Agent 活用環境の構築・運用のための AWS サービスのご紹介/agentcore-for-building-and-operating-agents

社内登壇資料。2026/10/26

AI エージェントの構築・運用を支える AWS サービスを、Amazon Bedrock AgentCore を中心に紹介します。企業での活用に欠かせない「統制とセキュリティ」「社内知識の活用」「品質とコスト」の観点から、具体的な構成例とともに解説します。

Transcript

1. 製造業⽣成AI基盤・活⽤推進ラウンドテーブル Agent活⽤環境の構築・運⽤のための AWSサービスのご紹介 統制とセキュリティ・⾃社の知識（データ / コンテキスト）・品質とコスト 鯨⽥連也（Renya Kujirada） AI Specialist Solutions Architect 10/26, 2026 © 2026, Amazon Web © 2026, Services, Amazon Inc. or Web its Services, affiliates.Inc. All or rights its affiliates. reserved.All rights reserved.
2. AI活⽤を前提としたSolopreneur の時代 2026年 1 ⼈で設⽴した会社割合 63% ※Stripeの会社設⽴サービス経由 での設⽴（4-6⽉ 過去最⾼） 1 年⽬に⿊字 77% 2 年⽬の⾒込み︓93% （⽶国の中⼩企業全体の⿊字割合は47%） © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 企画・設計 アフターサービス 開発 お客様 検証/ テスト 営業・マーケ 運⽤ 出典 Stripe, "Solo founding is at an all-time high…"; Gusto, "Behind the Boom in Solopreneurship…"; Federal Reserve, "Small Business Credit Survey"。
3. ⼤企業では︖ ー Value Chain全体での協働が重要 全般管理 Holcim ⼈事・労務管理 IBM 技術開発 請求処理 ▲90% よくある質問の 94% を AI が⾃⼰解決 Toyota（北⽶） 研究期間 ▲67% 調達 NEC 納期・数量の交渉時間 ▲97+%（実証） データ Agentを活⽤するほど知識がたまり、任せられる仕事が増える Blue Origin 不適合解消 70% 速く C.H. Robinson 受注受付待ち ▲99% US Foods 顧客提案作成 ▲90% To Be • データ連携 • 全プロセスへ組込 全体での ⽣産性向上 As Is ROI実感 購買物流 製造 出荷物流 販売・マーケ サービス ︓7% データ連携︓3% （⽇本の製造業） © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 出典 HBS, "The Value Chain"; 経済産業省, "ものづくり⽩書"; AWS, "Blue Origin…"; LangChain, "How Toyota …"; AWS, "Holcim…"; AWS, "US Foods…"; KPMG, "Global AI Pulse…"; NEC, "調 達交渉…"; C.H. Robinson, "AI performs…"; IBM, "Transforming HR support…"
4. 組織・プロセス全体に広げるとき、壁になる 3 つ ⽌まる理由 2027年までに 中⽌されるAgent プロジェクト ⽌まる理由 ⽌まる理由 リスク管理の不⾜ 価値が⾒えない コストの増⼤ 統制とセキュリティ ⾃社の知識 品質とコスト Agentへの 汎⽤知能は買える Input/Outputを追跡し 適切な権限と制限 競争優位性のある 質と費⽤を測って回す （予測） 40 %超 （データ / コンテキスト） ⾃社知識を活⽤する この 3 つにどう取り組むか、AWS のサービスをご紹介しながらご説明します © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 出典 Gartner, "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled…"
5. 本編 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 5
6. ⾃⼰紹介 鯨⽥ 連也 アマゾン ウェブ サービス ジャパン合同会社 AI Specialist Solutions Architect 前職 (NTT DATA) ではデータサイエンティストとして、 深層学習モデル・AI Agent の開発に従事。 • 興味: AI Agent 開発, LLM 学習・推論 • 好きなサービス: Bedrock AgentCore, SageMaker AI © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 6
7. アジェンダ • Agent を⽀えるハーネスと AgentCore • 統制とセキュリティ︓認証・認可、ツール実⾏前の判定、Agent カタログ • ⾃社の知識︓社内データ、Memory、AWS Context • 品質とコスト︓答えの評価、⼈の承認、費⽤と上限 • まとめ © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 7
8. Agent を⽀えるハーネスと AgentCore © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 8
9. AI Agent の構成要素 Agent は AI モデルとそれ以外の全てを担うハーネスで構成されています。 エージェント = AI モデル + ハーネス メモリ Skills プロンプト / コンテキスト 次の⾏動や回答を判断 AI モデル ツール (MCP Server) Hook (Linter / Guardrail) Agent Loop ツールを実⾏し、実⾏結果を含む 外部からの情報を次の⼊⼒とする © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 9
10. ハーネス毎のタスクの性能 同じモデルを利⽤する場合でも、ハーネス毎にタスク当たりの評価スコアと費⽤は異なります。 モデルとタスクに合わせて、ハーネスの構成も評価・調整する必要があります。 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. • 縦軸: alfworld, ContextBench, GAIA, WebShop, τ³-bench, Terminal-Bench 2.1の6つのベンチマークの平均値 • 横軸: 6つのベンチマークにおけるタスクあたりの平均ドル額 • 出典: Strands harness のブログ（2026/09/21 時点） 10
11. AWS に任せられるハーネスの範囲 マネージドな Agent Loop に加え、Agent の実⾏環境、統制・セキュリティ機能、各種ツールや Memory など、幅広くハーネスの部品を提供しています。 Agent Loop Agent 基盤 実⾏ AgentCore Harness Runtime セキュリティ Identity Policy 知識・Tool の提供 ガバナンス 決済 ツール Agent Registry Payments Gateway 統制とセキュリティ ノーコードで Agent を構築可能 o11y Observability © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 評価・改善 Evaluations Optimization 品質とコスト 記憶 Memory ブラウザ操作 コード実⾏環境 Browser Code Interpreter MCP / Build-in-tool BMKB 社内知識 Web Search 11
12. マネージドな Agent Loop (AgentCore Harness) AgentCore Harness を利⽤することで、ノーコードで Agent をクイックに構築可能です。 まず Harness で始め、細かい制御が必要になったタイミングで AgentCore Runtime に移⾏できます。 ループごと任せる ⾃分で実装 細かく制御 したくなったら 設定 AgentCore Harness (モデル・プロンプト・ツール) ループも実⾏環境も AWS に⼀任。 設定は呼び出しごとに変えられる © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 設定を Strands に書き出し ⾃分のコード (Strands Agents など) AgentCore Runtime ループは⾃分のコードで細かく制御。 マルチエージェントにも向く 12
13. AgentCore による Agent 基盤の⼀例 基盤チームが共通の基盤を持ち、各部⾨は Agent 開発に集中できます。 統制とセキュリティ・社内知識の活⽤・コスト/品質管理も、AgentCore でまとめて担えます。 基盤チームが持つ共通の基盤 Rate Limit で上限設定 購買 AgentCore Gateway Identity Agent の⾏動を制御 各部⾨が作る Agent コスト 利⽤者 統制とセキュリティ 品証 AgentCore Harness Inbound 利⽤者の JWT を検証 Policy・Guardrails AgentCore Evaluations 社内データに接続 社内システム AgentCore Gateway Outbound 社内システムや SaaS のAPI Keyや Tokenを取得 品質 Agent の評価・改善 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 社内知識 ガバナンス Agent Registry Agent カタログで管理 13
14. 統制とセキュリティ © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 14
15. Agent の統制・セキュリティの実現⽅法 Agent の認証・認可、ツール実⾏前の判定 (ガードレール)、Agent カタログの 3 要素が重要です。 あるべき姿 なぜ要るか 認証・認可 ツール実⾏前の判定 Agent カタログ Identity 誰の権限で動くかを決める Policy・Guardrails Agent Registry 承認済みの Agent や ツールを探して再利⽤する 危険な操作や 不正な⼊⼒を⽌める © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 80% の組織が AI エージェントの 危険な振る舞いに遭遇したと回答 出典: McKinsey（2025-10） 15
16. Agent にタスク実⾏させる際の権限 AgentCore Identity が社内 IdP と連携し、利⽤者本⼈の権限だけで Agent を実⾏します。 社外の SaaS は 3LO で本⼈が同意し、社内 API は OBO で最⼩限のトークンを API ⽤に交換します。 ⼊⼝ 接続 3LO （本⼈が同意） JWT 発⾏ 社外の SaaS 利⽤者 Agent 社内 IdP AgentCore Identity (Token Vault) OBO （代理でトークン交換） 社内 API (Entra ID / Okta) 既存の IdP で Agent を呼べる⼈を限定する © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 鍵は Agent の コードや設定に置かない ユーザー毎のトークンは Token Vault が 保管し、⾃動で更新する 16
17. Agent の危険な操作の防⽌ AgentCore Policy と Guardrails が危険な操作や⼊⼒を AgentCore Gateway で⽌めます。 判定は Agent Loop の外で⾏うので、プロンプトインジェクションを受けても破られません。 Agent の振る舞いは確率的。 ガードレールはプロンプトに 任せない Agent のループの外 Bedrock Guardrails 利⽤者 Agent AgentCore Policy AgentCore Gateway Guardrails が⼊⼒と⾏動を採点し、 Policy がルールで許可か拒否を判定 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 社内システム 拒否なら社内システムに届 く前に⽌まる 17
18. 全社で増える Agent の管理 Agent Registry に承認済みの Agent・ツール・Skills を載せ、全社で検索・再利⽤できます。 Organizations と連携し、各部⾨のアカウントの Runtime と Gateway を⾃動で⼀覧化可能です。 各部⾨のアカウント Agent カタログ 社員 Organizations 連携 Runtime (HTTP/A2A) Gateway 部⾨ごとに作られ、全社で 把握できていない Agent が増える AWS Agent Registry (Agent / MCP / ツール / スキル) Agent 登録・審査・承認を経た ものだけが検索に出る Amazon Quick © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 18
19. 社内知識 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 19
20. Agent に⾃社の知識を活⽤させる⽅法 社内データに接続し、使うほど育ち、データの意味と関係が繋がる状態を作ります。 差になるのは汎⽤のモデルが持たない、⾃社にしかない現場の知識です。 あるべき姿 なぜ要るか 60% 社内データに届く 使うほど育つ 意味と関係を繋げる Gateway・Knowledge Base Memory 会話や経験を次に⽣かす AWS Context ⽤語や業務ルールを渡す いまある社内資産をつなぐ © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. AI 向けに整ったデータのない AI 案件のうち、2026 年までに 放棄される割合（予測） 出典: Gartner（2025-02） 20
21. 社内のシステムや⽂書と Agent のつなぎ⽅ AgentCore Gateway や Managed Knowledge Base で既存の社内資産をそのまま Agent から使えます。 既存の API や MCP サーバーは Gateway でツールにし、社内⽂書は Managed KB で検索します。 ツールの⼊⼝ 利⽤者 AgentCore Gateway Agent (MCP Server) 既存の API や MCP サーバーを 作り直さずにツールにできる © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. いまある社内資産 社内システム (PLM / MES) Managed KB (社内⽂書) Web Search (公開情報) 社内⽂書の検索を作り込まずに⽤意し Gateway 経由でツールにできる 21
22. Agent がユーザーとタスクを覚える仕組み AgentCore Memory がユーザーとの会話や好み、過去の経験を記録し、次のタスクに活かします。 業務のイベントやログも JSON のまま取り込み、セッションをまたいで必要な情報を参照できます。 AgentCore Memory 過去の不具合調査で確かめたことを 次の調査の⼿がかりにする Memory 残す 利⽤者 Agent 思い出す ⾃動で取り出す 短期記憶 (1 つの会話) ⻑期記憶 (要点・好み・要約・経験) セッションをまたいで使い、 使うほど育つ © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 業務のログ (JSON のまま) ⾒てよい⼈の記憶だけ使い、 古い記録は期限で消す （10 ⽉機能追加） 22
23. 品質とコスト © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 23
24. Agent の品質とコストの改善⽅法 Agent の回答を評価し、重要な操作は実⾏前に⼈が承認し (HITL)、部⾨ごとに利⽤量の上限を設定 します。 あるべき姿 なぜ要るか 評価サイクルの確⽴ 重要な操作は⼈が承認 部⾨ごとの費⽤と上限 Observability・Evaluations 実⾏前の確認 （lifecycle hooks）・Policy Gateway の Rate Limit 本番の前と後で採点する 実⾏の前に⽌めて確かめる © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 使える量を決めて⽌める 約 15 倍 複数の Agent で分担するとチャットの 約 15 倍のトークンを使う 出典: Anthropic（2025-06）の社内データ 24
25. Agent の回答の評価⽅法 Observability で Agent の動きを追跡し、Evaluations で本番の前後に Agent を評価します。 Optimization でトレースから出した改善案を A/B テストで確かめ、品質を⾼め続けます。 AgentCore で品質を測る トレースとトークン数を セッションごとに⼀覧 トレース 利⽤者 Agent トレースから改善案を出し、 流量を分けて A/B テスト 採点結果 AgentCore AgentCore Observability Evaluations 開発者 オフライン・オンライン評価 改善 AgentCore © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. Optimization 25
26. Agent の重要な操作に対する⼈の承認 AgentCore Policy に「⼈の承認を得てからツールを実⾏する」というルールを定義できます。 Temporal Policies が Gateway 経由のツール呼び出しを評価し、承認を経ていない操作を拒否します。 実⾏の前に⽌める 承認を経ない実⾏は Temporal Policies で拒否 確認と承認 AgentCore Policy 承認者 利⽤者 Agent AgentCore Gateway 承認後に実⾏ 社内システム HITL (承認を取得する) ツール を定義 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 26
27. Agent の利⽤量の上限 AgentCore Gateway の Rate Limit で⼈やモデルごとに使える量を決めます。 リクエストを受けた時点で上限を確かめ、超えた分はその場で遮断します。 利⽤者・グループ・モデル・Agent・ツールの 単位で上限を決める AgentCore Gateway の Rate Limit ツール AgentCore Gateway 利⽤者 Agent モデル リクエスト数 秒・分ごと トークン数 ⼊出⼒の合計 同時処理数 処理中の件数 Agent 上限を超えたら、その場で遮断 （0 にすれば即停⽌） © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 27
28. 部⾨ごとの費⽤の把握と⽉の予算管理 Cost Explorer で部⾨別の費⽤を把握し、AWS Budgets のアクションで予算超過時の利⽤を 制限します。利⽤者ごとの制御が必要な場合は、Gateway の Interceptor を使います。 まず: AWS Budgets 必要なときだけ: 共有 Gateway で利⽤者ごと Interceptor IAM ポリシーで拒否 数字の更新は 1 ⽇最⼤ 3 回。⽌まるのは数時間後 部⾨ごとのアカウント・ ロール・Gateway AWS Cost Explorer DynamoDB (Lambda) AWS Budgets REQUEST で残⾼を確かめ、 RESPONSE で⾦額を⾜す Agent AgentCore Gateway Amazon Bedrock (タグで部⾨別に⾒る) (部⾨ごとに分けていれば) Budget actions で超えたら IAM ポリシーを付けて⽌める 共有の Gateway で利⽤者ごとに⾦額で⽌める （aws-samples のサンプル参照） https://github.com/aws-samples/sample-agentcore-gateway-usage-interceptor © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 28
29. LiteLLM の代替となる AWS サービス AgentCore Gateway を窓⼝にして、各社のモデルへの接続と使う量をまとめて管理します。 API Key とログが 1 か所に集まり、LiteLLM の機能の多くを AgentCore Gateway で担えます。 AgentCore Gateway（推論ターゲット） SDK の接続先を変えるだけ Bedrock OpenAI 社内のアプリ ⽌める Rate Limit・予算 選ぶ model 名で ⾏き先を選ぶ 測る Observability Anthropic ほかのプロバイダも設定で追加できる © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 29
30. おわりに © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 30
31. AgentCore での Agent 構築の始め⽅ AgentCore Harness と Gateway で既存の社内 API / データを使う Agent を作れます。 ガバナンスを整備し、社内知識を活⽤し、運⽤状況を確認しながら品質とコストを改善します。 1 まず 1 つの業務で 利⽤者 Identity AgentCore Gateway Inbound 利⽤者の JWT を検証 Outbound 社内 API の API Key や Token を取得 2 統制とセキュリティ Policy 使える条件を決める 社内 API / データ AgentCore Harness Agent Registry 動いた Agent を載せる © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. 3 社内知識 Knowledge Base 社内⽂書を答えに使う まず既存の社内 API を 1 つツールにする 4 品質とコスト Memory 過去の会話を⽣かす Observability 動きを⾒る Evaluations 答えを採点する 31
32. Thank you! Renya Kujirada X: @recat_125 © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved. © 2026, Amazon Web Services, Inc. or its affiliates. All rights reserved.