Amazon_Bedrock_AgentCoreを使ってみよう！ ~各種機能のポイントを解説~

by Yudai Jinno

Slide 1

Slide 1 text

Amazon Bedrock AgentCore を使ってみよう！〜各種機能のポイントを解説〜神野雄⼤（Jinno Yudai）クラウド事業本部コンサルティング部 Solutions Architect

Slide 2

Slide 2 text

⽬次 2 ● ⾃⼰紹介 ● Amazon Bedrock AgentCoreについて ● Amazon AgentCore Runtime ● Amazon AgentCore Identity ● Amazon AgentCore Gateway ● Amazon AgentCore Built in Tools ○ Code InterPreter ○ Browser ● Amazon AgentCore Observability ● まとめ

Slide 3

Slide 3 text

⾃⼰紹介

Slide 4

Slide 4 text

⾃⼰紹介 4 簡単な⾃⼰紹介をさせていただきます。本⽇はどうかよろしくお願いいたします。名前神野雄⼤（Jinno Yudai）所属 classmethod株式会社クラウド事業本部コンサルティング部ソリューションアーキテクトその他 ● 2025 Japan AWS Top Engineers ● AgentCoreにハマり中！！！ブログはこのアイコンで書いています！推しスーパーはラ‧ムー！！

Slide 5

Slide 5 text

ご共有 5 本⽇の登壇スライドは全量80枚以上あって、説明しきれない箇所もあるかと思うので後⽇ブログで共有いたします！！！！勢いと熱量で少しでも魅⼒を伝えらればと思っています！！！！！！！

Slide 6

Slide 6 text

6 皆さん10⽉に⼀般公開（GA）されたAmazon Bedrock AgentCoreを使っていますか？？ Agent君

Slide 7

Slide 7 text

7 勿体無い！！魅⼒的な機能がいっぱいあるから今から機能説明するよ！！！ Agent君え、触っていないよ‧‧‧機能も多いしなんだか難しそう。私

Slide 8

Slide 8 text

8 まずはAmazon Bedrock AgentCoreの概要から説明しますね！ Agent君

Slide 9

Slide 9 text

Amazon Bedrock AgentCoreについて

Slide 10

Slide 10 text

Amazon Bedrock AgentCore 10 Amazon Bedrock AgentCoreはAIエージェントを展開‧運⽤するために最適なマネージドサービスとなります。10/13に⼀般公開されたサービスとなります。 Amazon Bedrock AgentCore ● AIエージェントのホスティング ○ Strands Agent、LangGraphなど多様なエージェントフレームワークに対応 ● 便利なマネージドサービス ○ AIエージェントを使⽤する上で認証‧ツール連携など便利な機能がマネージドサービスとして提供（IdentityやMemoryなど）

Slide 11

Slide 11 text

Appendix:AIエージェントについて AIエージェントとは、⾃律的に判断‧⾏動できるAIシステムのことです。ユーザーの指⽰を理解し、必要なツールを⾃⾝で計画を⽴てて使いながらタスクを実⾏します。まさに⼈間の代理として計画的に作業を⾏うからエージェントなんですね。私旅⾏会社の⼈今まで AIエージェントを活⽤した結果私 1/1に韓国旅⾏にいきたい 1/1の 13時のフライトはいかがですか？ AIエージェント 1/1に韓国旅⾏にいきたい（⾃分でツール選択&調査した結果） 1/1の13時のフライトはどうですか？調査ツールツール実⾏

Slide 12

Slide 12 text

Appendix:AIエージェントが持つ特性 AIエージェントを特徴づける2つの中核的な特性が、⾃律性と知性です。⾃律性により、エージェントは⼈間の指⽰を待たずに⽬標に向かって⾃ら動き続けることを可能にし、知性により、複雑な状況を理解し、推論し、最適な判断を下すことを可能とします。⾃律性 Success！⾃分⼀⼈で最後までやり遂げる！知性 xxxについて教えて資料によると yyyですこの質問なら、この資料を読んで判断して返事するか必要に応じて外部環境を活用参照

Slide 13

Slide 13 text

Appendix:AIエージェントが持つ特性よく使われているClaude Codeも、まさにAIエージェントの⼀種です。ファイルを読み込み、コードを⽣成‧修正し、テストを実⾏し、エラーを⾃⼰修正する...これらはまさにエージェントの⾃律性と知性の表れです。 AIエージェント Claude Code コーディングエージェント

Slide 14

Slide 14 text

Amazon Bedrock AgentCoreの機能 14 Amazon Bedrock AgentCoreはデプロイするためのRuntime機能をベースに認証機能IdentityなどAIエージェントを開発する上で便利な機能が備わっています。 ● Runtime：ホスティング機能 ● Identity：認証機能 ● Gateway：外部処理のTool化機能 ● Memory：記憶機能 ● Observability：AIエージェントの実⾏ログを可視化 ● Built in tools ○ Code Interpreter：コード実⾏環境 ○ Browser：ブラウザ実⾏環境

Slide 15

Slide 15 text

Amazon Bedrock AgentCoreの機能 15 Amazon Bedrock AgentCoreはデプロイするためのRuntime機能をベースに認証機能IdentityなどAIエージェントを開発する上で便利な機能が備わっています。 Amazon Bedrock AgentCore Identity Gateway Built in tools Memory Runtime Identity

Slide 16

Slide 16 text

16 とっても便利ですよ！はい！まずは基本であるRuntimeから説明しますね！！！ Agent君なるほど‧‧‧AIエージェント開発にとって便利なマネージドサービスなんだね‧‧‧！！それぞれの機能についても教えて！私

Slide 17

Slide 17 text

Amazon Bedrock AgentCore Runtime

Slide 18

Slide 18 text

Amazon Bedrock AgentCore Runtime 18 Amazon Bedrock AgentCore RuntimeはAIエージェントをホスティングするためのマネージドサービスとなります。 Runtime Amazon Bedrock AgentCore ex. Strands Agents Bedrockを使⽤エージェントに質問 Amazon Bedrock

Slide 19

Slide 19 text

Appendix:Strands Agents 19 Strands AgentsはシンプルにAIエージェントが書ける、OSSフレームワークとなります。 Strands Agents たった3⾏で実装可能

Slide 20

Slide 20 text

Amazon Bedrock AgentCore Runtime 20 エージェントフレームワークも⾃由に選択可能ですし、LLMもOpenAIなどもちろん使⽤可能です。 Runtime Amazon Bedrock AgentCore ex. Mastra Azure OpenAIを使⽤エージェントに質問 Azure OpenAI

Slide 21

Slide 21 text

デプロイ準備 21 AIエージェントをStrandsなどで作成して、Stater toolkit CLIのコマンドである agentcore configureでデプロイ⽅法の選択（Zipかコンテナイメージか）、IAM やECR、認証の設定を⾏えます。.bedrock_agentcore.yamlファイルが作成されます。 agentcore confiure Dockerfile .bedrock_ agentcore.yaml ● デプロイ⽅法の選択（Zipかコンテナイメージ） ○ 推奨はZip ● IAMロールの設定（⾃動作成も可能） ● ECRの設定（⾃動作成も可能） ● 認証の設定（デフォルトはIAM） ● メモリーの設定（オプション） .dockerignore コンテナだった場合

Slide 22

Slide 22 text

Appendix:agentcore conﬁgureの実⾏ 22 対話形式で設定可能

Slide 23

Slide 23 text

Appendix:agentcore conﬁgureの実⾏ 23

Slide 24

Slide 24 text

デプロイ 24 conﬁgureコマンド実⾏後はAIエージェントをStrandsなどで作成して、 agentcore launchでデプロイ可能です Amazon Bedrock AgentCore ex. Strands Agents agentcore launch デプロイ！

Slide 25

Slide 25 text

デプロイで実⾏されるプロセス（コンテナ版） 25 このコマンドを実⾏することで裏でコンテナのビルド⾛り、ECRへイメージがプッシュされます。このイメージをAgentCore RuntimeがPullして使⽤します。 Dockerﬁle .bedrock_ agentcore.yaml agentcore launch実⾏時ファイル参照イメージビルド実⾏イメージPush AgentCore Runtime ECR イメージPull .dockerignore CodeBuild ソースコード

Slide 26

Slide 26 text

デプロイで実⾏されるプロセス（Zipアップロード） 26 アップデートがあり、Zipアップロードも可能になりました。コンソールからも同じようにできますが、コマンド上でやるのが依存関係のパッケージなどを読み解いてくれてアップロードしてくれるので便利です。 .bedrock_ agentcore.yaml agentcore launch実⾏時ファイル参照依存関係を⾃動でパッケージングしてZipアップロード AgentCore Runtime ソースコード

Slide 27

Slide 27 text

Zipアップロード VS コンテナ 27 Zipアップロードは250MB以下のパッケージをZIP形式で素早くデプロイでき、更新も⾼速です。⼀⽅、コンテナベースは1GBまでの⼤規模パッケージや特殊な依存関係に対応し、既存のCI/CDパイプラインも活⽤できます。開発フェーズでは直接コードで素早くプロトタイピングし、本番環境ではコンテナへ移⾏するハイブリッドアプローチも有効です。

Slide 28

Slide 28 text

IaCでのデプロイ 28 IaCも対応しています。Starter Toolkitはあくまで、⼊⾨的な⽴ち位置となります。インフラ環境としてAgentCoreを使⽤する場合は、ぜひIaCでの管理も検討ください。Terraform、CDK、CloudFormationが対応しています。⼀部対応しきれていないものもございます。 AgentCore CDK Terraform CloudFormation IaCツール実装デプロイ

Slide 29

Slide 29 text

Appendix:デプロイの実施 2

Slide 30

Slide 30 text

Appendix:デプロイの実施 3

Slide 31

Slide 31 text

呼び出し⽅法 31 デプロイしたエージェントはagentcore invokeコマンドで簡単に呼び出せます。 PythonによるSDKコマンドやCurlなどでももちろん呼び出し可能です。 Amazon Bedrock AgentCore ex. Strands Agents agentcore invoke 呼び出し Bedrockを使⽤

Slide 32

Slide 32 text

Appendix:呼び出し実⾏ 32

Slide 33

Slide 33 text

Appendix:呼び出し実⾏ 33

Slide 34

Slide 34 text

Appendix:呼び出し実⾏ 34 streaming仕様に変えてみます。

Slide 35

Slide 35 text

Appendix:呼び出し実⾏ 35

Slide 36

Slide 36 text

Appendix:GenUからの呼び出し 36 GenUからも作成したエージェントは呼び出せて挙動が確認できます。すでに GenUを使っていて、フロントエンドを作るモチベーションがない場合はお⼿軽でいいかもしれませんね。ただ現時点では実験的な機能になります。

Slide 37

Slide 37 text

Appendix:対応プロトコル 37 現時点で対応しているプロトコルはHTTPS、MCP、A2Aとなります。例えばMCP ServerをAgentCoreにホストして、ローカルのMCP Clientなどから使⽤することも可能です。 MCPクライアント（ex.Claude Desktop） /mcp with アクセストークン Amazon Bedrock AgentCore IdP (ex.Cognito) MCP Server アクセストークン取得

Slide 38

Slide 38 text

38 ノーガードは⼼配ですよね‧‧‧でも⼤丈夫です！ Identity機能を使ってAIエージェントをセキュアにしていきましょう！ Agent君すごい‧‧‧こんなに簡単にデプロイできるんだね！早速試してみる！でも認証とかつけなくて⼤丈夫なのかな‧‧‧？私

Slide 39

Slide 39 text

Amazon Bedrock AgentCore Identity

Slide 40

Slide 40 text

Amazon Bedrock AgentCore Identity 40 Amazon Bedrock AgentCore IdentityはAIエージェントの認証機能を実現するマネージドサービスです。Inbound Auth / OutBound Authの2つ種類が存在します。 Inbound Auth Outbound Auth Runtime Identity IdP (ex.Cognito) リクエスト with アクセストークントークン検証 Runtime Identity Secrets Manager IdP(ex.Cognito) リクエスト可能 API Keyや Secret取得 M2M認証

Slide 41

Slide 41 text

Inbound Auth 41 Inbound AuthはAIエージェント⾃体に対する認証機能です。CognitoやAuth0 などのIdPと連携して認証を実現可能です。 IdP (ex.Cognito) アクセストークン取得 Runtime Identity トークンが有効な場合、実⾏可能リクエスト with アクセストークンアクセストークンを検証

Slide 42

Slide 42 text

Outbound Auth（API Key） 42 Outbound AuthはAIエージェントが外部サービスを呼び出すための認証機能です。 APIキーやOAuth2認証情報をSecrets Managerで安全に管理し、⾃動で取得します。 Runtime リクエスト Identity Secrets Manager Azure OpenAIへリクエスト API Keyを取得 Azure OpenAI リクエスト with API Key

Slide 43

Slide 43 text

Appendix：Outbound Authのコード例 43 デコレーターを使ってAPI Keyを取得可能です。込み⼊った処理を⾃前で実装しなくていいのはありがたいですね。

Slide 44

Slide 44 text

Outbound Auth（M2M） 44 Outbound AuthでMachine to Machine（M2M）認証する場合は下記フローで外部サービスを利⽤するための認証‧認可が実施されます。 Runtime リクエスト with アクセストークン Identity Gateway IdP(ex.Cognito) アクセストークン取得リクエスト with アクセストークンリクエスト with Secret Secrets Manager 取得したSecretを使って Gatewayアクセス⽤のアクセストークンを取得 IdPのSecretを取得リクエスト with Gateway⽤アクセストークン

Slide 45

Slide 45 text

Appendix：Outbound Authのコード例 45 デコレーターを使ってアクセストークンを取得可能です。込み⼊った処理を⾃前で実装しなくていいのはありがたいですね。

Slide 46

Slide 46 text

Appendix：Outbound Authのコード例 46 最初のフローがデコレーターの実装でいい感じに⾃動化されます。嬉しい。

Slide 47

Slide 47 text

組み合わせ 47 Inbound AuthとOutbound Authは併⽤可能です。下記はエージェントは Inbound AuthでCognitoを使⽤し、Azure OpenAIのAPI Keyを使⽤するために Outbound Authを組み合わせた例です。

Slide 48

Slide 48 text

48 AgentCoreなら記憶機能もマネージドサービスで提供されていますよ！！ Memory機能について説明します！ Agent君認証周りをマネージドサービスにオフロードできるのは嬉しいですね。ただ、ユーザーとの会話履歴を持たせる機能を頑張って実装しないと ‧‧‧ 私

Slide 49

Slide 49 text

Amazon Bedrock AgentCore Memory

Slide 50

Slide 50 text

Amazon Bedrock AgentCore Memory 50 Amazon Bedrock AgentCore MemoryはAIエージェントに「記憶」を持たせるためのマネージドサービスです。⼤きく分けてShort-term Memoryと Long-term Memoryの2種類の記憶を管理できます。⾃動抽出

Slide 51

Slide 51 text

Short-term Mermoy 51 Short-term Memoryはセッション中の会話履歴を保持する仕組みです。特段難しい構造でもないので会話履歴を保持するのに扱いやすいです。最⼤で365⽇保存可能となります。 AIエージェント Short-term Memory りんごについて教えて質問履歴を記録 AIエージェント Short-term Memory さっき聞いた質問を教えて質問履歴を取得先ほどはりんごについて質問されていましたよ再度質問取得した記憶からエージェントが回答を⽣成

Slide 52

Slide 52 text

記憶データ構造 52 ユーザー毎にactor_id、セッション毎にsession_idがビルトインの属性で存在するので簡単にユーザー毎の会話履歴を保持可能となります。 memory_id:memory-001 actor_id:user-001 session_001 Q:xxxについて教えて A:YYY actor_id:user-002 session_002 Q:zzzについて教えて A:TTT session_001 Q:DDDについて教えて A:EEE session_002 Q:FFFについて教えて A:XXX

Slide 53

Slide 53 text

Appendix:会話履歴のイメージ 53 ChatGPTやClaudeなどの会話履歴タブがイメージしやすいかと思います。 actor_id：ユーザーの識別の単位 session_id：⼀連の会話履歴の単位

Slide 54

Slide 54 text

Long-term Mermoy 54 Long-term Memoryは、Short-term Memoryから⾃動的に重要な情報を抽出 ‧統合する機能です。抽出されたインサイトはベクトルデータとして保存され、セマンティック検索により関連性の⾼い記憶を効率的に取得できます。 AIエージェント Short-term Memory りんごについて教えて⼤好きなんです。質問履歴を記録 Long-term Memory ⾃動的にベクトル化して抽出 AIエージェント私の好みを教えて UserPreference Memory Strategyを設定好みを取得あなたはりんごが好きですね。

Slide 55

Slide 55 text

Strategy Short-term MemoryからLong-term Memoryへの抽出はStrategyを設定することで簡単に設定できます。actor_idやsession_idでNamespaceを作成して、どういった単位で抽出するかを設定可能です。 55 ● /retail-agent/customer-123/preferences ○ 特定の顧客の好み⽤ ○ UserPreferenceMemoryStrategy ● /retail-agent/product-knowledge ○ ユーザーがアクセスできる共有製品情報⽤ ○ SemanticMemoryStrategy ● /support-agent/customer-123/case-summaries/session-001 ○ 過去のサポートケースの概要⽤ ○ SummaryMemoryStrategy 使⽤例のイメージ

Slide 56

Slide 56 text

使⽤例 56 学習アシスタントエージェントを例に考えてみます。⽇々の会話履歴はShort-term Memoryに保存し、個⼈の苦⼿状況や学習内容のサマリーなどはLong-term Memoryから取得して効果的なアシストを狙います！

Slide 57

Slide 57 text

57 AgentCoreならできますよ！！Gateway機能を説明しましょう！！！ Agent君簡単に会話履歴などの記憶をマネージドサービスにオフロードできるのはすごいですね。Lambda関数をいい感じにAIエージェントのツールとして使えたりしないのかな‧‧？？私

Slide 58

Slide 58 text

Amazon Bedrock AgentCore Gateway

Slide 59

Slide 59 text

Amazon Bedrock AgentCore Gateway 59 Amazon Bedrock AgentCore Gatewayは既存のAPI、Lambda関数、MCP Server、各種サービスをMCP（Model Context Protocol）互換のツールに変換して、AIエージェントから簡単に呼び出せるようにしてくれるサービスです。 Runtime Gateway Smithyモデル Lambda関数 OpenAPI仕様のAPI /mcp ツールとして呼び出し MCPに変換して実⾏ MCP Server

Slide 60

Slide 60 text

例:Lambda関数をMCP Server化 60 ⼀例にはなりますがGatewayがLambda関数をMCPプロトコル対応ツールとして、エージェントから呼び出し可能するための準備を⾏います。 Gateway /mcp ツールとして呼び出し Lambda関数呼び出せるようマッピングを登録 Tools Schema IAMロールには Lambda関数を呼び出せる権限を付与

Slide 61

Slide 61 text

Appendix:Tool Schemaのイメージ 61

Slide 62

Slide 62 text

Lambda関数をMCP Server化 62 GatewayがLambda関数をMCPプロトコル対応ツールとして、エージェントから呼び出し可能にします。

Slide 63

Slide 63 text

Lambda関数をMCP Server化 63 注⽂エージェントを例にとると下記のようにツールとしてLambda関数を利⽤できます。

Slide 64

Slide 64 text

Semantic Search（セマンティック検索）は、Gatewayが提供するインテリジェントなツール検索機能です。使⽤するツールが増加した際に適切なツールを⾒つけるための便利機能です。Gatewayが中央集権的にMCPツールを管理するからこそこの機能は便利ですよね。 Semantic Search機能 64 引⽤：https://catalog.us-east-1.prod.workshops.aws/workshops/015a2de4-9522-4532-b2eb-639280dc31d8/en-US/30-agentcore-gateway/34-gateway-search-tools

Slide 65

Slide 65 text

65 もちろんです！Observability機能でCloudWatch統合ダッシュボードで可視化することが可能です！ Agent君おおお、ちょっと難しかったけどGatewayについてふんわり理解できました。ログとかをいい感じに可視化できたりもするのかな？私

Slide 66

Slide 66 text

Amazon Bedrock AgentCore Observability

Slide 67

Slide 67 text

Amazon Bedrock AgentCore Observability 67 Amazon Bedrock AgentCore ObservabilityはAIエージェントの各種メトリクス、トレース、スパンを可視化することが可能です。マネージドサービスで可視化するのも難しくないです。 Runtime Amazon CloudWatch メトリクス‧トレースログを送信ダッシュボードを参照ユーザー

Slide 68

Slide 68 text

トランザクション検索の有効化 68 トランザクション検索を有効化すると、エージェントの実⾏フローを可視化できます。アカウントごとに1回だけ有効化すればOKです！

Slide 69

Slide 69 text

デプロイ時の準備 69 デプロイ時にaws-opentelemetry-distroが依存関係に含まれている必要があります。ただAgentCoreのstarter toolkitを使ってデプロイすると下記のように⾃動でDockerfileに含まれて、⾃動的に有効化されます。 Dockerfile .bedrock_ agentcore.yaml ファイル作成（agentcore configure）イメージPush AgentCore Runtime ECR イメージPull CMD ["opentelemetry-instrument", "python", "<>.py"]

Slide 70

Slide 70 text

ログについて 70 アプリケーションログとOpenTelemetry形式のログの2種類が出⼒されます。 runtime-logsストリームにはOTEL形式、⽇付つきストリームにはアプリログが記録されます。

Slide 71

Slide 71 text

統合ダッシュボード 71 GenAI Observabilityといった項⽬で統合のダッシュボードが提供されています。ここからデプロイしたエージェントの挙動は確認可能です。可視化までビルトインなのはすごいですね。

Slide 72

Slide 72 text

セッション‧トレース‧スパンの関係 72 セッションは会話全体、トレースは1回のリクエスト、スパンは個別の処理を表します。セッションID:abc-001（会話全体）トレースID:def-001 スパン POST /invocati ons スパン invoke_a gent Strands トレースID:def-002 スパン POST /invocati ons スパン invoke_a gent Strands

Slide 73

Slide 73 text

セッション‧トレース‧スパンの関係 73 セッションとトレースの関係は下記になります。runtimeSessionIdが同⼀であれば同⼀セッションとして記録されます。セッションID:abc-001（runtimeSessionId）トレースID:def-001 トレースID:def-002 AgentCore xxxについて教えて YYYだよ AgentCore YYYについて教えて XZXだよ

Slide 74

Slide 74 text

具体的な可視化を⾒てみる 74 下記のようにタイムライン上でAIエージェントの動きを確認することができます。例えばtoolを使⽤したのは⾚枠のように確認できます。

Slide 75

Slide 75 text

具体的な可視化を⾒てみる 75 スパン単位での有効時間も確認可能です。ぱっと⾒でどこがTodoのボトルネックになっているかわかりやすいですね。

Slide 76

Slide 76 text

76 ありますよ！！コードを安全に実⾏できる環境を提供する機能やブラウザを操作できる環境を提供する機能があります！ Agent君ビルトインで可視化できるのはめっちゃいいですね！！そのほかにも便利な機能ってありますか？私

Slide 77

Slide 77 text

Amazon Bedrock AgentCore built-in tools 77 Amazon Bedrock AgentCore built-in toolsはCode InterpreterとAgentCore Browserの便利な2種類の機能が存在します。 AgentCoreCode Interpreter AgentCoreCode Browser 引⽤：https://catalog.us-east-1.prod.workshops.aws/workshops/015a2de4-9522-4532-b2eb-639280dc31d8/en-US/60-agentcore-tools/62-browser-tool/01-browser-with-novaact 引⽤：https://catalog.us-east-1.prod.workshops.aws/workshops/015a2de4-9522-4532-b2eb-639280dc31d8/en-US/60-agentcore-tools/61-code-interpreter

Slide 78

Slide 78 text

Amazon Bedrock AgentCore built-in tools AgentCore Code Interpreter

Slide 79

Slide 79 text

Amazon Bedrock AgentCore Code Interpreter 79 Amazon Bedrock AgentCore Code Interpreterは⽣成AIが作成したコードを外部の安全な環境で実⾏するための機能となります。 ● 完全に隔離されたサンドボックス環境でコード実⾏ ● Python、JavaScript、TypeScriptに対応 ● pandas、numpy、matplotlibなどのデータサイエンス系ライブラリが利⽤可能 ● インライン100MB、S3経由で最⼤5GBのファイル処理が可能 ● デフォルト15分、最⼤8時間の実⾏時間 ● セッション内でのファイルや変数の状態維持

Slide 80

Slide 80 text

Amazon Bedrock AgentCore Code Interpreter 80 実⾏イメージは下記のようになります。

Slide 81

Slide 81 text

Amazon Bedrock AgentCore Code Interpreter 81 Amazon Bedrock AgentCore Code Interpreterで⽣成AIが作成したコードを実⾏するイメージは下記のようになります。

Slide 82

Slide 82 text

Amazon Bedrock AgentCore built-in tools AgentCore Browser

Slide 83

Slide 83 text

Amazon Bedrock AgentCore Browser 83 Amazon Bedrock AgentCore Browserは⽣成AIがブラウザを操作するための実⾏環境を提供するサービスです。下記のような操作可能なブラウザをLLMが PlaywriteやBrowser-useなどを活⽤して操作します。

Slide 84

Slide 84 text

実際に使ってみた例 84 Browser Useなどのブラウザ操作系のAIエージェントを活⽤して、ブラウザ操作を可能にします。

Slide 85

Slide 85 text

Amazon Bedrock AgentCore Browser 85 検索エンジンを使うとCAPTCHAに引っかかる可能性があります。⼀般的な検索にはブラウザ以外のMCPツール（Tavilyなど）の利⽤を推奨すると公式ドキュメントに記載がありました。

Slide 86

Slide 86 text

86 はい！！！いっぱい使ってぜひブログ化してくださいね。楽しみにお待ちしております。 Agent君本当盛りだくさんでしたね‧‧‧めちゃくちゃ便利だなと思ったのでガンガン使ってみたくなりました！！ブログいっぱい書きます！私

Slide 87

Slide 87 text

まとめ 87 Amazon Bedrock AgentCoreは、AIエージェント開発に必要な機能が揃ったマネージドサービスです。 Runtime、Identity、Memory、Gateway、Built-in Tools、 Observabilityを活⽤して、AIエージェントを構築してみましょう！！ Agent君

Slide 88

Slide 88 text

まとめ 88 今⽇の発表が少しでも参考になったら幸いです！機能が多いので、伝えきれていないことがたくさんあるのですがみなさんで AgentCoreをガンガン使って便利なAIエージェントを⽣み出していきましょうー！！ご清聴ありがとうございましたー！！私

Slide 89

Slide 89 text

No content