DevOps × AI Agent Hackathon

DevOpsサイクルとしての紫苑

「プロトタイプは作れるが実運用まで持っていけない」という課題に対し、本体データを守ったまま Cloud Run 上で実際に動かし続けるためのループを持っています。

必須技術の充足状況

Google Cloud アプリケーション実行

Cloud Run（API / Web 分離）

cloudbuild.yaml / .api / .web, scripts/deploy_cloud_run*.sh

Google Cloud AI 技術

Gemini API + ADK (Agent Development Kit)

api/shion_agent.py — LlmAgent + Runner + ツール自律呼び出し

Cloud Run 上で生まれたデータは、無条件に本体DBへ書き戻しません。デモ/本番を分離し、隔離DBでの人間承認を経てから初めて昇格します。

Step 1

企画・開発

ローカルで run_next_stable.sh を使い、Next.js + FastAPI を起動して開発する

Step 2

ビルド

Cloud Build（cloudbuild.yaml / .api / .web）でコンテナイメージを作成する

Step 3

デプロイ

Cloud Run へ API / Web を分離してデプロイする

Step 4

デモ/本番分離

CLOUDRUN_DATA_MODE=demo で demo.db のみを使い、本体DBには接続しない

Step 5

事前チェック

check_cloudrun_demo_readiness.py でデプロイ直前の状態を確認する

Step 6

検疫

Cloud Run上の入力はGCSイベント経由で隔離DB（cloudrun_experience_return.db）へ帰還させる

Step 7

人間承認

/cloudrun-return-review で隔離DB内のデータを人が確認・承認する

Step 8

昇格 → 次サイクルへ

承認済みデータだけを promote_cloudrun_return_data.py --apply で demo.db へ昇格し、次回開発の改善材料にする

本体 data/lease_data.db を昇格先にする場合は、別途明示指定と安全確認が必要です。この分離のおかげで、ハッカソン期間中の入力で審査データベースが壊れる事故を防いでいます。