ANTIGRAVITY LABEN
記事一覧/Agents & Manager
Agents & Manager/2026-05-22上級

Antigravity Agent のフォールバック階層設計 — モデル劣化・API障害・コスト超過を 4 段で受け止める Resilience アーキテクチャ

AI エージェントの本番運用で起きる『モデル応答劣化・API障害・コスト超過』を 4 段階のフォールバック階層で受け止める設計を、6 アプリ並行運用の実装ログとともに整理しました。

antigravity436agents90resilience7fallback2production59slo3

プレミアム記事

2014 年から個人で iOS / Android アプリを 60 本以上リリースしてきましたが、Antigravity の AI エージェントを 6 アプリ並行で常時稼働させはじめてから、「単一のフォールバック」ではどうしても止まる場面が出てくることに気づきました。Gemini 3 Pro Thinking のレート制限が突発的に上がる日、Crashlytics の取り込み API が 30 分単位で詰まる日、そして決算月に AdMob 連動の最適化エージェントがコスト天井へ近づく日 — それぞれ性質が違うのに、リトライ+単一の代替モデル切替だけでしのごうとすると、必ずどこかで詰まります。

このまま運用を続けると、エージェントが落ちている時間がアプリの収益を直撃します。累計 5,000 万 DL を支えてくれているユーザーに対して、AI まわりの不安定さで広告配置や IAP オファーが歪むのは、私の責任です。そこで腰を据えて設計し直したのが、本記事で整理する 4 段階フォールバック階層 (Tier 0〜3) です。Burn-Rate SLO・コスト上限・モデル健康度の 3 軸を組み合わせて、どの階層で受け止めるかを自動判定します。

なぜ「単一フォールバック」では運用が止まるのか

最初の半年は、私も「プライマリで失敗したら 1 回だけセカンダリへ切り替える」というシンプルな構成にしていました。コードで言うと try { primary() } catch { secondary() } のような形です。これで稼げる安定性は、私の体感では月次の可用性で 99.0% 前後が限界でした。

止まる場面は 3 タイプに分かれます。1 つ目はモデル品質の漸進的劣化で、明示的なエラーは返ってこないのに「応答に微妙なズレや空回りが増える」状態。2 つ目は API 側の局所障害で、特定リージョンや特定エンドポイントが 10〜30 分単位で詰まる現象。3 つ目はコスト超過で、月末に向けて使用量が想定を超え、このままだと予算を食い切るパターン。単一フォールバックはこの 3 タイプに対して「セカンダリへ全切替」という同じ処方しか持っていないので、コスト超過時にセカンダリ(より高い同等モデル)へ逃げてしまうと事態が悪化します。

ここから学んだのは、フォールバック設計には「降格の方向性」と「降格の理由」を分離する必要があるということです。理由 (Burn-Rate, Cost Cap, Health Degradation) に応じて、移行先の階層を変える必要があります。

4 階層フォールバックの全体像 (Tier 0〜3)

私が本番運用している階層は、次の 4 段で構成されています。Tier 0 が通常運用、Tier 3 が最終防衛線です。

  1. Tier 0 — Primary: Antigravity 上の Gemini 3 Pro Thinking。通常時はここで動作。
  2. Tier 1 — Degraded: Gemini 3 Flash + プロンプト圧縮 + コンテキスト縮約。レート制限・軽度の劣化検知時。
  3. Tier 2 — Local Fallback: Antigravity ローカルの Gemma 4 (gemma-4-12b 量子化版)。外部 API が完全断、または重大な劣化検知時。
  4. Tier 3 — Cached/Static: 過去応答のセマンティックキャッシュ+固定フォールバック応答。最終手段。

階層は「より少ない外部依存」「より低い品質」「より低いコスト」へ降りていきます。Tier 2 までは AI 推論を維持しますが、Tier 3 では推論を完全に放棄して既知の応答を返す設計です。これは「最低限のユーザー体験を返す」ことを最優先するためで、Crashlytics の毎朝のトリアージのように「無応答よりも 95% の精度で答えが出る方がマシ」という状況で機能します。

ここまでお読みいただきありがとうございます。

この記事の続きを読む

この先には、実装コードやベンチマーク結果など、実務でお役に立てる内容をご用意しています。このサイトは広告を掲載しておらず、サーバーや開発にかかる費用はメンバーの皆様のご支援で成り立っています。もしお役に立てていましたら、ご支援いただけますと大変ありがたいです。

この記事で得られること
Tier 0〜3 の階層遷移ロジックを TypeScript の判定コードとして実装する具体パターン
Burn-Rate SLO・コストキャップ・モデル健康度を組み合わせた階層降格判定の閾値設計
6 アプリ並行運用で 24 ヶ月間に Tier 1 以下へ落ちた回数とその原因分析(実数値)
Stripe による安全な決済 · いつでもキャンセル可能

この記事を購入する

この先の内容をすべてお読みいただけます。一度のご購入で、いつでも何度でもアクセスできます。このサイトは広告を掲載しておらず、皆さまのご支援がサーバー費用などの運営を支えています。

または
メンバーシップなら全記事が読み放題 →
シェア

お読みいただきありがとうございます

Antigravity Lab は広告なしで運営しており、サーバー費用などの運営コストはメンバーシップのご支援で賄っています。実装コード・ベンチマーク・本番設計パターンなど、実務でお役立ていただける記事を毎日更新しています。もし読んでよかったと感じていただけましたら、ぜひご覧ください。

  • コピー&ペーストで使える実装コード付き
  • 毎日新しい上級ガイドを追加
  • ¥580/月 または ¥1,480 の永久アクセス
メンバーシップを見る →

関連記事

Agents & Manager2026-05-11
AI エージェントのカナリアデプロイと自動ロールバック — Antigravity と Burn-Rate SLO で本番を守る
AI エージェントの新バージョンを Antigravity 上でカナリアデプロイし、Burn-Rate SLO で自動ロールバックする実装パターン。個人開発でも回せる軽量運用のコード例付きで詳しく書きました。
Agents & Manager2026-04-24
Antigravity エージェントの SRE を始める — SLO とエラーバジェットで『AIは気まぐれ』を本番運用に落とし込む
AI エージェントは確率的に動く以上、SRE の考え方なしに本番運用はできません。SLI/SLO/エラーバジェットを Antigravity エージェントにどう適用するか、実装コードと運用判断基準まで踏み込んで解説します。
Agents & Manager2026-04-13
Antigravity AIエージェント耐障害性設計 — リトライ・サーキットブレーカー・フォールバックで本番を守る
Antigravityで構築するAIエージェントに耐障害性を組み込む実践ガイド。リトライ戦略、サーキットブレーカー、モデルフォールバック、チェックポイント設計まで本番運用に必要な全パターンを網羅する。
📚RECOMMENDED BOOKS
大規模言語モデル入門
山田育矢
LLM開発
生成AIプロンプトエンジニアリング入門
我妻幸長
プロンプト
Claude CodeによるAI駆動開発入門
平川知秀
AI駆動開発
※ アフィリエイトリンクを含みます
もっと見る →