Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Amazon Bedrock Agents (基本編)
Search
為藤アキラ
January 22, 2025
Technology
250
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
Amazon Bedrock Agents (基本編)
為藤アキラ
January 22, 2025
More Decks by 為藤アキラ
See All by 為藤アキラ
Agent ServerはWeb Serverではない。ADKで考えるAgentOps
akiratameto
0
210
AI Agent Vertex AI Agent Builder × A2A × ADKで繋げるマルチエージェント
akiratameto
1
150
[OpsJAWS Meetup33 AIOps] Amazon Bedrockガードレールで守る安全なAI運用
akiratameto
2
410
Amazon Bedrockで実現する堅牢なデータエンジニアリング
akiratameto
1
140
Bedrock カスタムモデルvs汎用モデルの比較
akiratameto
1
170
Vertex AIで実現するLLMデータアノテーションの効率化と自動化
akiratameto
0
220
Amazon Bedrock Agents (ナレッジベースの種類)
akiratameto
1
340
DeepSeek-R1をカスタムモデルとしてAmazon Bedrockにインポートし活用
akiratameto
0
270
SageMaker Feature Storeを活かしたLLM推論
akiratameto
1
130
Other Decks in Technology
See All in Technology
Cursor Meetup Sapporo - Cursor物語 続編
cocacola917
0
120
Atlassian Cloudサポート業務でのAIエージェント活用事例
smt7174
0
410
修正PRを食べてレビュースキルが賢くなる:Claude Codeによる自己改善サイクル
yuyaumetsu
4
1.1k
AIは実装を速くする。では、私たちは何を今作るべきか?-立場を越えてリリースに向き合ったチーム開発の実践 / 20260801 Hiromi Nakaya and Naoki Takahashi
shift_evolve
PRO
3
370
タクシーアプリ『GO』の実践的データ活用〜位置情報データの収集とStreamlitでの可視化〜
mot_techtalk
2
200
toio・myCobotでフィジカルAIっぽいことを行うための検討(とりあえず調査) / フィジカルAI LT(IoTLTによる開催)
you
PRO
0
280
[ChatGPT Work LT]事務作業が苦手な人のための バックオフィスの「半」自動化
chimaki_iot
0
190
Issue設計から始める仕様駆動開発 / 20260731 Mizuki Hirata
shift_evolve
PRO
1
130
PLaMo 3.0 Primeの構造化出力サポート
pfn
PRO
0
180
取引先から届く 「セキュリティチェックシート」の読み解き方
kamadamakoto
0
110
【5分でわかる】セーフィー エンジニア向け会社紹介
safie_recruit
0
53k
メルカリのグローバルアプリで挑んだ AlloyDB 運用と課題解決の実践記
hatappi
0
230
Featured
See All Featured
Test your architecture with Archunit
thirion
1
2.3k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
360
30k
How to build an LLM SEO readiness audit: a practical framework
nmsamuel
1
820
世界の人気アプリ100個を分析して見えたペイウォール設計の心得
akihiro_kokubo
PRO
72
41k
Primal Persuasion: How to Engage the Brain for Learning That Lasts
tmiket
0
400
Max Prin - Stacking Signals: How International SEO Comes Together (And Falls Apart)
techseoconnect
PRO
0
340
Tips & Tricks on How to Get Your First Job In Tech
honzajavorek
1
660
Building Applications with DynamoDB
mza
96
7.2k
What does AI have to do with Human Rights?
axbom
PRO
1
2.3k
Making the Leap to Tech Lead
cromwellryan
135
10k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
123
22k
Chasing Engaging Ingredients in Design
codingconduct
0
260
Transcript
AWS活用 Amazon Bedrock #1 Amazon Bedrock Agents 基本編 株式会社BLUEISH 代表取締役CEO兼CTO
為藤アキラ @AkiraTameto
為藤 アキラ (Akira Tameto) 株式会社BLUEISH 代表取締役 CEO兼CTO ・AWS歴12年 ・直近のAIプロジェクト
・画像を中心とした機械学習とLLM のハイブリッドのアーキテクト 自己紹介
基本的な1日のスケジュール
今回の基礎編でのゴール ・AI Agentを知ること ・Amazon Bedrockを知ること
今回の基礎編でのゴール ・AI Agentを知ること ・Amazon Bedrockを知ること ・迷わずにBedrock Agentsで作業が出来ること
AI Agentとは?
自立型の生成AI?
AI Agentとは? 出典: 日経クロステック「有能人材「AIエージェント」とは 宿泊予約や商談資料作成」より 特定のタスクを自動的かつ自律的に実行するシステム
AI Agentとは? AI Agentは、環境と対話し、データを収集し、そのデータを使用して自己決定 タスクを実行して、事前に決められた目標を達成するためのソフトウェアプログ ラムです。 目標は人間が設定しますが、その目標を達成するために実行する必要がある最 適なアクションは AI エージェントが独自に選択します。
AI Agentを6段階で考える
AI Agentを6段階で考える ・L0 (No AI) AIによる学習・推論なし。単なるツール+行動のみ ・L1 (Rule-based
AI) あらかじめ設定したルール(if-then)に基づいて動くAI ・L2 (IL/RL-based AI) 模倣学習(IL)や強化学習(RL)などを活用し、試行錯誤を通じて推論・意思決定をするAI ・L3 (LLM-based AI) 大規模言語モデル(LLM)を中核に据え、言語理解や高度な推論が可能 ・L4 L3を踏まえたうえで自律学習と汎化能力を付与し、新しい状況に柔軟に適応するAI ・L5 L4をさらに拡張し感情や性格(パーソナリティ)を持ち複数エージェント同士で協調・連携できるAI
AI Agentを6段階で考える ・L0 (No AI) AIによる学習・推論なし。単なるツール+行動のみ ・L2 (IL/RL-based
AI) 模倣学習(IL)や強化学習(RL)などを活用し、試行錯誤を通じて推論・意思決定をするAI ・L3 (LLM-based AI) 大規模言語モデル(LLM)を中核に据え、言語理解や高度な推論が可能 ・L4 L3を踏まえたうえで自律学習と汎化能力を付与し、新しい状況に柔軟に適応するAI ・L5 L4をさらに拡張し感情や性格(パーソナリティ)を持ち複数エージェント同士で協調・連携できるAI ・L1 (Rule-based AI) あらかじめ設定したルール(if-then)に基づいて動くAI
AI Agentに向いているもの 出典:AWS Black BeltOnline Seminar より
AI Agentに向いているもの 出典:AWS Black BeltOnline Seminar より
Amazon Bedrock Agentsの歴史 2023年9月28日 Amazon Bedrockが正式リリース 2023年11月28日 Amazon Bedrock Agentsが一般リリース
2024年4月5日 Amazon Bedrock AgentsがCloudFormationに対応 2024年4月23日 ユーザーからの必要なパラメータで を定義 2024年4月23日 機能がリリース 〜 Action Group Return of Control
Amazon Bedrock Agentsでの流れ 出典:AWS Black BeltOnline Seminar より 全体の処理の流れのイメージ
Amazon Bedrock Agentsでの流れ 対話形式での処理の流れ
Amazon Bedrock Agentsでの流れ Input Output 前処理 (1) オーケストレーション (n) ターン
後処理 (1) ターンからの処理の流れ 基盤モデルの呼び出し
デモンストレーション
Amazon Bedrock Agentsの作成 (TOP)
Amazon Bedrock Agentsの作成 (エージェント TOP)
Amazon Bedrock Agentsの作成 (エージェント TOP) マルチエージェントは今回はやらない
Amazon Bedrock Agentsの作成 (エージェント 詳細)
Amazon Bedrock Agentsの作成 (モデルを選択)
Amazon Bedrock Agentsの作成 (全体説明)
Amazon Bedrock Agentsの作成 (全体説明)
Amazon Bedrock Agentsの作成 (全体説明)
Amazon Bedrock Agentsでの流れ 出典:AWS Black BeltOnline Seminar より 全体の処理の流れのイメージ
Amazon Bedrock Agentsでの流れ 出典:AWS Black BeltOnline Seminar より 全体の処理の流れのイメージ
Amazon Bedrock Agentsの作成 (全体説明)
Amazon Bedrock Agentsでの流れ 対話形式での処理の流れ
Amazon Bedrock Agentsでの流れ 対話形式での処理の流れ セッションを保持
Amazon Bedrock Agentsの作成 (全体説明)
Amazon Bedrock Agentsでの流れ 出典:AWS Black BeltOnline Seminar より 全体の処理の流れのイメージ
Amazon Bedrock Agentsでの流れ 出典:AWS Black BeltOnline Seminar より 全体の処理の流れのイメージ
Amazon Bedrock Agentsの作成 (全体説明)
Amazon Bedrock Agentsでの流れ Input Output 前処理 (1) オーケストレーション (n) ターン
後処理 (1) ターンからの処理の流れ 基盤モデルの呼び出し
Amazon Bedrock Agentsでの流れ Input Output 前処理 (1) オーケストレーション (n) ターン
後処理 (1) ターンからの処理の流れ 基盤モデルの呼び出し
Amazon Bedrock Agentsでの流れ 出典:AWS Black BeltOnline Seminar より
Amazon Bedrock Agentsの作成 (全体説明)
Amazon Bedrock Agentsでの流れ Input Output 前処理 (1) オーケストレーション (n) ターン
後処理 (1) ターンからの処理の流れ 基盤モデルの呼び出し
Amazon Bedrock Agentsでの流れ 出典:AWS Black BeltOnline Seminar より
Amazon Bedrock Agentsの作成 (全体説明)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成) Return of Control
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Return of control AWS Lambda 関数の使用をスキップして、エージェントを呼び出すアプリケーションに制御を返すことができます。 このようにして、アプリケーションは、必要なネットワークおよびセキュリティ設定をLambda関数と統合することな く、AWS外のシステムと直接統合したり、Amazon Virtual Private
Cloud(Amazon VPC)でホストされている内部エン ドポイントを呼び出したりできます。 Amazon Bedrock Agentsの作成 (アクショングループの作成)
Return of control AWS Lambda 関数の使用をスキップして、エージェントを呼び出すアプリケーションに制御を返すことができます。 このようにして、アプリケーションは、必要なネットワークおよびセキュリティ設定をLambda関数と統合することな く、AWS外のシステムと直接統合したり、Amazon Virtual Private
Cloud(Amazon VPC)でホストされている内部エン ドポイントを呼び出したりできます。 Lambda関数の使用をスキップ出来る。 Lambda関数を呼び出す方式と違い、AWS外のシステムと直接統合できる。 Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成 (アクショングループの作成)
Amazon Bedrock Agentsの作成完了
Amazon Bedrock Agentsのテスト (Lambda)
Amazon Bedrock Agentsのテスト (Lambda)
Amazon Bedrock Agentsのテスト (Lambda)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsのテスト (Return of Control)
Amazon Bedrock Agentsでの流れ 出典:AWS Black BeltOnline Seminar より 全体の処理の流れのイメージ
Thank You!