Amazon_Bedrock_AgentCore_の概要_-_Slidev.pdf

Transcript

1. Amazon Bedrock AgentCore の 概要 エンタープライズグレードのAI エージェントを構築・運用するための包括的プラットフォーム 技術解説 | 2025
2. AgentCore とは？ プロトタイプから本番環境への橋渡し 多くの企業がAI エージェントのPoC 開発に成功するも、本番環境への移行で課題に直面 フレームワーク・モデル非依存 LangGraph 、CrewAI 、Strands Agents など、任意のフレームワークで動作 Amazon Bedrock 以外のモデルも利用可能 エンタープライズグレードのインフラ スケーラビリティ、セキュリティ、可観測性を標準装備
3. AgentCore の7 つのコアサービス 実行環境 Runtime - サーバーレス実行環境 Gateway - API/ ツール統合 Identity - 認証・認可管理 機能拡張 Memory - 短期・長期記憶管理 Tools - コードインタプリタ/ ブラウザ Observability - 監視・トレーシング Evaluations - エージェント評価
4. AgentCore Runtime - アーキテクチャ 主要機能 コンテナベース実行 Docker イメージを自動生成・デプロイ Amazon ECR に自動プッシュ セッション分離 各セッションは専用のmicroVM で実行 CPU 、メモリ、ファイルシステムが完全分離 自動スケーリング 需要に応じて自動的にスケールアップ/ ダウン 最大8 時間の長時間実行に対応 セッション状態 Active - リクエスト処理中 Idle - 待機中（コンテキスト保持） Terminated - 終了 15 分間の非アクティブ 8 時間の最大実行時間到達 ヘルスチェック失敗
5. Runtime - デプロイの実装例 from bedrock_agentcore import BedrockAgentCoreApp from strands import Agent from strands.models import BedrockModel # AgentCoreアプリケーションの初期化 app = BedrockAgentCoreApp() # LLMモデルの設定 model = BedrockModel( model_id="us.anthropic.claude-3-7-sonnet-20250219-v1:0" ) # エージェントの作成 agent = Agent( model=model, tools=[calculator, weather], system_prompt="You're a helpful assistant." ) # エントリーポイントの定義 @app.entrypoint def agent_handler(payload): user_input = payload.get("prompt") response = agent(user_input)
6. Runtime - プロトコルサポート HTTP 用途: 従来のリクエスト/ レスポンス パターン MCP 用途: ツール/ エージェントサーバー A2A 用途: マルチエージェントシステム ストリーミング対応 # RESTful API POST /invocations Content-Type: application/json { "prompt": "Hello" } # Model Context Protocol POST /mcp # ツール呼び出し # 機能発見 # リソース操作 # Agent-to-Agent # エージェントカード # マルチエージェント通信 # 自動発見 # SSE (Server-Sent Events) レスポンス Content-Type: text/event-stream data: {"event": "partial response 1"} data: {"event": "partial response 2"} data: {"event": "final response"}
7. AgentCore Memory - 記憶システム 短期記憶 (Short-term) スコープ: 単一セッション内 用途: ターンバイターンの会話履歴 保存方法: イベントとして保存 長期記憶 (Long-term) スコープ: 複数セッションを横断 用途: ユーザー設定、重要な事実 抽出戦略: SEMANTIC - 事実情報 USER_PREFERENCES - ユーザー設定 SUMMARY - 会話要約 CUSTOM - カスタムロジック メモリアーキテクチャ 1. 会話ストレージ → 2. 戦略処理 → 3. 情報抽出 → 4. 構造化保存 → 5. セマンティック検索 # 例: 会話の継続 User: "シアトルの天気は？" Agent: "晴れです" User: "明日は？" # コンテキストを保持 Agent: "シアトルの明日の天気は..."
8. Memory - 実装例 from bedrock_agentcore.memory import MemoryClient from bedrock_agentcore.memory.constants import StrategyType # Memory クライアントの初期化 client = MemoryClient(region_name="us-west-2") # メモリ戦略の定義 strategies = [ { StrategyType.USER_PREFERENCE.value: { "name": "CustomerPreferences", "description": "顧客の嗜好を記録", "namespaces": ["support/customer/{actorId}/preferences"] } }, { StrategyType.SEMANTIC.value: { "name": "SemanticFacts", "description": "会話から事実を保存", "namespaces": ["support/customer/{actorId}/semantic"] } } ]
9. AgentCore Identity - 認証・認可 Inbound Auth ( 入力認証) 誰がエージェントを呼び出せるか AWS IAM (SigV4) AWS 認証情報による検証 OAuth 2.0 外部ID プロバイダー統合 Cognito, Okta, Entra ID 対応 Outbound Auth ( 出力認証) エージェントが何にアクセスできるか ユーザー委任モード ユーザーの認証情報で動作 自律モード サービスレベル認証情報 対応サービス: Slack, Zoom, GitHub AWS サービス カスタムAPI # OAuth設定 { "discoveryUrl": "https://...", "allowedAudiences": ["app1"], "allowedClients": ["client123"] } # トークン管理（自動） # - 認証フロー処理
10. AgentCore Gateway - ツール統合 API/ サービスをMCP 互換ツールに変換 対応するターゲット: AWS Lambda 関数 OpenAPI 仕様 Smithy モデル 既存のMCP サーバー 認証オプション: IAM-based (SigV4) OAuth 2LO (2-legged) API キー 認証なし（非推奨） # Lambda ツールの設定例 lambda_target_config = { "mcp": { "lambda": { "lambdaArn": "arn:aws:lambda:...", "toolSchema": { "inlinePayload": [{ "name": "get_order", "description": "注文情報取得", "inputSchema": { "type": "object", "properties": { "orderId": {"type": "string"} }, "required": ["orderId"] } }] } } } }
11. Built-in Tools - コード実行とブラウザ Code Interpreter 安全なサンドボックスでコード実行 Browser Tool Web サイトとの安全な対話 from strands_tools.code_interpreter import \ AgentCoreCodeInterpreter # ツールの初期化 code_tool = AgentCoreCodeInterpreter( region="us-west-2" ) agent = Agent( tools=[code_tool.code_interpreter], system_prompt=""" 計算が必要な場合は、 Pythonコードを書いて検証してください。 """ ) # 使用例 response = agent( from strands_tools.browser import \ AgentCoreBrowser # ブラウザツールの初期化 browser_tool = AgentCoreBrowser( region="us-west-2" ) agent = Agent( tools=[browser_tool.browser] ) # 使用例 response = agent(""" AgentCoreのサービスは何ですか？ ドキュメントを参照してください: https://docs.aws.amazon.com/... """)
12. Observability - 監視とトレーシング OpenTelemetry 互換のテレメトリー Traces 完全な会話コンテキスト 複数のエージェント呼び出しを 含む 最上位のコンテナ Requests 単一のリクエスト/ レスポンスサ イクル 各エージェント呼び出し トレース内に複数存在可能 Spans 離散的な作業単位 ツール実行、API 呼び出し 処理ステップ 正確なタイムスタンプ 自動記録される指標: セッション数、レイテンシ、期間、トークン使用量、エラー率 Trace 1 (会話全体) ├── Request 1.1 (最初の質問) │ ├── Span 1.1.1 (初期化) │ ├── Span 1.1.2 (ツール呼び出し) │ └── Span 1.1.3 (レスポンス生成) ├── Request 1.2 (フォローアップ) │ ├── Span 1.2.1 (コンテキスト読み込み) │ └── Span 1.2.2 (処理) └── Request 1.N
13. ユースケース例 マルチエージェントシステム 旅行予約システム: コーディネーター、フライト予約、ホテル予約エージェントが並列実行 データ分析 会計データの異常検出、可視化、クリーニングを自動化 顧客サポート 社内ナレッジベース、Salesforce チケット、複雑な財務質問への対応 コード支援 自動コーディング、コードレビューエージェント
14. まとめ AgentCore の価値 ✅ 開発の加速 インフラ構築が不要 フレームワーク・モデル非依存 ✅ エンタープライズ対応 セキュリティ・スケーラビリティ標準装備 完全なオブザーバビリティ ✅ モジュラー設計 必要なコンポーネントのみ選択可能 段階的な導入が可能 次のステップ 1. プレビュー版を試す AWS コンソールで "AgentCore" を検索 2. スターターキットで学習 pip install bedrock-agentcore agentcore deploy 3. サンプルを探索 GitHub: awslabs/amazon-bedrock-agentcore- samples 4. GA ( 一般提供) を待つ 本番環境への展開準備
15. 参考資料 公式ドキュメント AWS Bedrock AgentCore Developer Guide https://docs.aws.amazon.com/bedrock-agentcore/ GitHub リポジトリ Amazon Bedrock AgentCore Samples https://github.com/awslabs/amazon-bedrock-agentcore-samples 技術記事 Rackspace Technology: Amazon Bedrock AgentCore Review Medium: AWS Bedrock AgentCore Deep Dive by Joud W. Awad Caylent: Redefining Agent Infrastructure 動画 YouTube: Amazon Bedrock AgentCore Tutorial (codebasics) AWS re:Invent: Building agents with Amazon Bedrock AgentCore