやオンプレミスのコストを考慮してローカルの計算リソースへ移行する場合は、自社運用の推論サービスへ接続を切り替えることもできます（ナレッジベース作成後に Embedding モデルは変更できません。別の Embedding モデルを使う場合は、新しいナレッジベースを作成し、ドキュメントを再インポートする必要があります）。 ## MaiAgent プラットフォーム全体像 **MaiAgent** は、システムのバックエンドからユーザー向けフロントエンドまで、包括的なサービスを提供する生成 AI プラットフォームです。拡張可能なマイクロサービスアーキテクチャを採用しており、クラウドのマネージドサービス（下表の AWS、GCP、Azure 列）で構築することも、デプロイパッケージを使ってクラウド仮想マシンやお客様のデータセンターにインストールすることもできます。Docker 単一ホスト、Docker 分散構成、Kubernetes の 3 種類のデプロイ形態に対応し、企業の要件に合わせて柔軟に配置できます。 プラットフォームの中核は **Docker** を基盤とし、API、タスクスケジューリング、データストレージ、キャッシュ管理、ユーザー向け・管理用アプリケーションなど、多様なサービスモジュールを組み合わせています。全体設計により、**高可用性、柔軟なスケーラビリティ、クラウド間の連携能力**を確保し、セキュリティと運用保守性も考慮しています。 | サービス | 用途 | AWS | GCP | Azure | 仮想マシン、オンプレミス（デプロイパッケージ） | | ----------------------------------------------- | -------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------- | ------------------------------ | ----------------------------------------------------------- | --------------------------------------------------- | | MaiAgent Server | MaiAgent の中核、API、システム管理画面 | ECS (Fargate) | Cloud Run | Container Apps | Django on Docker | | MaiAgent Worker Server | MaiAgent のキュー処理・非同期サービス用 Worker、特にメッセージのストリーミング出力 | ECS (Fargate) | Cloud Run | Container Apps | Django on Docker | |

MaiAgent Worker Server
(Low-Priority)

| MaiAgent のキュー処理・非同期サービス用 Worker、特にドキュメントのベクトル化 | ECS (Fargate) | Cloud Run | Container Apps | Django on Docker | | スケジューラー（Celery Beat） | 定期タスクを起動し、常に 1 インスタンスのみ実行 | ECS (Fargate) | Cloud Run | Container Apps | Celery Beat on Docker | | メッセージキュー（Message Broker） | Worker が処理するバックグラウンドタスクを配信 | Amazon MQ（RabbitMQ）、またはメモリキャッシュと共用（ElastiCache Redis） | メモリキャッシュと共用（Memorystore Redis） | メモリキャッシュと共用（Azure Managed Redis）、または RabbitMQ on Azure VM | RabbitMQ on Docker | | リバースプロキシ、ロードバランシング | 外部向け HTTPS 入口と TLS 終端 | ALB | Cloud Load Balancing | Container Apps 組み込みの入口（API）、フロントエンドは Azure Front Door 経由 | Nginx（Kubernetes デプロイでは Traefik または Cilium Gateway） | | MaiAgent Admin フロントエンド | MaiAgent 管理プラットフォーム | S3 + CloudFront | GCS+Google Cloud CDN | Storage Account 静的 Web サイト + Azure Front Door | Nginx + Static Files on Docker | | MaiAgent Web Chat フロントエンド | MaiAgent Web チャット画面 | S3 + CloudFront | GCS+Google Cloud CDN | Storage Account 静的 Web サイト + Azure Front Door | Nginx + Static Files on Docker | | リレーショナルデータベース(RDB) - PostgreSQL | MaiAgent の各種データを保存 | RDS | Cloud SQL | Azure Database for PostgreSQL Flexible Server（PgBouncer 内蔵） | PostgreSQL on Docker、前段に接続プール PgBouncer を配置 | | ベクトルデータベース(Vector DB) - Elasticsearch | RAG、メモリ機能に必要なベクトルを保存（ナレッジベースでは[独自のベクトルデータベース](/tech/ja/platform-development/bring-your-own-vector-db.md)も利用可能） | Elasticsearch | Elasticsearch | Elasticsearch on Azure VM | Elasticsearch on Docker（Kibana 付属） | | ストレージ(Storage) | アップロードしたファイル、静的ドキュメントを保存 | S3 | GCS | Azure Blob Storage | Garage on Docker（新規インストールのデフォルト。既存環境は MinIO を継続使用） | | メモリキャッシュ(Memory Cache) - Redis | API キャッシュ。一部のクラウド構成ではメッセージキューも兼用 | ElastiCache | Memorystore | Azure Managed Redis | Redis on Docker | * **AWS、GCP、Azure 列**は、各クラウドのマネージドサービスで構築する構成で、MaiAgent が Terraform でデプロイ・運用します。他のクラウドのマネージドサービスの組み合わせはプロジェクトごとに評価しますので、MaiAgent 担当者にお問い合わせください。クラウド仮想マシンにデプロイパッケージをインストールすることもできます（右端の列と同じ構成）。 * **仮想マシン、オンプレミス列**では、バックグラウンドジョブの監視画面（Flower）もデプロイします。デプロイパッケージのオプションには、ローカルモデルサービス（vLLM、GPU が必要）、オフライン音声認識、リアルタイム音声（LiveKit）、Code Interpreter サンドボックス（Docker デプロイのみ）、Ask AI（MCP Server）、監視（VictoriaMetrics、VictoriaLogs、Grafana）があります。 * デプロイ形態とホスト仕様は[デプロイ形態と機能の比較](/tech/ja/platform-development/onprem-deployment-types.md)および[システム要件](/tech/ja/platform-development/system-requirements.md)をご覧ください。 ## モデルサービス **MaiAgent** プラットフォームは、「**クラウド API 推論サービス」**與「\*\*自社 GPU 環境」\*\*の両方に対応するように設計されています。 * **クラウド API 推論サービス**では、MaiAgent が各種 LLM、Embedding、Reranker API に直接接続します。迅速に拡張して変動するトラフィックに対応でき、実験や素早い導入が容易です。 * **自社 GPU モード**では、MaiAgent がローカルやプライベートデータセンターに配置されたモデルサービスに接続します。GPU リソースを十分に活用して推論を最適化し、データのプライバシーとコンプライアンスを確保できます。 ユーザーは要件に応じて柔軟性とコストのバランスを調整し、2 つの方式を切り替えたり、組み合わせたりできます。**MaiAgent** は推論とサービス管理を統一するレイヤーとして機能します。 |


| クラウド API 推論サービス | 自社 GPU | | -------------------- | ------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------- | | MaiAgent プラットフォームの対応 |

AWS Bedrock
Google Vertex AI
Azure
OpenAI、Anthropic、Cohere
OpenAI 互換 API（OpenRouter、Groq、xAI など）

|

NVIDIA GPU を搭載したサーバーの例：
HPE（Hewlett Packard Enterprise）
Advantech（アドバンテック）
Cisco（シスコ）
Dell（デル）

| | モデルの能力 |

クローズドソースモデル：高い
オープンソースモデル：自社 GPU と同じ

| 公開されるオープンソースモデルによって異なります | | 速度 | モデルとプロバイダーによって異なります | モデル、GPU 仕様、同時リクエスト数によって異なります | | 導入・運用コスト |

Token API 料金
(pay-as-you-go)

|

機器費用

データセンター費用

機器とモデルの運用保守にかかる人件費

機器の減価償却

| | 同時リクエスト数 | クラウドサービスプロバイダーの対応状況によって異なります | GPU の仕様、台数、モデルによって異なります。MaiAgent に評価をご相談ください | | データセキュリティ | データを学習に使用しないことを約束するクラウドサービスプロバイダー（AWS, GCP, Azure）を利用します | 高い機密性と最高水準の安全性 | | 個人情報の問題 | DLP Server またはサービスで個人情報を除去します | ありません | 組織で利用できるクラウドモデルは、ユーザーマニュアルの[モデル利用権限](https://docs.maiagent.ai/org/model-access)をご覧ください。自社 GPU を利用する場合、ホスト上で実行できるモデルと推奨 GPU は [GPU 計算ハードウェアの計画](/tech/ja/platform-development/gpu.md)、ホスト仕様は[システム要件](/tech/ja/platform-development/system-requirements.md)、接続方法は[オンプレミスモデルサービスの接続](/tech/ja/platform-development/onprem-model-services.md)をご覧ください。 ## プラットフォームのデプロイ環境 開発、テスト、本番導入の各段階でお客様の要件に対応するため、当社のソフトウェアプラットフォームは複数の環境階層を提供しています。これにより、開発から本番稼働までの各工程を適切に検証・管理できます。 ### 環境構成 当社のプラットフォームは業界のベストプラクティスに従い、お客様の要件に応じて以下の環境を柔軟に提供します。 | 環境名 | 備考 | 主な用途 | 特徴 | | ---- | ---------------------------- | ----------- | ------------------------------------------------------ | | PROD | 銀行内 | 本番環境 | 実データを使った正式な外部向けサービスで、高い安定性と安全性が求められます。 | | UAT | 銀行内 | ユーザー受け入れテスト | お客様や業務部門が受け入れテストを行い、システム機能が要件を満たすことを確認します。本番環境に近い構成です。 | | SIT | 銀行内（内部システムへの接続が必要になる場合があるため） | システム結合テスト | 実データに近いテストデータを使い、各モジュールやサービス間の連携と互換性を検証します。 | | DEV | 付加価値機能は銀行外で開発し、速度を向上 | 開発・テスト環境 | 開発者が模擬データでプログラム開発や単体テストを行います。更新頻度が高く、エラーを許容します。 | ### 環境の組み合わせ お客様はプロジェクトの要件に応じて適切な環境の組み合わせを選択できます。例えば、以下の構成があります。 * **PROD のみ**：小規模プロジェクトや単純な本番導入に適しており、本番環境に直接デプロイします。 * **PROD + UAT**：受け入れテストが必要なプロジェクトに適しており、機能が要件を満たすことを確認してから本番導入します。 * **全環境の組み合わせ（DEV + SIT + UAT + PROD）**：大規模または複雑なプロジェクトに適しており、開発、結合テスト、受け入れの全工程を実施します。 お客様の要件に応じて柔軟に構成し、コストと品質の最適なバランスを確保します。 ### 環境の分離方法 プライベートクラウドやオンプレミスにデプロイパッケージでインストールする場合、**各環境は独立したインストール**です。それぞれに固有のデプロイ設定（設定内の環境識別子は dev、staging、uat、prod で、上表の SIT は通常 staging に対応します）があり、個別のホストまたは Kubernetes クラスターにインストールします。データベース、オブジェクトストレージ、検索インデックス、キー、証明書は共有しません。環境間にプラットフォームレベルのデータ同期はありません。テスト環境で調整した設定を本番環境に移す場合、スキルは管理画面のスキルパッケージのエクスポート・インポートを利用できますが、Agent 設定とナレッジベースのドキュメントは本番環境で再作成・アップロードする必要があります。 * **ホスト**：本番環境には専用ホストまたはクラスターを推奨します。DEV と SIT は 1 台のホストを共有できますが、別々のインストールに分ける必要があります（デプロイディレクトリとポートまたはドメインを分けます）。 * **ネットワーク**：各環境に固有のドメイン（または IP とポート番号）と TLS 証明書を用意します。SIT が内部システムに接続する場合、ファイアウォールはその環境のホストのみを許可します。 * **モデルサービス**：同じモデルサービスを共有することも（例：1 台の GPU ホストで複数の環境を提供）、各環境でクラウドモデルに接続することもできます。 * **アカウントと権限**：各環境のユーザーアカウントとロールは独立して設定します。SSO または LDAP の ID 同期による一元管理を推奨します。 * **本番移行**：まず UAT で新バージョンにアップグレードし、受け入れテストを行ってから、本番環境のアップグレード日時を設定します。手順は[バージョンとアップグレード](/tech/ja/platform-development/onprem-versioning-and-upgrades.md)をご覧ください。 SaaS の環境階層は MaiAgent が運用するため、お客様で準備する必要はありません。SaaS でテスト用途と本番用途を分ける場合は、別々の組織を使用してください。 --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://docs.maiagent.ai/tech/ja/platform-development/gai-lan.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.