🤖

Hobot 小学生の「考える力」を育てる宿題コーチロボット - 第4回 Agentic AI Hackathon

に公開
gch4
idea

Hobot 小学生の「考える力」を育てる宿題コーチロボット - 第4回 Agentic AI Hackathon with Google Cloud 参加作品

はじめに

本記事は、第4回 Agentic AI Hackathon with Google Cloud の参加作品

Hobot 小学生の「考える力」を育てる宿題コーチロボット（サービス未公開）
　
の紹介記事です。

Google Vertex AIを中心としたAIエージェント開発エコシステムを活用して自身が日頃向き合っている課題解決を目指しました。

課題と今回の取り組み

平日の夜7時、親子が宿題をめぐって口論しています。小学2年生が泣き、親は苛立ち、双方とも疲弊している――観察すれば、こうした光景は決して珍しくありません。

私も、共働き世帯の2児の父として「叱ることにメリットはひとつもない」と分かりつつも叱ってしまうことに罪悪感と無力感を感じています。

世界中の親が直面している「小学生との宿題バトル」問題をAIエージェントを使って解決できないかと考え、
宿題のコーチロボットサービスを開発しました。

紹介動画

https://youtu.be/fRB-OIbLA6o

問題の構造分析

厚生労働省の調査によれば、共働き世帯は全体の68.5%を占めています。両親が働く家庭において、平日夜の時間は極めて限られたリソースです。仮に帰宅が18時、就寝が21時とすれば、可処分時間は3時間。食事、入浴、翌日の準備を差し引けば、親子の自由な時間は実質1時間程度。

この貴重な1時間が「宿題」という避けられないタスクによって消費されます。本当の問題は、このタスクが高確率で親子間の衝突を引き起こす点にあります。

構造的な要因:

  1. 親の教育スキル不足: 多くの親は教育の専門家ではありません
  2. 双方の疲労: 親も子も一日の終わりで認知資源が枯渇しています
  3. 時間的プレッシャー: 「早く終わらせなければ」という焦りが冷静さを奪います

結果として、本来は親子の関係性を深める時間が、むしろ関係性を損なう時間になってしまっています。

技術的に可能な解決策

AIエージェントを活用することによって**「親子の時間をよりよくする」**というテーマに立ち向かおうと考えました。

宿題コーチロボットは、Google ADK（Agent Development Kit）とGemini Live APIを用いた音声エージェントシステムです。対象は小学校低学年（1〜3年生）。設計思想はシンプルで、

  • 「答えを教えない」
  • 「子供自身が思考するプロセスを支援する」

という2点に集約されます。

親の役割は教師ではなくサポーター・観察者になります。AIが教育的対話を担当し、親は子供が自力で解決した瞬間を共有することで、親子の時間をより良いものにするためのサポートを目指します。

AIの優位性:

  • 反復耐性: 同じ質問に対して感情的な反応を示しません
  • 適応的介入: 音声解析により子供の感情状態を推定し、支援レベルを調整します
  • 段階的ヒント提供: ソクラテス式対話により、答えではなく思考の道筋を示します
  • 認知負荷の分散: 親は教育タスクから解放され、感情的支援に専念できます

重要なのは、その時間が衝突ではなく協調・信頼の上に成り立っているという点です。

5つの技術的チャレンジと解決策

本プロダクトはGoogle AI エージェントハッカソンへの提出作品として開発しました。開発期間約2週間で、以下の技術課題を解決しています。

1. LLMのハルシネーション問題への対処

課題: 計算検証をプロンプトのみで行うと、LLMのハルシネーションにより不正確な結果になる

解決策: ADK Function Toolsで5つの専用ツールを実装

  • calculate_tool: 計算検証（LLM幻覚の排除）
  • manage_hint_tool: 3段階ヒントシステムの状態管理
  • check_curriculum_tool: 学年別カリキュラム参照
  • record_progress_tool: 学習プロセスのポイント付与
  • analyze_image_tool: Gemini Visionによる宿題画像分析

2. 教科ごとの最適化

課題: 単一エージェントでは、算数と国語で異なる指導戦略を使い分けることが困難

解決策: マルチエージェント構成

  • Router Agent（振り分け）
  • Math Coach Agent（算数専門）
  • Japanese Coach Agent（国語専門）
  • Encouragement Agent（励まし・休憩提案）
  • Review Agent（復習・振り返り）

ADK AutoFlowにより、子供の入力を分析して最適な専門エージェントに自動委譲します。

3. 過去の学習履歴の活用

課題: キーワードベースの検索では、意味的に関連する過去の学習内容を見つけられない

解決策: Vertex AI Memory Bank統合

  • LLMが対話履歴から「事実」を自動抽出
  • セマンティック検索により、過去の学習パターンを活用
  • Review Agentが個別化された対話を生成

4. 子供の感情状態への適応

課題: イライラしている子供に通常のペースで進めると、学習意欲を損なう

解決策: 感情適応エージェント

  • Router Agentが毎ターン感情状態を分析
  • update_emotion_toolで記録（frustration, confidence, fatigue, excitement）
  • 感情ベースルーティング（高frustration → 励ましエージェントに委譲）

5. スケーラブルなデプロイメント

課題: Cloud Runに直接デプロイしたエージェントは、スケーリングやモニタリングの設定を自前で管理する必要がある

解決策: Vertex AI Agent Engine デプロイ

  • マネージドなエージェント実行環境
  • セッションファクトリパターンで段階的移行をサポート
  • TerraformによるIaC管理

アーキテクチャ

システム全体構成

技術スタック

フロントエンド:

  • Next.js 16 (App Router) + Bun + Biome + Jotai + Vitest

バックエンド:

  • FastAPI + Google ADK + Gemini Live API + uv + Ruff + pytest

インフラストラクチャ:

  • Google Cloud Run + Terraform + Vertex AI Agent Engine

AI/ML:

  • Gemini Live API（リアルタイム音声対話）
  • Vertex AI Memory Bank（セマンティック記憶）
  • Gemini Vision（画像認識）

実装規模

  • 開発期間: 2026年1月31日 〜 2月15日（約2週間）
  • 総テスト数: 1,169テスト
    • Backend: 548テスト（カバレッジ90%）
    • Frontend: 621テスト（56テストファイル）
    • E2E: 9テストファイル
  • 開発手法: TDD（Red-Green-Refactor）
  • インフラ: Terraform

現状の課題と今後の展望

子供のインフルエンザ罹患２連チャンという心が挫けそうなイベントがある中で、
やりたくてもやりきれなかったことが沢山あります。

特に我が子に見せた時に1,2回目の反応はとても良かったのですが、
それ以降は飽きてしまいました。
子供に飽きさせないという究極の課題に今後取り組んでいきたいです。

  1. 音声ストリーミングのAgent Engine移行: レイテンシ削減で対話の自然性向上
  2. 保護者向けダッシュボード: BigQueryによる学習パターン分析と可視化
  3. ゲーミフィケーション: 行動経済学的なナッジで継続率向上
  4. A/Bテスト環境: プロンプト・ヒント戦略の定量的最適化
  5. カスタム音声感情認識モデル: Vertex AI AutoMLで児童向けモデル構築
  6. 3Dモデルを使った可愛い・かっこいいキャラクター表現: 子供が見ていて楽しい、愛着が持てるキャラクターはBlenderでモデリング・Three.jsなどのライブラリでサービスに導入

まとめ

宿題コーチロボットは、共働き世帯における時間効率の最適化を目的としたAIエージェントシステムです。

技術的実装:

  • ✅ ADK Function Tools（LLM幻覚の排除）
  • ✅ マルチエージェント構成（教科別最適化）
  • ✅ Vertex AI Memory Bank（個別化）
  • ✅ 感情適応エージェント（音声解析ベース）
  • ✅ Agent Engineデプロイ（スケーラブル）
  • ✅ フルスタックTDD（1,169テスト、カバレッジ90%）

実用的な価値:

  • 親は教育タスクから解放され、褒めること に専念できます
  • ソクラテス式対話により、子供の思考プロセスを育成します
  • 衝突の頻度を減少させ、協調的な時間配分を可能にします

親子関係という複雑なシステムに介入する以上、慎重な設計とデータによる検証が必要です。今後もユーザーフィードバックを収集し、定量的に改善を続けていきます。

本プロダクトは、AIエージェント技術の実用的な応用例の一つに過ぎず、
先述の通り数多くの改善点があることは自覚しています。
今後も「親子の時間をより良くする」ためにAIを活用していくサービスづくりを続けていきます。

リポジトリ: https://github.com/arakitakashi/homework-coach-robo

最後に

今回このような機会をくださったこと大変感謝しております。
特にGoogle様によるハンズオンにはほとんど参加させていただき特にLive APIの実装は大いに参考にさせていただきました。
今後もGoogle CloudのAIエージェントプラットフォームの進化を楽しみにしております。

Discussion