Slide 1
Slide 1 text
2025年 Amazon Bedrock AgentCoreまとめ
Hello！
神野 雄大（Jinno Yudai/@yjinn448208）
Slide 2
Slide 2 text
自己紹介
2
簡単な自己紹介です！
名前 神野 雄大（Jinno Yudai）/@yjinn448208
最近X始めました！
所属 クラスメソッド株式会社 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
資格 ● Japan All AWS Top Engineers 2025
推しの
サービス ● Amazon Bedrock AgentCore
ブログはこのアイ
コンで書いていま
す！
ラ・ムーとチーズ
ナンが好きです！
Slide 3
Slide 3 text
対象と目的
3
本資料はAmazon Bedrock AgentCoreを知ってもらうために幅広く知識を詰め込んだ資
料になります。一部難しい箇所はスキップいただいても構いません。少しでも
AgentCoreでAIエージェントを作りたいと思っていただけたら幸いです！
対象
対象と目的
● Amazon Bedrock AgentCoreをもっと知りたいと思っている方
目的
● Amazon Bedrock AgentCoreの全体像をふんわりと理解してもらう
● Amazon Bedrock AgentCoreでAIエージェントを作りたい！と思っていた
だく！！
Slide 4
Slide 4 text
謝り
4
残念ながら本資料で全て説明できているわけではございません。より詳細に知りたいと
思った方は、手前味噌で恐縮ですが私のブログから関連するトピックを読んでいただく
と理解が深まると思います。時間の兼ね合いでスキップしている箇所もあるので、また
本資料は継続的にアップデートしていきます！！！（あくまでベストエフォートですが
・・・）
ブログ：https://dev.classmethod.jp/author/yjinn/
アップデート予定！！！
Slide 5
Slide 5 text
5
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 6
Slide 6 text
6
勿体無い！！AIエージェントを作る上で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 7
Slide 7 text
7
まずはAmazon Bedrock AgentCoreの概要から説明し
ますね！
Agent君
Slide 8
Slide 8 text
Amazon Bedrock AgentCoreについて
8
Slide 9
Slide 9 text
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。マネージドサービスによりインフラ管理を排除し、開発者が
エージェントのロジック構築に集中できる環境を提供します。
Amazon Bedrock AgentCore とは
9
Amazon Bedrock AgentCore
● AIエージェントのホスティング
○ Strands Agents、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）
特徴
Slide 10
Slide 10 text
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が持つ機能群
10
● Runtime：AIエージェントの実行環境
● Identity：認証機能
● Gateway：MCPツールの集約機能、外部サービスのMCPツール化機能
● Memory：記憶機能
● Observability：AIエージェントの挙動を可視化
● Evaluations：AIエージェントの評価機能（Preview）
● Built in tools
○ Code Interpreter：コード実行環境
○ Browser：ブラウザ実行環境
Slide 11
Slide 11 text
Amazon Bedrock AgentCoreはRuntime、Identity、Memory、Gateway、Built-in
Tools、Observability、Evaluationsというサービスが、それぞれ本番運用の具体的な課
題を解決します。組み合わせても使用できる柔軟性を持っており、ニーズに応じた最適
な構成を選択できます。
Amazon Bedrock AgentCoreの連携イメージ
11
Amazon Bedrock AgentCore
Identity
Gateway
Built in tools
Memory
Observability Evaluations
Runtime
Identity
Slide 12
Slide 12 text
12
AIエージェントって言葉はよく聞くけど、何を意味しているか迷うポイ
ントですよね。今から簡単に説明しますね！
Agent君
便利そう・・・！！ただそもそもAIエージェントって何？？
私
Slide 13
Slide 13 text
LLM、RAG、ツール利用とAIの利用は進歩してきましたが、AIエージェントはさらに一
歩進んだ存在です。単にツールを使うだけでなく、タスクをこなすための計画を立て、
実行し、評価し、自己管理することができます。
Appendix:AIエージェント
13
ユーザー エージェント
韓国旅行の予約をお願
い
わかりました！まずは
計画から考えて実行し
ます！
検索ツールで航空券・ホテル情報を収集
カレンダーツールで予定の空き状況を確認
予約システムAPIで航空券・宿泊を確保
メールツールで予約確認書を送信
実行計画
Slide 14
Slide 14 text
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。
Appendix:AIエージェントのイメージ
14
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 AIエージェント
調査ツール
ツール
実行
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？
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？
Slide 15
Slide 15 text
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。
Appendix:AIエージェントが持つ特性
15
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 16
Slide 16 text
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。
Appendix:AIエージェントが持つ特性
16
AIエージェント
Claude Code
コーディングエージェント
Slide 17
Slide 17 text
17
それならRuntimeだね。まずはAIエージェントの実行環境について説明
するよ。
Agent君
なるほど！AIエージェントについて理解できたよ！まずはAgentCoreの
コア機能から教えて！
私
Slide 18
Slide 18 text
Amazon Bedrock AgentCore Runtime
18
Slide 19
Slide 19 text
Runtime機能は、AIエージェントを実行するための「身体」（LLMが「脳」）として機
能します。サーバーレスで自動スケールし、ユーザーセッションごとに専用のマイクロ
VMを提供することでセキュアな実行環境を実現します。
Amazon Bedrock AgentCore Runtime
19
AgentCore Runtime
ユーザー
Strands Agents
Bedrock
LLM
エージェントに質問
AIエージェント
Bedrockを使用
Slide 20
Slide 20 text
AgentCore Runtimeの強みは柔軟性にあります。Strands Agents、LangGraph、
Mastraなど、どんなエージェントフレームワークでも選択でき、LLMもBedrock、
OpenAI、Geminiなど自由に組み合わせられます。
Amazon Bedrock AgentCore Runtimeの柔軟性
20
AgentCore Runtime
ユーザー
Mastra
Azure OpenAI
LLM
エージェントに質問
AIエージェント
Azure OpenAI
を使用
Slide 21
Slide 21 text
21
その通り！とってもシンプルに実装できるフレームワークなので
AgentCoreからは少し脱線するけど大事だから説明しますね！
Agent君
あれ、Strands Agentsって何？AIエージェントを実装するようなフ
レームワークなのかな？
私
Slide 22
Slide 22 text
Strands Agentsは、AWSが提供するオープンソースSDKで、AIエージェントの構築をシ
ンプルにします。開発者は複雑なワークフローを複雑なコードで実装する必要がなく、
目標とツールを定義するだけでエージェントが構築できます。
Strands Agents
22
Strands Agents
たった3行で実行できる
Slide 23
Slide 23 text
TypeScript版もPython版同様にシンプルに書けるのが特徴です。AgentCoreのデプロイ
も公式ドキュメントに記載があるので展開可能です。ただ現時点ではPython版と比べる
と使用できない機能もあるので注意です。（今後同期予定）
Strands Agents（TypeScript版）
23
変わらずたった3行で実
行できる
Slide 24
Slide 24 text
Strands Agentsは生成AIがタスクを達成するために実行計画を立て適切なツールを使う
ための仕組みであるエージェンティックループ（Agentic Loop）が存在します。LLMの
実行、ツールの選択、ツールの実行結果を返却といったループを簡単に実装可能です。
Agentic Loop
24
Strands Agents
AIエージェント
ユーザー
タスクを依頼
Bedrock
LLM
指示を入力
Tool
MCP Server
状況に応じて
ツール利用
失敗してもタスクが成功す
るまで自動で反復して実行
可能
Agentic Loop
Slide 25
Slide 25 text
ツール実行も下記のようなシンプルな実装で自動的に使われます
ツール実装のイメージ
25
ツールを定義して
呼び出すだけで機能
Slide 26
Slide 26 text
データ分析ツール
ツールもエージェント化することも可能です。Agent As Toolsと呼ばれます。エージェ
ント同士で協調して、自律的に判断したい時に便利です。
Agent As Tools
26
Strands Agents
メインエージェント
データ分析エージェント レポート作成エージェント
レポート作成ツール
このデータを分析して 情報をわかりやすくまとめて
Slide 27
Slide 27 text
27
AgentCoreへのデプロイも簡単なので説明していきますね！
Agent君
シンプルにAIエージェントを実装できて良いね！！
早速処理を書いたからAgentCoreにデプロイしたい！！！
私
Slide 28
Slide 28 text
デプロイはシンプルです。Starter Toolkitを使用すると3つのコマンド（configure、
launch、invoke）だけで、AWS環境へのデプロイが完了および利用できます。
まずはAgentCoreの設定をするconfigureコマンドから確認します。
Starter Toolkit Configure コマンド
28
agentcore configure
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アップロード（直接デプロイ）
● IAMロールの設定（自動作成も可能）
● コンテナの場合はECRの設定（自動作成も可能）
● （Zipの場合は）requirements.txtなどのパッケージ管
理ファイルの指定
● 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 29
Slide 29 text
シンプルな実装イメージ
29
シンプルなコードを書いてデプロイ手順を進めていきます。
Slide 30
Slide 30 text
configureコマンドは対話型で設定が可能で、エントリーポイントに処理を書いたコード
を指定して、設定を進めると定義ファイルが作成されます。
Starter Toolkit Configure コマンド
30
対話形式で設定可能
.bedrock_
agentcore.yaml
Slide 31
Slide 31 text
Starter Toolkit Create コマンド
31
直近のアップデートでconfigureコマンドの代わりにcreateコマンドも使用可能となりま
した。ゼロからAIエージェントのテンプレートを使ってセットアップが対話型で可能に
なります。ゼロからサクッと動くものを作りたい際はこのコマンドの方がお手軽かもし
れませんね。
.bedrock_
agentcore.yaml
ソースコード一式
.bedrock_
agentcore.yaml
ソースコード一式 IaCのコード一式
Starter Toolkitに
よるデプロイ方法を
選択
IaCによるデプロイ
方法を選択
CDKかTerraformを選択可能
Slide 32
Slide 32 text
Starter Toolkit dev コマンド
32
デプロイする前にagentcore devコマンドを実行するとローカル環境でサーバーを建て
られます。テストや動作確認をするのに良いですね。
ユーザー
Strands Agents
Bedrock
LLM
エージェントに質問
AIエージェント
Bedrockを使用
agentcore invoke —dev
ローカル環境（agentcore devで起動）
Slide 33
Slide 33 text
Starter Toolkit launch（deploy） コマンド
33
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。最近名称が変わってdeployコマンドでもデプロイ可能で
す。deployコマンドとlaunchコマンドで実現できる機能は同じです。
AgentCore Runtime
Strands Agents
agentcore launch
デプロイ
AIエージェント
Slide 34
Slide 34 text
デプロイ実施
34
launchコマンドを実行してデプロイが完了します。
Slide 35
Slide 35 text
デプロイで実行される流れ（Zipアップロードによる直接デプロイ）
35
Zipアップロードによる直接デプロイは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、自動でS3にアップロードして
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でS3にアップロード
ソースコード
AgentCore Runtime
requirements.txt
S3
ダウンロード
して使用
S3バケットも自動作成
Slide 36
Slide 36 text
デプロイで実行される流れ（コンテナ版）
36
コンテナの場合はlaunch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。
agentcore launch実行時
Dockerfile
.bedrock_
agentcore.yaml
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 ソースコード
CodeBuild
Slide 37
Slide 37 text
AgentCore Runtime
Starter Toolkit invokeコマンド
37
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。 SDKや
Curlなどでももちろん呼び出し可能です。
ユーザー
Strands Agents
Bedrock
LLM
エージェントに質問
AIエージェント
Bedrockを使用
agentcore invoke
Slide 38
Slide 38 text
Starter Toolkit invokeコマンド
38
invokeコマンドを実行して呼び出すと下記のように動作確認ができます。
Slide 39
Slide 39 text
ストリーミングレスポンスも可能
39
Streamingで返信することもできます。下記実装に変更してデプロイを実施して、呼び
出してみます。
Slide 40
Slide 40 text
ストリーミングレスポンスも可能
40
呼び出してみるとストリーミングでレスポンスが返却されることを確認できます。
● 返信がチャンク単位でスト
リーミングで返信
Slide 41
Slide 41 text
41
いくつかあるので、Runtimeでポイントになりそうなところをピック
アップして紹介しますね！
Agent君
本当にあっという間にデプロイできた・・・AgentCore Runtime便利
ですね・・・細かく意識しておかないといけないポイントはあるの？？
私
Slide 42
Slide 42 text
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。
Zipファイルによる直接デプロイかコンテナイメージか
42
直接アップロード コンテナイメージ
Runtime
zip化してアップロード
● 250MBまでのパッケージに対応
● 更新も高速
Runtime
ビルドしてイメージを
アップロード
ECR
PULL
● 1GBまでの大規模パッケージや依存
関係に対応
S3
ダウンロード
Slide 43
Slide 43 text
公式ドキュメントに直接アップロードかコンテナイメージかなどの比較情報などあるの
で見ておくと参考になると思います。
Zipファイルによる直接デプロイかコンテナイメージか
43
引用
：https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/runti
me-get-started-code-deploy.html#runtime-code-deploy-concepts
Slide 44
Slide 44 text
IaCでのデプロイ
44
IaCも対応しています。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。
Runtime
CDK
Terraform
CloudFormation
IaCツール
実装 デプロイ
Slide 45
Slide 45 text
Appendix:L2 Constructの実装イメージ
45
StarterToolkitと似たような実装で実現できます。使い勝手が良くて個人的に使用して
います。
Slide 46
Slide 46 text
Runtimeにはエンドポイントが存在します。デプロイするたびにバージョンがインクリ
メントします。特に何も指定しなければエンドポイントを呼び出した時は最新バージョ
ンの処理が呼ばれます。これがDEFAULTエンドポイントです。
Runtimeのエンドポイントについて
46
開発者
ソースコード
開発端末
開発
AI エージェント開発
AgentCore Runtime
バージョン1 バージョン2 バージョン3
デプロイ
インクリメント
最新
DEFAULTエンドポイント
：https://bedrock-agentcore.{region}.amazonaws.com/runtimes/{E
ncodedAgentARN}/invocations
紐づいている
Slide 47
Slide 47 text
名前付きエンドポイントも作成可能で、特定のバージョンを指定することが可能です。
名前付きエンドポイント
47
AgentCore Runtime
バージョン1 バージョン2 バージョン3
最新
DEFAULTエンドポイント
：https://bedrock-agentcore.{region}.amazonaws.com/runtimes/{E
ncodedAgentARN}/invocations
紐付け
prodエンドポイント
：https://bedrock-agentcore.{region}.amazonaws.com/runtimes/{E
ncodedAgentARN}/invocations?qualifier=prod
紐付け
qualifierを指定しなければ
DEFAULTが呼ばれるよ！
PROD
Slide 48
Slide 48 text
ここで本番稼働向けアーキテクチャを考えてみます。デフォルトのエンドポイントを使
用するとインクリメントされるので、検証して然るべきタイミングでアップデートする
ようにします。
Runtime Endpointの活用方法
48
バージョン2
バージョン3
PRODエンドポイント
DEFAULT
開発者
入念にテスト
ユーザー
安定バージョンを利用
テストOK！！
PRODエンドポイントをバー
ジョン3のするぞ！！！
バージョン3
PROD,DEFAULT
ユーザー
最新バージョンを利用
PRODをバージョン3
に紐付け
おお、エージェントの返事がよ
くなっているぞ！！！！
Slide 49
Slide 49 text
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。
Runtime の対応プロトコル
49
MCPクライアント
（ex.Claude Code）
/mcp
with アクセス
トークン
AgentCore Runtime
IdP
(ex.Cognito)
MCP Server
アクセストークン取得
Slide 50
Slide 50 text
MCP Proxy for AWSを使えばIAM認証を活用して、ローカルのAWS認証情報を使ってア
クセスすることも可能です。
MCP Proxy for AWS
50
MCPクライアント
（ex.Claude Code）
/mcp
with IAM Sig V4認証
AgentCore Runtime
MCP Server
MCP Proxy
for AWS
ローカルの AWS 認証情報を使
用して MCP 通信を SigV4 で
署名
Slide 51
Slide 51 text
実際にMCP Proxy for AWSを活用した記事もDevIOに記載があるので、ぜひご参照くだ
さい。
MCP Proxy for AWS
51
https://dev.classmethod.jp/articles/agentcore-mcp-iam-auth-ai-coding-tools/
Slide 52
Slide 52 text
WebSocketにも対応しているため、双方向ストリーミングにも対応しています。そのた
め、リアルタイムでの音声のやり取りのような会話の割り込みも可能になります。
双方向ストリーミングも可能
52
AIエージェント
ユーザー
AgentCore Runtime
XXXを実行してお願い！！！
XXXを実行しますね。
以下を初期化中です・・・
（結果をまたずに）あ、やっぱ
りYYYをすぐやって。
了解です！！XXXをやめて、
YYYをすぐに実行しますね。
双方向で会話が可能なため、結果を待たずに割り込み可能に
エンドポイント
：wss://bedrock-agentcore..amazon
aws.com/runtimes//ws
Slide 53
Slide 53 text
SDKのデコレータを使用することでWebSocket用のエンドポイントを作成してくれま
す。サクッと実装するには便利ですね。
双方向ストリーミングも可能
53
● デコレータを使用することで、
8080番ポート、/wsエンドポイン
トでの待ち受けを可能に
Slide 54
Slide 54 text
Runtime には idleRuntimeSessionTimeout（アイドル時のタイムアウト）と
maxLifetime（最大稼働時間）パラメータが存在し、セッションの自動終了タイミング
を制御できます。
Tips:Runtime lifecycle settings
54
しばらくリクエスト
ないから寝るか
zzz・・・
セッション
idleRuntimeSessionTimeout
アイドル状態が900秒経過
お話しし続けたけ
ど、8時間たったか
ら寝るね・・・zzz
セッション
maxLifetime
8時間経過
おはよう！（セッ
ション開始）
おはよう！（セッ
ション開始）
終了
開始
開始 終了
Slide 55
Slide 55 text
公式ドキュメントにベストプラクティスの記載があるので、ぜひ設定される際は参考に
することをお勧めします。
Tips:Runtime lifecycle settings
55
まずはデフォルト値（idle: 15分、max: 8時間）で運用
を開始し、実際の利用パターンを見ながら調整するのがベ
ストプラクティスです。
開発・デモ環境では短め（idle: 2-5分）に設定してコス
トを抑え、本番環境ではユーザー体験を優先して長め
（idle: 10-15分）に設定することを推奨します。
引用：https://docs.aws.amazon.com/ja_jp/bedrock-agentcore/latest/devguide/runtime-lifecycle-settings.html
Slide 56
Slide 56 text
56
それならIdentityですね！！認証はAIエージェントをホストする上で
とっても大事ですから丁寧に説明します！
Agent君
おおお、盛りだくさんでした・・・！奥が深いですね・・！次の機能を
知りたいです！認証はとっても大事なので気になっています！！
私
Slide 57
Slide 57 text
Amazon Bedrock AgentCore Identity
57
Slide 58
Slide 58 text
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。
Amazon Bedrock AgentCore Identity
58
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 トークン取得( M2M認証)
外部サービス利用時
Slide 59
Slide 59 text
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。
Inbound Auth
59
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、
呼び出し可能
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 60
Slide 60 text
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Secret認証情報をSecrets Managerで安全に管理し、自動で取得します。下記は
APIキーの例です。
Outbound Auth（API Key）
60
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 61
Slide 61 text
SDKで提供されているデコレーターを使って簡単にAPI Keyを取得可能です。こみ入った
処理を自前で実装しなくていいのはありがたいですね。
Outbound Auth（API Key）
61
Slide 62
Slide 62 text
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。例えばRuntime→Gatewayを例にみ
てみます。
Outbound Auth（M2M）
62
Runtime Identity Gateway
IdP(ex.Cognito)
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 63
Slide 63 text
こちらもデコレーターを使って簡単に短命トークンを自動で取得可能です。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。
Outbound Auth（M2M）
63
Slide 64
Slide 64 text
最初のAgentCore Identityしようと書いてある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。嬉しいですね。
Outbound Auth（M2M）
64
デコレータで簡略化
Slide 65
Slide 65 text
もちろん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、Gateway経由でツール（Lambda関数）を使用する
ためにOutbound Authで短命のアクセストークンを別途取得して実行を可能にします。
Inbound AuthとOutBound Authの組み合わせ
65
Runtime 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
IdP(ex.Cognito)
リクエスト
with アクセストークン
Lambda関数
ターゲットを実⾏
Slide 66
Slide 66 text
66
AgentCore Memoryで会話などの記憶情報を持たせることができます！
今からご紹介しますね！！
Agent君
Identity使いこなして各種サービスと連携しつつ、セキュアなAIエー
ジェントにしたいですね！Runtimeを実装しているけど、どのデータ
ベースに記憶を持たせるのがいいのかな？DynamoDB？
私
Slide 67
Slide 67 text
Amazon Bedrock AgentCore Memory
67
Slide 68
Slide 68 text
AIエージェントに「記憶」を持たせることで、より賢く、よりパーソナライズされた対
応が可能になります。AgentCore Memory機能は、短期記憶（会話履歴）と長期記憶
（重要な情報の抽出）の両方をマネージドで提供します。開発者は複雑な記憶管理の実
装に悩むことなく、エージェントに学習能力と文脈理解能力を付与できます。
Amazon Bedrock AgentCore Memory
68
Amazon Bedrock AgentCore
ユーザー
Strands Agents
Bedrock
LLM
エージェントに質問
AIエージェント
Bedrockを使用
Memory
● 会話履歴
● サマリー
● 客観的事実
Slide 69
Slide 69 text
Memoryは大きく分けて短期記憶と長期記憶の2種類の記憶を管理できます。
短期記憶と長期記憶
69
短期記憶
● セッション中の会話履歴を保持
● 最大365日まで保存可能
● リアルタイムでアクセス可能
長期記憶
● 短期記憶から自動的に戦略に基づく情報を抽出し
ベクトルで保存
● 抽出するための4つのビルトイン戦略およびカス
タムの戦略を設定可能
● ビルトインの戦略は4つ提供されている
○ Semantic Memory Strategy
■ 知識や事実を保存
○ UserPreference Strategy
■ ユーザーの好みや傾向を保存
○ Summary Memory Strategy
■ 会話のサマリーを保存
○ Episodic Memory Strategy
■ やり取りから教訓を保存
自動抽出
Slide 70
Slide 70 text
短期記憶はユーザー毎に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。
記憶構造のイメージ
70
memory_id:memory-001
actor_id:user-001
session_id:sess
ion_001
Q:xxxについて
教えて
A:YYY
actor_id:user-002
session_id:sess
ion_002
Q:zzzについて
教えて
A:TTT
session_id:sess
ion_001
Q:DDDについ
て教えて
A:EEE
session_id:sess
ion_002
Q:FFFについて
教えて
A:XXX
Slide 71
Slide 71 text
短期記憶の単位はChatGPTやCluadeなどの会話履歴タブがイメージしやすいです。
記憶構造のイメージ
71
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 72
Slide 72 text
長期記憶は、短期記憶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。
短期記憶から長期記憶への抽出イメージ
72
AIエージェント 短期記憶
りんごについて教えて
大好きなんです。
質問履歴を記録
長期記憶
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
好みについてセ
マンティック検
索
あなたはりんごが好きですね。
Slide 73
Slide 73 text
短期記憶から長期記憶への抽出は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、ユーザー単位やセッション単位など、
どういった単位で抽出するかを設定可能です。
長期記憶の設定イメージ
73
● UserPreferenceMemoryStrategy
○ Namespace : /retail-agent/{actor_id}/preferences
○ 特定の顧客の好みを抽出
● SemanticMemoryStrategy
○ Namespace : /retail-agent/product-knowledge
○ ユーザーがアクセスできる共有製品情報を抽出
● SummaryMemoryStrategy
○ Namespace : /support-agent/{actor_id}/case-summaries/{session_id}
○ 過去のサポートケースの概要やサマリーを抽出
使用例のイメージ
Slide 74
Slide 74 text
74
Episodic Memoryは他の抽出戦略と少し異なるので説明しますね！
Agent君
あれ、長期戦略ってもう一つあったよね。Episodic Memory・・・
これはどう使うの？？
私
Slide 75
Slide 75 text
Amazon Bedrock AgentCore Memory Episodic Memory
75
新しい長期記憶戦略が追加されました。エピソード記憶といって、今までのやり取りか
らAIエージェントがユーザーのリクエストを効果的に満たすためのナレッジや教訓に昇
華できる面白い戦略です。2段階で抽出が行われるのが他の長期記憶戦略とは異なる特徴
となっています。
ConsolidationとReflectionの2段階で抽出を実現
Slide 76
Slide 76 text
Amazon Bedrock AgentCore Memory Episodic Memory
76
より具体的に長期記憶への保存プロセスを確認してみます。短期記憶のやり取りからエ
ピソードを抽出し、構造化してさらに複数のエピソードからも振り返りを行い、別途構
造化して記憶されるのが特徴になっています。
Extraction（抽出） Consildation（統合） Reflection（振り返り）
インタラクションを分析
し、エピソードの完了を自
動で判定。完了時点でのレ
コードを生成
関連イベントを構造化され
た1つの記録に統合
複数のエピソードを横断分
析し、成功パターンや失敗
からの解決策など、広範囲
な洞察を抽出
長期記憶
短期記憶
Episode Memoryとして抽出 Reflectionとして抽出
Slide 77
Slide 77 text
実際に試す
77
計算機AIエージェントを作成して、エピソード記憶を長期記憶に設定して試してみまし
た。NameSpaceはEpisode MemoryとReflectionでそれぞれ設定する必要があります。
Episode Memoryがセッション単位、Reflectionはユーザー単位とします。
計算機AIエージェント
私
Runtime
短期記憶
長期記憶
12 + 31 = 123
（わざと間違える）
違います・・・
43です。
やり取りを記録
抽出
Episode
Memory：/strategies/{memoryStrate
gyId}/actors/{actorId}/sessions/{se
ssionId}
Reflection：/strategies/{memoryStra
tegyId}/actors/{actorId}
参考
：https://dev.classmethod.jp/articles/amazon-bedrock-agentcore-episodic-memory-
strategy/
Slide 78
Slide 78 text
Episode Memory
78
エピソードが完了すると、会話内容が5つの観点で構造化されます。何が起きて、なぜ成
功/失敗したかが記録されます。かなり詳細にエピソードとして記憶されている印象です
下記観点でやり取りをエピソード記憶とし
て構造化
● situation（状況）
● intent（意図）
● assessment（評価）
● justification（根拠）
● reflection（振り返り）
● turns（各ターンの詳細）
Slide 79
Slide 79 text
Reflection
79
複数のエピソードを横断して分析し、パターンやベストプラクティスを抽出します。
エージェントが将来のタスクで活用できる学びとして保存されます。
下記観点でやり取りを教訓として構造化
● title（パターンのタイトル）
● use_cases（適用可能なユースケー
ス）
● hints（実践的なヒント）
● confidence（信頼度スコア）
Slide 80
Slide 80 text
ユースケースの例
80
経験などを記憶させて回答させるケースには向いている印象ですね。あとは振り返って
よりAIエージェントの作業練度を高めたいといったオペレーションにも良さそうです。
具体的なユースケース例が見つかりましたらまた共有させていただきます！
ユースケース 説明
カスタマーサポート 過去の対応パターンから効果的な解決策を学習
エージェント駆動ワークフロー 過去のタスク実行経験を次のタスクに活用
コードアシスタント セッション履歴に基づいたコンテキスト理解
トラブルシューティング 過去の問題解決パターンを参照
パーソナル生産性ツール ユーザーの作業パターンを学習
Slide 81
Slide 81 text
81
安心してください！Strands AgentsのAgentCore Memory Session
Managerを使えば簡単にAIエージェントと連携できます！
Agent君
総じてMemory機能便利そうですね！！私のAIエージェントに取り込み
たいのですが実装って難しいんですか・・・？
私
Slide 82
Slide 82 text
Strands AgentsにSession Managerといった便利な機能があります。
この機能を活用することで、シームレスにMemoryを利用できて実装が簡単です。
Amazon Bedrock AgentCore MemoryとStrands Agentsとの連携
82
● MemoryID、SessionID、ActorIDの設
定をしてセッションマネージャーを作成
し、Agentの引数に設定すればMemory
と連携可能
Slide 83
Slide 83 text
長期記憶の連携も簡単に設定できます。NameSpaceを設定すればOKです。
Amazon Bedrock AgentCore MemoryとStrands Agentsとの連携
83
● Configの設定に長期記憶戦略の設定を行
えば使用可能
● NameSpaceを設定
● Episodic Memoryも設定可能
● 複数の長期記憶戦略の設定も可能
Slide 84
Slide 84 text
84
よかったです！！次はGatewayといった少しわかりづらい機能について
説明していきますね。
Agent君
おおお、これなら簡単に自分のAIエージェントに組み込めそうですね！
早速試してみます！
私
Slide 85
Slide 85 text
Amazon Bedrock AgentCore Gateway
85
Slide 86
Slide 86 text
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。
Amazon Bedrock AgentCore Gateway
86
Runtime Gateway
/mcp
ツールとして
呼び出し
・MCPに変換して実行
・MCP Toolsを
中央集約的に管理
Lambda関数
OpenAPI仕様のAPI
Remote MCP Server
API Gateway
Smithyモデル
統合サービス（Slack、GitHub）
Slide 87
Slide 87 text
GatewayはMCP Server自体をホストするものではないです。あくまで既存のLambda
関数をツール化したり他のMCP Serverを中央集約的に管理するのが役目となります。
MCP Server自体をホストしたいならRuntimeを使うことになるかと思います。
Gatewayの役割について
87
Gateway
MCP Server
✖
Runtime
MCP Server
Gateway
AIエージェント
/mcp
Runtime
MCP Server
MCP Server
Lambda関数
RuntimeにMCP Server
をホスト
Gatewayで中央集約
GatewayにMCP Serverを
ホスト（できない）
Slide 88
Slide 88 text
88
そう思いますよね・・・！！今からGatewayのメリットを説明してきま
すね！
Agent君
え、GatewayってMCPサーバーをホストするものではないんですね。何
に使うんですか？？何だかGatewayを使うことでより複雑になっている
気が・・・RuntimeでMCPサーバー自体はホストできますし・・・
私
Slide 89
Slide 89 text
下記のようにAgentCore Runtimeからツール利用する場合を比較してみます。左のよう
にそのままツール利用もできるので一見Gatewayを挟むことで複雑な気がします。
Gateway有無の比較
89
AgentCore Runtime
Lambda関数
Remote MCP Server
ツール利用
ツール利用 AgentCore Runtime
Gateway
Lambda関数
Remote MCP Server
ツール情報
取得
ツール利用
Gatewayを使わない場合 Gatewayを使う場合
Slide 90
Slide 90 text
ですがこれが100個以上ツールがある場合はどうでしょうか・・・？？？毎回MCPツー
ルの定義を書くコードを書いたり、はたまた適切なツールを連携できるのでしょうか？
Gatewayを使わない場合
90
AIエージェント
Lambda関数
Remote MCP Server
ツール利用
Gatewayを使わない場合
たくさんのツール 私
AIエージェントの処理コードに毎回、
新しいツールのコードを書くのか
・・・
またこんな連携して適切なツールを選
択できるのかしら？？
どのツールが正しいん
だ？？
Slide 91
Slide 91 text
この疑問に対してAgentCore Gatewayが役立ちます。Gateway側に登録することで、
AIエージェント自体の処理は毎回変えずにツールの情報を同期取ることが可能かつ、適
切なツールを探すのにはSemantic Search機能が使えます。
Gatewayを使う場合
91
Lambda関数
Remote MCP Server
ツール情報取得
ツール利用
Gatewayを使う場合
たくさんのツール
AIエージェント
with Semantic Search
Gatewayに登録されたツー
ル情報同期できる
Semantic Searchで適切な
ツールを見つけることがで
きる
Gateway
Slide 92
Slide 92 text
Strands Agentsではtool_call_syncメソッドが存在し、Gatewayに紐づいているツール
情報を取得することができます。
具体的なツール同期の処理
92
AIエージェント
Gateway
ユーザー
XXXをやって
Gatewayに紐づいた
ツール情報取得
たくさんのツール
ターゲット
Slide 93
Slide 93 text
MCP Serverがツールとして大量に使える状態にあるとコンテキストを圧迫および不適切
なツールを使用する可能性があります。そういった時にSemantic Search機能を使って
適切なツールを見つけてAIエージェントに使わせましょう。
Semantic Search
93
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 94
Slide 94 text
GatewayでSemantic Searchを有効にすると、ツール名
x_amz_bedrock_agentcore_searchを呼び出せます。
Semantic Searchのリクエスト・レスポンス例
94
リクエスト
レスポンス
Slide 95
Slide 95 text
Strands Agentsで実装する場合はcall_tool_syncで検索しつつ、適切なツールをAIエー
ジェントと同期することが可能です。
Semantic Searchを活用してツール同期をする
95
AIエージェント
Gateway
ユーザー
XXXをやって
Gatewayに紐づいた
ツール情報を検索し
て取得
たくさんのツール
ターゲット
XXXに関連する
ツール探すで
Slide 96
Slide 96 text
Semantic Searchを使用することでコンテキスト汚染を回避することにつながります。
ANTHROPICの記事もMCP Serverをツールとして登録しすぎると、ツールの定義や結果
に過剰なトークンが消費され、エージェントの効率が低下する可能性があるといってい
ます。
Appendix:MCP Serverをツールとして過剰に登録することによるコンテキストの汚染
96
Code execution with MCP: Building more efficient agentsより引
用
：https://www.anthropic.com/engineering/code-execution-with-mc
p
Slide 97
Slide 97 text
これは人間でも同じことが言えると思います。いきなり、新しい職場に行って全ての情
報を詰め込まれても適切な行動はできず自分がやりたいことに対してアドバイスしてく
れる人が欲しいですよね。AIエージェントも同じで、最適に実行できるようSemantic
Searchで適切なツールを教えてあげるイメージを持つとわかりやすいです。
Appendix：現実での例
97
私
SaaS
Slack
Google
Workspace
XXXをしたいけど何を使っ
たらいいんだ？？？
私
SaaS
Slack
GoogleWorkspace
XXXをしたいけど何を使っ
たらいいんですか？？
先輩
XXXならこのSaaSツールを
使ったらいいよ。
※ざっくりとした例えです、例えは正確ではない箇所もあります
Slide 98
Slide 98 text
組織に既存のLambda関数やMCP Serverがたくさんあって、組み合わせる場合は
Gatewayに軍配が上がる気がします。あくまでオプションの選択肢で上記以外の用途な
ら無理に使う必要はない気もします。シンプルにLambda関数やRuntimeにMCP Servre
をホストして使う方が早いと思います。
Gatewayの使い所所感
98
MCP Serverを新規でホス
トしたい。多くの数を展開
する訳ではない。サクッと
展開したい
ユーザー
Runtime
MCP Server MCP Server
Lambda
Gatewayを使用しない
ケース
Gatewayを使用する
ケース
接続するMCP Serverは既
存のLambda関数を多数活
用するし、MCP Serverは
中央集約したい
ユーザー
Gateway
たくさんのツール
RuntimeやLambdaなどにホスティング
Gatewayで中央集約
Slide 99
Slide 99 text
99
そうですね！後はGatewayがたくさんのツールを活用できるといったこ
とはきめ細かい権限制御も必要になってきますよね。そこでいくつかき
め細かい権限制御ができる機能があるので紹介します。
Agent君
なるほど！！だいぶ理解できました！！MCPツールを中央集約的に管理
したい際にGatewayは輝くイメージですね！！
私
Slide 100
Slide 100 text
Policyは12月にPreviewリリースされた機能です。ポリシー言語であるCedarを使って、
きめ細やかにツールの認可制御ができるようになりました。AIエージェントが返金処理
を実施するツールを利用する例を考えてみます。
Gateway Policy（Preview）
100
AIエージェント Gateway
$50返⾦するで
返⾦ツール使うで
⾦額が
$200未満
か
評価
OK 返⾦
ツール
AIエージェント Gateway
$1000返⾦するで
返⾦ツール使うで
⾦額が
$200未満
か
評価
NG
✖
⚪
ポリシーに適合している場合 ポリシーに適合していない場合
Slide 101
Slide 101 text
Gateway Policy ツール拒否のイメージ
101
ポリシーで許可されていないツールを実行した場合は実行を拒否されます。
AIエージェント
Gateway
ユーザー
ツールCを実行し
て
Gatewayに紐づくたくさんの
ツール
tools/call 一覧取得
ツールCを実行するよ
ポリシーで許可され
たツール
Policy
ツールA ツールB ツールC ツールD
ツールCは実行できな
いよ
ツールAとBのみ許可
Slide 102
Slide 102 text
Gateway Policy
102
ポリシーで拒否される場合は下記のような権限不足のエラーが返却されます。
Slide 103
Slide 103 text
Gateway Policy
103
ツールの一覧を取得するTool/Listの場合はPolicyで許可されたツールのみ表示される形
となります。ALLOWしていない、もしくは明示的にDenyしているツールは表示されま
せん。
AIエージェント
Gateway
ユーザー
ツールの一覧を教
えて
Gatewayに紐づくたくさんの
ツール
tools/list 一覧取得
Gatewayに紐づくツー
ルの一覧を取得するよ
ポリシーで許可され
たツール
Policy
ツールA ツールB ツールC ツールD
使用できるツールはA
とBだよ
ツールAとBのみ許可
Slide 104
Slide 104 text
注意：Gateway Policyで発生するエラー
104
Policyを使用する際はGatewayのService-Linked Roleには必要な権限があります。下記
のようなエラーが出た場合はIAMの権限が適切かチェックしましょう。後からGateway
にPolicyを紐づけた際は要注意です。
Gateway
Policy
ステータスコードは200だがInternalServerEceptionが発生
紐付け
Service-Linked Roleに
bedrock-agentcore:AuthorizeAction、
bedrock-agentcore:PartiallyAuthorizeAct
ions、bedrock-agentcore:GetPolicyEngine
の権限が必要
Slide 105
Slide 105 text
付与する具体的なIAM権限
105
Service-Linked RoleにPolicy用に付与する具体的な権限は下記イメージです。
Slide 106
Slide 106 text
Gateway Policyの評価方法
106
LOG_ONLY とENFORCEの2種類の評価方法が存在します。LOG_ONLYモードはログに
評価記録を残すだけで実際にはDenyされません。そのため、まずは。LOG_ONLYモード
で挙動確認して、設計通りDenyされているか判断して問題なければ、ツール実行の拒否
まで実施するENFORCEに切り替えるのが良いかと思います。
AIエージェント
Gateway
ユーザー
ツールCを実行し
て
Gatewayに紐づくたくさんの
ツール
tools/call 一覧取得
ツールCを実行するよ
ポリシーで許可され
たツール
Policy
（LOG ONLY）
ツールA ツールB ツールC ツールD
ツールCを実行しました（ログの記
録のみなので実行は可能）
ツールAとBのみ許可
CloudWatch
評価結果を記録
Slide 107
Slide 107 text
LOG_ONLY モードの確認
107
LOG_ONLY モードの評価結果はObservability機能として提供されているCloudWatchの
Dashboardで確認可能です。拒否された全体の傾向や個々のトレースも確認することが
できます。
ビジュアルで拒否の割合を確認
個々のトレースから拒否されているリクエストを確認
Slide 108
Slide 108 text
直感的にかけるポリシー言語です。下記記載なら認証を受けたユーザーが
process_refundツールをあるGateway経由で使用する時を対象にしています。また条件
として、ロールはrefund-agentが対象で、amountが200未満の場合に利用できると
いった条件を記載できます。注意点としてCedarはIAMと同じように許可しなければ暗
黙的に全て拒否されるので注意が必要です。
Cedar言語
108
Slide 109
Slide 109 text
自然言語によるポリシー作成
109
Cedarポリシーは自然言語でLLMを活用して作成することも可能です。Cedarってなんだ
か難しそうって方にも便利な機能が備わっております。ただ強すぎる権限やエラーが発
生する設定になることもあるので注意も必要です。
ユーザー
注文情報は参照可能で、更新や
作成は不可にして欲しいです。
コンソール上で入力
情報を読み取ってポリシーが作成される
Slide 110
Slide 110 text
Gatewayへのリクエスト、GatewayからのレスポンスにLambda関数を介して介入する
機能となります。きめ細かい認可制御などを可能にします。
Gateway Interceptors
110
引用：https://aws.amazon.com/jp/blogs/news/apply-fine-grained-access-control-with-bedrock-agentcore-gateway-interceptors/
Slide 111
Slide 111 text
Gatewayに対してリクエスト・レスポンスにInterceptorsを使って介入できます。
Gateway Interceptors
Request Interceptors Response Interceptors
AIエージェント Request Interceptor
Gateway Gateway
Response Interceptor AIエージェント
ターゲット ターゲット
Gatewayがターゲットを呼び出す前に実行されます。
ユースケース
● きめ細やかな認可制御（例：ユーザーグループに基
づくツール実行可否）
● アクセストークンの変換（例：なりすまし防止）
● ガードレールとの連携などなど
Gatewayがレスポンスをクライアントに返却する前に実行さ
れます。
● ツール一覧情報の権限に紐づく動的なフィルタリン
グ
● 個人情報などの機密データのマスキング
● etc・・・
ユースケース
Slide 112
Slide 112 text
Request Interceptorのユースケースも考えてみましょう。Gatewayの認証が通ると、
ユーザーAの権限では実行させたくないツールも実行できるような状態になります。
Gateway Request Interceptor
112
AIエージェント
Gateway
ユーザーA
（一般ユーザー）
更新処理をしてほ
しい
Gatewayに紐づくたくさんの
ツール
ユーザーAの権限ではツールAは
実行させたくないが実行できてし
まう
ユーザーAの権限ではこの
ツールしか実行させたく
ない
ユーザーB
（管理者ユーザー）
更新処理をして欲
しい
tools/call
ツール実行
更新処理 = ツールAを
実行します
ツールA
Slide 113
Slide 113 text
Request Interceptorを活用して、ユーザーの権限に応じてツールの実行を制御すること
ができます。
Gateway Request Interceptor
AIエージェント
Gateway
ユーザーA
（一般ユーザー）
更新処理をしてほ
しい
Gatewayに紐づくたくさんの
ツール
ユーザーAの権限ではこの
ツールしか実行させたく
ない
ユーザーB
（管理者ユーザー）
tools/call
ツール実行
あなたの権限では更新
処理 = ツールAを実行
できませんでした
ツールA
Request Interceptor
権限NGならレスポン
スを返却
ユーザーAのアクセストークンをデコードして
検証して、権限が適切か確認。権限がNGなら
レスポンスを返却するように
Slide 114
Slide 114 text
Response Interceptorのユースケースも考えてみましょう。GatewayにPolicyも何も付
与していないと下記のように全てのツール情報が返却されてしまいます。
Gateway Response Interceptor
114
AIエージェント
Gateway
ユーザーA
（一般ユーザー）
ツールで何ができ
るの？
Gatewayに紐づくたくさんの
ツール
ユーザーAの権限では一部ツール情報しか取得
してほしくないが全てのツールが取得できて
しまう
本当はユーザーAに取得
させたいツール一覧
ユーザーB
（管理者ユーザー）
ツールで何ができ
るの？
tools/list
ツール情報
取得
全てのツール情報を返却
Aさんの権限では実行
して欲しくないツール
も提示しちゃうよ
Slide 115
Slide 115 text
Response Interceptorを活用して、ユーザーの権限に応じたツール一覧を返却すること
を可能とします。
Gateway Response Interceptor
115
AIエージェント
Gateway
ユーザーA
（一般ユーザー）
ツールで何ができ
るの？
Gatewayに紐づくたくさんの
ツール
本当はユーザーAに取得
させたいツール一覧
ユーザーB
（管理者ユーザー）
tools/list
ツール情報
取得
Aさんが実行できる
ツールは下記の通りで
す。
Response Interceptor
ユーザーに応じたツール一
覧をフィルタリング
Aさんの権限に応じ
て、ツールの一覧を
フィルタリングする
Slide 116
Slide 116 text
116
はい、また考えたら教えてくださいね。
次はAIエージェントの挙動を可視化する大事なObservability機能を説
明してきますね！
Agent君
PolicyとInterceptorsを使ってきめ細やかい権限制御できるようになり
ますね！この2つの使い分けについてはまたじっくり考えたいです。
私
Slide 117
Slide 117 text
Amazon Bedrock AgentCore Observability
117
Slide 118
Slide 118 text
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を簡単に実
現できます。
Amazon Bedrock AgentCore Observability
118
AIエージェント
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 119
Slide 119 text
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・トレース・スパンの関係
119
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 120
Slide 120 text
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。
Amazon Bedrock AgentCore Observability
120
Slide 121
Slide 121 text
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starter toolkitを使ってコンテナを選択して、デプロイすると下記のように自動で
Dockerfileに含まれて、自動的にトレースされます。
依存関係（コンテナの場合）
121
開発端末
.bedrock_agentcore.yaml Dockerfile
configureコマンドで作成
CMD ["opentelemetry-instrument",
"python",
"<>.py"]が⾃動的に含まれている
launchコマンドでコンテナイメージ
をビルド＆Push
ECR
Runtime
Pull
トレース可能な状態に！！！
Slide 122
Slide 122 text
直接アップロードの場合はaws-opentelemetry-distroをrequirements.txtなどのパッ
ケージ管理ファイルに依存関係を含めることでトレースされるようになります。create
コマンドでテンプレートから作成した場合は自動的に含まれるので特に気にしなくてOK
です。
依存関係（直接アップロードの場合）
122
.bedrock_agentcore.yaml requirement
s.txt
configureコマンドで作成
launchコマンドでZipアップロード
Runtime
トレース可能な状態に！！！
開発端末
aws-opentelemetry-distroが
必要
S3
ダウンロード
Slide 123
Slide 123 text
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。
otel-rt-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。
CloudWatchに出力されるログ
123
OTEL形式
アプリログ
Slide 124
Slide 124 text
トレースを下記のように確認できます。処理時間やそれぞれのスパンでのメッセージ内
容なども細かく確認できてどこがボトルネックになっているかも分析しやすいです。
統合ダッシュボード
124
処理フローが可視化されている
それぞれのイベント内容を確認
可能
ツリー状にスパンを表現、処理
時間も表⽰されている
Slide 125
Slide 125 text
Runtimeだけではなく、Memory、Identity、Gateway、Built-in tools、Evaluationsな
どの機能もトレース可能なので便利です。挙動を見る際は積極的に活用していきたいで
すね。
Runtime以外での機能でもトレース可能
125
Memory Gateway
⻑期記憶が抽出された数
ポリシーによって拒否された割合
Slide 126
Slide 126 text
126
積極的に可視化機能を使って、エージェントの動きを理解したいです
ね！次はAIエージェントで運用する上で大事な評価を実現する
Evaluations機能について説明しますね！
Agent君
可視化できるのは便利ですね・・・不明瞭な動きやエラーがあったらまずはこのダッシュ
ボードを見て・・・って運用になりそうですね。また、Runtime以外も可視化されているの
は便利ですね。特にGatewayとか拒否ポリシーかどうか挙動を見たい時もあると思います
し。
私
Slide 127
Slide 127 text
Amazon Bedrock AgentCore Evaluations（Preview）
127
Slide 128
Slide 128 text
開発・運用しているAIエージェントの評価がコンソール上からできるようになりまし
た。ダッシュボードからわかりやすく確認できます。LLMを使った評価
（LLM-as-a-Judge）となります。
Amazon Bedrock AgentCore Evaluations（Preview）
128
AIエージェント
ユーザー Gateway
⼤阪の天気を教え
て
天気検索ツールを
使って返事する！
（ツールの結果を踏まえて）
晴れです
天気検索
ツール
リアルタイムでも質問に対
する適切な回答‧ツール選
択ができているかなど評価
⼀連の
流れを
観点に
基づい
て評価
Slide 129
Slide 129 text
若干のラグはありつつもリアルタイムで評価も可能です。また、Starter Toolkitを使え
ばオンデマンドでの評価も実現できます。ログをベースに評価しているため既存のエー
ジェントの動作には影響がありません。
評価方法
129
Online evaluation On-demand evaluation
● リアルタイムでエージェント品質
を継続的にモニタリング可能、サ
ンプリング率やフィルタ条件を指
定もできる。
● 評価結果はObservabilityのダッ
シュボードからも確認可能
● 特定のセッションIDなどを指定し
てオンデマンドで評価可能。
● Starter Toolkitで簡単に実⾏可能
どちらも運⽤中のエージェントには影響しない
Slide 130
Slide 130 text
オンライン評価の場合ならコンソール上から簡単に有効化することが可能です。最大10
個まで評価指標を用いて評価することが可能です。
設定方法
130
どの評価指標を⽤いるか選択する（最⼤10個まで）
評価にする対象のフィルタリングやサンプリング率
を選択する
Slide 131
Slide 131 text
具体的な以下の観点で評価可能です。下記以外でもカスタム評価も実装可能となりま
す。
評価項目の一覧
131
Session-level Evaluator
（セッション全体を評価）
● Goal Success Rate（⽬標達成率）
○ 会話セッション全体を通じて、ユーザーの
⽬標が全て達成されたかを評価する
Tool-level Evaluators
（ツール呼び出しを評価）
● Tool Parameter Accuracy（ツールパラ
メータ正確性）
○ ツール呼び出し時のパラメータが会話コン
テキストから正しく取得されているかを評
価する
● Tool Selection Accuracy（ツール選択正
確性）
○ 状況に応じて適切なツールが選択されてい
るかを評価する
Slide 132
Slide 132 text
具体的な以下の観点で評価可能です。下記以外でもカスタム評価も実装可能となりま
す。
評価項目の一覧
132
Trace-level Evaluators
（各ターンの応答を評価）
● Coherence（⼀貫性）
○ 応答に論理的な⽭盾、⾶躍、⾃⼰⽭盾がない
かを評価する
● Conciseness（簡潔性）
○ 必要な情報を最⼩限の⾔葉で伝えているか、冗
⻑でないかを評価する
● Context Relevance（コンテキスト関連性）
○ RAGなどで取得したコンテキストが質問に適切
に関連しているかを評価する
● Correctness（正確性）
○ 応答内容が事実として正しいか、回答が正確か
を評価する
● Faithfulness（忠実性）
○ 応答が会話履歴やツール出⼒と⽭盾していな
いかを評価する
● Conciseness（簡潔性）
○ 必要な情報を最⼩限の⾔葉で伝えているか、冗
⻑でないかを評価する
● Harmfulness（有害性）
○ 侮辱、ヘイト、暴⼒、不適切な性的コンテン
ツなど有害な内容が含まれていないかを評価
する
Slide 133
Slide 133 text
具体的な以下の観点で評価可能です。下記以外でもカスタム評価も実装可能となりま
す。
評価項目の一覧
133
Trace-level Evaluators
（各ターンの応答を評価）
● Helpfulness（有⽤性）
○ ユーザーの⽬標達成に向けて、応答がどれだけ
役⽴っているかを評価する
● Instruction Following（指⽰遵守）
○ ユーザーの明⽰的な指⽰（形式、⻑さ、スタ
イルなど）に従っているかを評価する
● Refusal（拒否検出）
○ エージェントがリクエストへの回答を拒否ま
たは回避しているかを検出する
● Response Relevance（応答関連性）
○ 応答がユーザーの質問やリクエストに直接答
えているか、的外れでないかを評価する
● Stereotyping（ステレオタイプ検出）
○ 特定のグループに対する偏⾒やステレオタイプ
的な内容が含まれていないかを評価する
Slide 134
Slide 134 text
オンデマンド評価の実施方法
134
オンデマンド評価はStarter Toolkit のevalコマンドで実行可能です。開発中で特定の
セッションについて評価して欲しいタイミングなどサクッと確認できて便利ですね。
評価する対象のセッション
IDおよび、評価指標を指定
実⾏コマンド
評価結果
点数や評価、評価の根
拠を説明
根拠については適切に
評価しているか確認し
たいですね
Slide 135
Slide 135 text
具体的な評価の画面は下記のようになります。コンソール上のGenAI Observabilityダッ
シュボードから確認可能です。
オンライン評価結果はダッシュボードから確認可能
135
各評価指標ごとにビジュアルでスコアを確認できる
評価がNGだったケースから特定のセッションを確認
することも可能
Slide 136
Slide 136 text
オンライン評価結果のログはCloudWatchに格納されていれます。ログを確認すること
も可能です。LLMによる評価のため、予想と異なる結果のケースもあるかと思います。
気になれば適宜チェックして改善に活かしていきましょう！！
AIによる評価
136
● explanationでAIが何を持って正解とし
たかの根拠を記載
○ AIの根拠と想定が一致しているかは
要チェック
Slide 137
Slide 137 text
137
はい、Evaluations機能を活用して、AIエージェントを育てていけると
良いですね。次はAIエージェントが起こせるアクションを増やす便利な
built-in tools機能について説明しますね。
Agent君
Evaluations機能は欠かせない機能ですね・・・AIエージェントは作っ
て終わりではないから、継続的に評価してAIエージェントをよくしてい
きたいですね。またAIによる評価も適切かどうかの判断が必要ですね。
私
Slide 138
Slide 138 text
Amazon Bedrock AgentCore built-in tools
138
Slide 139
Slide 139 text
Code Interpreter
Code Interpreterは、AIが生成したコードを完全に隔離されたサンドボックスで安全に
実行し、Browserはブラウザ操作による自動化を可能にします。データ分析からWebに
対するアクションまで、エージェントの適用範囲を大きく広げる強力な機能です。
Amazon Bedrock AgentCore Built-in Tools（Code Interpreter & Browser）
139
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 140
Slide 140 text
140
はい、便利なのでユースケースに応じて活用していきたいですね！
まずはCode Interpreterから説明していきます！
Agent君
なるほど、ブラウザとコードの実行環境ですか。どちらもあったらエー
ジェントの実行できるアクションの幅が広がりますね。
私
Slide 141
Slide 141 text
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。
Amazon Bedrock AgentCore Built-in Tools（Code Interpreter）
141
● 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 142
Slide 142 text
動作イメージとしては下記のようなイメージで動作します。独立した環境で動作し、AI
エージェントの実行環境に影響を与えることはございません。
Code Interpreterの実行イメージ
142
Amazon Bedrock AgentCore
AgentCore Runtime
AIエージェント
Code Interpreter
ツール経由で呼び出し
生成AIが作成したコード
独立した環境で安全に実行
コードを実行
実行環境には影響しない
✖
Slide 143
Slide 143 text
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。
Code Interpreterのユースケース例
143
Slide 144
Slide 144 text
144
はい、Strands Agentsで簡単に実装できますよ！Code Interpreter用
のツールが提供されています！
Agent君
画像作成とか便利そうですね。また大規模なファイルはS3連携できた
り、ビルトインのライブラリが入っているのも良いですね。ちなみに
Strands Agentsで簡単に実行できたりしますか・・・？
私
Slide 145
Slide 145 text
Strands AgentsでもCode Interpreterを操作する便利なツールが提供されていて、下記
のようなコードでCode Interpreter上で作成したコードの実行を可能にします。
Strands Agentsでの活用
145
● ツールをimportして初期化すれ
ば、エージェントがツールとして
Code Interpreterを可能に！
参考
：https://docs.aws.amazon.com/be
drock-agentcore/latest/devguide/c
ode-interpreter-using-strands.html
Slide 146
Slide 146 text
146
わかりました！Browser機能について説明します！
Agent君
おお、簡単に実装できましたね。次はBrowser機能について説明をお願
いします！
私
Slide 147
Slide 147 text
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。
Amazon Bedrock AgentCore Built-in Tools（Browser）
147
Browser
AgentCore Runtime
AIエージェント
操作
Slide 148
Slide 148 text
Strands AgentsでもBrowserを操作する便利なツールが提供されていて、下記のような
コードでブラウザ操作を可能にします。
Strands Agentsとの統合
148
● ツールをimportして初期化すれ
ば、エージェントがツールとして
ブラウザ操作を可能に！
参考
：https://docs.aws.amazon.c
om/bedrock-agentcore/lates
t/devguide/browser-onboardi
ng.html
Slide 149
Slide 149 text
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。あくまで使用用途としてはForm入力や特定ページのアクションなどWeb操
作を自動化するのがいいかもしれませんね。
注意：検索での使用について
AgentCore Runtime
AIエージェント
Identity
TavilyAPI
Browser
ブラウザ操作の
自動化
Web検索
Secrets Manager
API Key 取得
リクエスト
Slide 150
Slide 150 text
CAPTCHA対策としてWeb Bot Auth（Preview）も提供されています。
エージェントに暗号化された身元証明を付与することで、Cloudflare・Akamai等の主要
WAFプロバイダーに「正当な自動化ボット」として認識させ、CAPTCHA表示を減らす
仕組みです。あくまでプレビュー機能であり、引き続き検索をメインで使う場合はMCP
ツールなどで検索するやり方が手堅く感じます。
CAPTCHA対策（Preview）
Reduce CAPTCHAs for AI agents browsing the web with Web Bot Auth
(Preview) in Amazon Bedrock AgentCore Browser
Slide 151
Slide 151 text
151
はい、検索はまずはTavilyなどで実現できないかを検討するのが良いか
と思います！Form入力や特定ページのアクションなどWeb操作を自動化
する際にBrowserを使用するのが良いかと思います。
Agent君
なるほど、検索のユースケースは向いていないんですね。検索はBrowserを
活用せず、別の検索APIで実装するのを第一案にして、WebのForm入力や
情報収集などの別アクションでBrowserを活用してみます！
私
Slide 152
Slide 152 text
152
はい！今回説明したかった内容は以上となります！お疲れ様でした！！
今回説明した内容はほんの一部でしかない箇所もあるので実際に触って
理解を深めていってくださいね！
Agent君
ブラウザ操作やコードを外部環境で実行したい時はBuilt-in tools便利で
すね！これでAgentCoreの説明は以上かな？
私
Slide 153
Slide 153 text
まとめ
153
Slide 154
Slide 154 text
154
もちろんAgentCoreの機能を全て使う必要はございません！！
必要な要件に応じて使用する機能を組み立てて便利なAIエージェントを
組み立ててもらえると良いかと思います！
Agent君
Agent君、説明ありがとう！！今日説明してもらった機能は全部使う必
要があるのかな？いっぱいあって難しいなと思って・・・
私
Slide 155
Slide 155 text
まとめ
155
この資料ではAgentCoreについて幅広く説明させていただきました。
もちろん説明しきれていないことも多くありますが、少しでもAgentCoreに興味を持っ
ていただけたり、理解が深まったら何よりでございます。
来年はAgentCoreをより活用して便利なAIエージェントを生み出していきましょ
うー！！
引き続き皆様のためになるよう本資料はアップデートしていきますので、よろしくお願
いします！
最後までご覧いただきありがとうございましたー！！
Slide 156
Slide 156 text
Thank you!