Amazon Bedrock AgentCoreで始めるAIエージェント活用

Transcript

1. © 2025 Classmethod, Inc. Amazon Bedrock AgentCoreで始める AIエージェント活用 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 神野 雄大（Jinno Yudai）
2. © 2025 Classmethod, Inc. 自己紹介 2 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）/@yjinn448208 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 好きな サービス • Amazon Bedrock AgentCore ブログはこのアイ コンで書いていま す！
3. © 2025 Classmethod, Inc. 対象と目的 3 本日はAIエージェントについてあまり知らない方に、AIエージェントの可能性を理解い ただきたく思います。少しでも興味が沸いたら嬉しく思います。 対象 対象と目的 • AIエージェントといった言葉は知っているけど理解しきれていない • AIエージェントに興味があるが、どうやって作るのか分からない 目的 • AIエージェントについて概要から理解する • Amazon Bedrock AgentCoreを使った簡単なAIエージェントの作り方を理解する
4. © 2025 Classmethod, Inc. 生成AIの活用 4 皆様は日々の業務で生成AIを活用されていますか？ ChatGPT、Gemini、Claudeなど、生成AIツールの普及により、多くの企業様が業務効 率化を模索しています。 生成AI ユーザー xxxについて教え て xxxは〜 質問/文章作成/要約/etc・・・
5. © 2025 Classmethod, Inc. LLM ? RAG ? ツール利用? AIエージェント? 5 生成AIを取り巻く様々な技術用語が飛び交っていますが、正直なところ混乱されている 方も多いのではないでしょうか。 LLM、RAG、ツール利用、AIエージェント...これらの違いと関係性をこれから順を追っ て整理していきます。 LLMのみ ユーザー xxxについ て教えて LLM xxxは~ RAG LLM ユーザー データソース 質問 クラスメソッドの社内 規定について教えて 質問 参照 クラスメソッドの社内規定 はxxxです。引用元は yyy.pdfです。 ツール利用 LLM ユーザー 大阪の天気情報を取得 して 質問 天気情報APIによると明日は 晴れです。 利用 天気情報API AIエージェント ユーザー 韓国旅行の予約をお願 い エージェント わかりました！まずは 計画から考えて実行し ます！ 調査 予約 メール
6. © 2025 Classmethod, Inc. 世の中は生成AIを活用する時代になってきています。皆様もChatGPT、Gemini、 ClaudeなどのLLM (Large Language Model)を日々利用されているかと思います。 LLMは自然言語で対話できる大規模言語モデルで、生成AI活用の基盤となる技術です。 LLM 6 ChatGPT Gemini Claude LLM 代表的なモデル ChatGPT • GPT-5 Gemini • Gemini 2.5 Pro Claude • Sonnet 4.5 • Haiku 4.5
7. © 2025 Classmethod, Inc. LLMは非常に便利ですが、学習済みデータの範囲内でしか回答できないという課題があ ります。そこで登場したのがRAG（Retrieval-Augmented Generation：検索拡張生 成）です。外部のデータソースを参照することで、最新情報や企業独自の情報にもアク セスできるようになりました。 RAG（Retrieval-Augmented Generation：検索拡張生成） 7 LLMのみ RAG 生成AIが保持している知識でしか回答ができない データソースの範囲からも回答可能に ユーザー LLM クラスメソッドの社内 規定について教えて クラスメソッドの社内規定は存 じません。一般的な社内規定だ と〜 ユーザー LLM クラスメソッドの社内規定は xxxです。引用元はyyy.pdfで す。 データソース 質問 質問 参照※ ※わかりやすさのため抽象的に記載しております。詳細な説明は次のスライドでご説明いたします。 クラスメソッドの社内 規定について教えて
8. © 2025 Classmethod, Inc. RAGにおけるユーザーの質問から回答生成までの流れを、ベクトルデータベースを中心 としたアーキテクチャで実現します。 具体的なRAGのイメージ 8 ドキュメント 加工済みのドキュ メント 前処理 ベクトル データベース ファイルを分割/ ベクトル化 ユーザー 質問 LLM 質問を解釈し てクエリ作成 問い合わせ LLM 検索結果となる ドキュメントを取得 検索結果となるドキュメント + 質問 を加味して回答を生成 準備 利用 マークダウンなどにす るケースが多いです
9. © 2025 Classmethod, Inc. ベクトルデータベースは、テキストや画像などのデータを数値ベクトル（数字の配列） として保存し、 意味的な類似性に基づいて高速に検索できるデータベースです。 従来のデータベースはキーワードの完全一致で検索しますが、ベクトルデータベースは 「意味の近さ」で検索できます。 例えば、「犬」と検索すると「ペット」「動物」「愛 犬」なども関連情報として取得できます。 ベクトルデータベースについて 9 ユーザー 犬の〜 埋め込み モデル 質問 ベクトルデータベース （イメージ図） ラーメン ペット 犬 愛犬 類似 質問をベクトルに変換 して検索 犬=[0.02, -0.45, 0.89, ...]
10. © 2025 Classmethod, Inc. RAGが「情報取得」を可能にしたのに対し、ツール利用（Tool Use / Function Calling）は「アクション実行」を可能にしました。LLMが外部のAPI、関数、システム を呼び出すことが可能です。 ツール利用 10 LLMのみ ツール利用 生成AIが保持している知識でしか回答ができない 外部へのアクションも可能に ユーザー LLM 大阪の天気情報を取 得して （調べずに）明日は晴れです。 ユーザー LLM 大阪の天気情報を取 得して 天気情報APIによると明日は晴 れです。 質問 質問 利用 天気情報API
11. © 2025 Classmethod, Inc. Anthropicが提唱したMCP（Model Context Protocol）は、LLMとツールを接続するた めの共通プロトコルです。この標準化により、ツールの再利用性が高まり、エコシステ ム全体の発展が加速しています。 MCP（Model Context Protocol） 11 MCPクライアント （ex.Claude Desktop） MCP MCP Server MCP Server MCP Server データ取得/ 書き込み データベース AWS環境 リソース情報取得 /更新など ローカルファイル 取得/更新
12. © 2025 Classmethod, Inc. MCPサーバーは外部サービスへの「橋渡し役」を担います。AWS Documentation MCP サーバーを例に考えてみます。AWS Documentationの場合は薄くラップしていて実態は 検索システムへ問い合わせしています。その結果をLLMがいい感じに解釈して回答して くれます。 MCP Serverの例 12 MCP Clinet AWS Documentation MCP Server 質問 ツール実行 LLM MCPツール実行 検索システム 検索クエリ実行 検索結果返却 LLMが検索結果 をいい感じに解 釈して返答 全体フロー
13. © 2025 Classmethod, Inc. ここまでLLM、RAG、ツール利用と進化してきましたが、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。 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
14. © 2025 Classmethod, Inc. 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。 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？
15. © 2025 Classmethod, Inc. 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。 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
16. © 2025 Classmethod, Inc. 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
17. © 2025 Classmethod, Inc. • 実行計画 • 自己修正 • タスク管理 特に「自律性」の有無が、エージェントとそれ以前の技術を分ける大きな境界線となっ ています。 LLM/RAG/ツール利用/AIエージェントの比較 17 LLMのみ RAG ツール利用 AIエージェント 自律性 特徴 • 対話 • Web上の知識 • 指示理解 • 構造化出力 • クエリ作成 • データソース検索 • 検索結果をベースに した回答 • リランキング • ツール利用 • API連携 • MCP Serverによる ツール利用
18. © 2025 Classmethod, Inc. ここから具体的なユースケースを考えてみます 18
19. © 2025 Classmethod, Inc. まずは従来のチャットボット・RAGとAIエージェン トを活用したRAGの比較から考えてみます 19
20. © 2025 Classmethod, Inc. チャットボットやRAGは効果的な技術ですが、静的なデータへの依存と、曖昧なクエリ への対応不足という2つの問題が存在します。この問題がAgentic RAG（エージェント型 RAG）が求められる背景となります。 従来のRAGについて 20 静的な データへ の依存 ユーザー LLM データソース この質問ならWeb からのリサーチも 含めて欲しいなぁ ・・・ 質問 参照して回答を生成 曖昧な 質問 ユーザー LLM データソース 質問 参照して回答を生成 うちの環境で使えそう？ うちって何？？ ベースのドキュメントに はないけど・・・ データソースからは下記 情報を取得しました！ xxx
21. © 2025 Classmethod, Inc. Agentic RAG（エージェント型RAG）は、単なる「検索→生成」の一方通行ではなく、 「計画→実行→評価→修正・再実行」という自律的な調査プロセスを可能とします。 複数のデータソースを動的に使い分け、自ら検証と再試行を繰り返すことで、信頼性の 高い回答を実現します。 Agentic RAG 21 ユーザー データソースA 質問 うちの環境で使えそ う？ データソースB エージェント Web 1.環境理解 2.情報収集 3. Webでの 追加調査 うち = 自社のことだからま ずは自社情報を取得して、 その後別のデータソースか ら情報収集する、最後に Webでの追加調査も実施
22. © 2025 Classmethod, Inc. Agentic RAG で解消を図る 実際にAgentic RAGを使うケースを考えてみます。例えば、社内規定や労務などに問い 合わせしたり自分がどう申請するのかどうか、検討するのは手間かと思います。 ユースケースのイメージ 22 従業員 育休を取得したい・・・ どんな申請が必要なんだっ け。そもそも有給はどれぐ らい残っていたのだろう か。上司への承認も必要な のだろうか、うーん・・・ 同僚 同僚に聞く ポータルサイト/ 勤怠管理システム 社内規定 労務 色々と聞いたけど自分でどう 申請するかも考えないと。 コスト高いな・・・ 労務に問い合わせ 参照 参照
23. © 2025 Classmethod, Inc. Agentic RAGがどのように動作するのか、実際のデモでご覧いただきます。 エージェントが複数のデータソースから情報を収集し、評価し適切にアドバイスをする 例を今からお見せします。 DEMO:Agentic RAGの動作 23 ユーザー DEMO エージェント 来月から3ヶ月の育休を取りた いです。申請期限、必要書類、 私の有給日数を教えてくださ い。上司の承認は必要ですか？ 質問 データソース 社内規定/FAQ を検索 属性や有給日数 を取得 人事マスタ 就業規則を検索 実行計画 FAQ検索 有給日数を取得 まず計画を考えます。 計画に基づいて実行した結果の 回答サマリーはxxxです。 ~~~ 失敗しても分析してリトライな どの最適な行動を選択する
24. © 2025 Classmethod, Inc. AIエージェントの活用についてもう一例考えてみます 24
25. © 2025 Classmethod, Inc. コールセンターにおける返品対応を考えてみます。問い合わせを受けた商品を調べて、 返品ラベルを作成して、メールを作成して・・・といったフローを行います。 コールセンターにおける返品対応を考える（ASIS） 25 エンドユーザー 発注ID#12345の商品を返 品したいです オペレーター 発注ID#12345の状況をま ずは確認しますね・・・ 電話 発注情報DB 1. 商品の情報・ス テータスを確認 返品ポリシー 2. 返品ポリシーに 適しているか確認 返品ラベル 管理システム 3. ポリシーに適し ていれば返品ポリ シーを作成 返品可能でしたので、返品ラ ベルをお送りします。ラベル に従って返品してください。
26. © 2025 Classmethod, Inc. コールセンターにおける返品対応を例に、AIエージェントの自律的な動作を実際のデモ でご覧いただきます。エージェントは「プロセスの自律的対応」を実現します。 コールセンターにおける返品対応を考える（TOBE） 26 エンドユーザー 発注ID#12345の商品を返 品したいです 電話 発注情報DB 1. 商品の情報・ス テータスを確認 返品ポリシー 2. 返品ポリシーに適 しているか確認 返品ラベル管理 システム 3. ポリシーに適して いれば返品ポリシー を作成 オペレーター お調べいたします ね。 エージェント 対応しますね。 DEMO
27. © 2025 Classmethod, Inc. AIエージェントは強力ですが、すべてを自動化すべきでしょうか？ 重要な判断、高額な取引、顧客に大きな影響を与える決定では、人間の承認を求めるべ き場面があります。Human in the Loop（人間参加型）のアプローチにより、AIの効率 性と人間の判断力を最適に組み合わせることができます。 人間をプロセスに介入される（Human in the loop） 27 DEMO エンドユーザー 発注ID#99999の商品を返品し たいです 電話 発注情報DB 1. 商品の情報・ス テータスを確認 返品ポリシー 2. 返品ポリシーに適 しているか確認 3. 高額商品のためマ ネージャーに承認を リクエスト オペレーター お調べいたしますね。 エージェント 承認が必要とわかった ため承認をリクエスト する マネージャー ¥90,000 と判明 ¥50,000以上の場 合は承認が必要 承認プロセス
28. © 2025 Classmethod, Inc. AIエージェントは何でも出来る分、どこまで自動化させるのかエージェントに委ねるの かは今後の設計課題として挙げられる印象があります。論点としてAIエージェントに委 ねて問題ない作業か、精度100%を要求するような作業ではないかがチェックポイントか と思います。 人間をプロセスに介入される（Human in the loop） 28 ユーザー エージェント どこまでAIエージェン トに作業を委ねるか 必要に応じて人間に確認
29. © 2025 Classmethod, Inc. AIエージェントは便利ですがどう実現していくのがいいでしょうか？ 29
30. © 2025 Classmethod, Inc. これほど強力なAIエージェントですが、AWS上でプロトタイプから本番環境へ移行する 際には多くの課題が立ちはだかります。セキュリティ、スケーラビリティ、複雑性...こ れらの課題が導入を阻んできます。Amazon Bedrock AgentCoreなら、これらの課題を シンプルに対応できます。 それをどう実現するか 30 今まで Amazon Bedrock AgentCore を使った場合 どこにAIエージェントを作成・展 開したらいいんだろう？？ AWSならECS？Lambda? Bedrock Agents？ ユーザー エージェント Bedrock ユーザー 開発・ デプロイ 利用 AgentCoreでAIエー ジェントを開発して、 デプロイするぞ！！！
31. © 2025 Classmethod, Inc. Amazon Bedrock AgentCoreの説明 31
32. © 2025 Classmethod, Inc. 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 32 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
33. © 2025 Classmethod, Inc. Amazon Bedrock AgentCoreはRuntime、Identity、Memory、Gateway、Built-in Tools、Observabilityという6つのサービスが、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の機能 33 Amazon Bedrock AgentCore Identity Gateway Built in tools Memory Runtime Identity
34. © 2025 Classmethod, Inc. 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 34 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
35. © 2025 Classmethod, Inc. 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 35 Strands Agents たった3行で実行できる
36. © 2025 Classmethod, Inc. 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。 Strands Agents 36 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
37. © 2025 Classmethod, Inc. 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 Strands Agents 37 ツールを定義して 呼び出すだけで機能
38. © 2025 Classmethod, Inc. 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。 Strands Agents 38 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
39. © 2025 Classmethod, Inc. 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 39 Amazon Bedrock AgentCore 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
40. © 2025 Classmethod, Inc. デプロイはシンプルです。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。 Amazon Bedrock AgentCore Runtime 40 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
41. © 2025 Classmethod, Inc. Amazon Bedrock AgentCore Runtime 41 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 Strands Agents agentcore launch デプロイ AIエージェント
42. © 2025 Classmethod, Inc. Amazon Bedrock AgentCore Runtime 42 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やCurlなどでももちろん呼び出し可能です。 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 agentcore invoke
43. © 2025 Classmethod, Inc. Amazon Bedrock AgentCore Runtime 43 ご説明したステップでAgentCoreにAIエージェントを展開して、 本日デモでお見せした、サンプルアプリケーションをAgentCoreをベースとして動かす ことが可能です。 DEMO DEMO
44. © 2025 Classmethod, Inc. Amazon Bedrock AgentCore Runtime 44 サンプルアプリケーションのアーキテクチャとなります。下記のような構成で実現可能 です。※あくまで1例です。フロントエンドをどうするか悩ましいですよね。手軽さでApp Runnerに しました。 AgentCore Runtime Strands Agents AIエージェント Bedrock LLM 頭脳として利用 App Runner フロントエンド OpenSearch DynamoDB S3 ベクトルデータ ユーザー 質問を記入 質問を送信 ツール利用で必 要に応じて参照
45. © 2025 Classmethod, Inc. AgentCoreその他機能活用 AgentCoreはRuntime以外でも、認証を実現するIdentity、MCP Server管理を実現するGateway機 能、記憶を管理するMemory機能など存在します。多種多様な機能を活用して、より便利なAIエージェ ントを実装可能です！ 45
46. © 2025 Classmethod, Inc. 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 46 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
47. © 2025 Classmethod, Inc. AgentCore Identity機能は、Inbound Auth（エージェント自体への認証）とOutbound Auth（外部サービス呼び出しの認証）の2つを提供します。Cognito、Okta、Auth0な どの既存IdPと連携し、APIキーやOAuth認証情報をSecrets Managerで安全に管理可能 です。 Amazon Bedrock AgentCore Idnetity 47
48. © 2025 Classmethod, Inc. 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 48 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 Toolsを中央 集権的に管理 MCP Server
49. © 2025 Classmethod, Inc. 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。 Amazon Bedrock AgentCore Gateway 49 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
50. © 2025 Classmethod, Inc. エージェントが何を考え、どのツールを使い、どこで時間を費やしているのか—内部動 作の可視化はデバッグと評価に不可欠です。AgentCore Observability機能は、 CloudWatch統合ダッシュボードでメトリクス、トレース、スパンを完全に可視化しま す。 Amazon Bedrock AgentCore Observability 50
51. © 2025 Classmethod, Inc. 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調 査まで、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） 51 AgentCore Code Interpreter AgentCore 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
52. © 2025 Classmethod, Inc. 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。下記の ようなイメージで動作します。 Amazon Bedrock AgentCore Built-in Tools（Code Interpreter） 52
53. © 2025 Classmethod, Inc. 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） 53 Browser AgentCore Runtime Strands Agents AIエージェント 操作
54. © 2025 Classmethod, Inc. AgentCoreの詳細について 54 手前味噌で恐縮ですが過去に登壇した資料などはブログに記載しているので、ぜひもっ と詳細に知りたい方はご参照いただけると嬉しいです。 Amazon Bedrock AgentCoreを使ってみよう！ 〜各種機能のポイントを解説〜 著者ページ
55. © 2025 Classmethod, Inc. AgentCoreのまとめ 55 AgentCoreは多種多様な機能が存在するため、要件に応じて必要になりそうな機能を選択し てAIエージェントを作成していきます！
56. © 2025 Classmethod, Inc. 本日は、AIエージェントの「何ができるのか」と「どうやって実現するのか」を、 Amazon Bedrock AgentCoreをベースに解説してきました。AIエージェントの可能性と 実装方法を理解していただいたところで、次は皆様の番です。AgentCoreの便利な機能 を活用して、インフラ管理ではなくビジネス価値の創造に集中していきましょう！ まとめ 56
57. © 2025 Classmethod, Inc. ご清聴ありがとうございました！！！ AIエージェントとAmazon Bedrock AgentCoreの可能性を感じていただけたでしょう か。 本日の内容について、ご質問やご相談があれば、お気軽にお声がけください！ 皆様のビジネスにおけるAIエージェント活用を、全力でサポートさせていただきます！ ありがとうございました 57
58. © 2025 Classmethod, Inc. Thank you!