AI エージェントとはそもそも何か？ - 技術背景から Amazon Bedrock AgentCore での実装まで- / AI Agent Unicorn Day 2025

AWS UNICORN DAY 2025 © 2025, Amazon Web Services, Inc.
or its affiliates. All rights reserved. © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. AI エージェントとはそもそも何か︖ - 技術背景から Amazon Bedrock AgentCore での実装まで - 針原佳貴 (Yoshitaka Haribara, Ph.D.) A W S U N I C O R N D A Y T O K Y O 2 0 2 5 Sr. GenAI Startup Solutions Architect Amazon Web Services Japan G.K. 2

© 2025, Amazon Web Services, Inc. or its affiliates. All
rights reserved. Amazon Confidential and Trademark. 針原佳貴, Ph.D. アマゾンウェブサービスジャパン合同会社シニア⽣成 AI・量⼦スタートアップソリューションアーキテクト 2018年 AWS Japan ⼊社、 2019年より AI/ML スタートアップを担当。 2023年に AWS LLM 開発⽀援プログラムを⽴ち上げ、⽇本企業の基盤モデル・LLM 開発や Amazon Bedrock Marketplace へのモデル公開などに尽⼒。⽇本における量⼦コンピューティングのクラウド公開や Amazon Braket による利活⽤にも貢献。 X @_hariby ⽣成 AI の書籍を書きました

or its affiliates. All rights reserved. © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. https://amzn.asia/d/fffy001 「基礎をしっかり理解」と「ハンズオンで実践力が身につく」を両立！ AIエージェントの機能・仕組み (論理的推論能力) と MCP/A2Aなどのプロトコル Amazon Bedrock AgentCoreと、 Strands Agents, LangGraph などエージェントフレームワーク Amazon ベストセラー 8/22 (⾦) 発売⽇即増刷決定🎉

or its affiliates. All rights reserved. 論理的推論 (Logical reasoning) 事実と論理に基づいて、与えられた問いに対する答えを⾒つける⽅法 • 演繹的推論 (Deductive reasoning): 論理的に、前提から結論を導く • 帰納的推論 (Inductive reasoning): 観測から結果を予測 • 仮説的推論 (Abductive reasoning): 観測から、もっともそれらしい説明を予測以下の2つの観点からも分類: • 形式的 (Formal): 形式的なルールや公理に基づき結論を導く • ⾮形式的 (Informal): 直観・経験・常識により答えを⾒つける → LLM は「⾮形式的演繹的推論 (Informal deductive reasoning)」すなわち直観的連想ゲームのような挙動を⽰すと考えられる 13 出典: 『AWS⽣成AIアプリ構築実践ガイド』針原佳貴、尾原颯、吉⽥真吾

or its affiliates. All rights reserved. 論理的推論 (Logical reasoning) の例例: 全ての哺乳類は肺呼吸をする。クジラは哺乳類である。よって、クジラは肺呼吸をする私たちは普段、形式論理学の三段論法などを意識せず「直観的に正しい」と判断している。この「直観的」という性質は、私たちの持つ豊富な背景知識 (哺乳類の特徴、クジラの⽣態など) に⽀えられている。 LLM もまた、⼤規模なテキストデータから学習した「背景知識」を基に、このような推論を⾏うことができる。しかし、これは⼈間のように真に「理解」しているのか、それとも単に統計的なパターンを再現しているだけなのか？出典: 『AWS⽣成AIアプリ構築実践ガイド』針原佳貴、尾原颯、吉⽥真吾

or its affiliates. All rights reserved. Logical reasoning (論理的推論) 課題: 元々 LLM は算数や論理的推論が不得意 (cf. ⾮形式的演繹的推論; Informal deductive reasoning) これを克服するため、以下のような⼿法が研究・提案されてきた (後述) • Chain-of-Thought (CoT) • Zero-shot CoT • CoT with Self-consistency (Multi-path CoT) • Tree of thought (ToT) • Least-to-most プロンプティング出典: 『AWS⽣成AIアプリ構築実践ガイド』針原佳貴、尾原颯、吉⽥真吾

or its affiliates. All rights reserved. マルチモーダルな環境知覚環境からのフィードバックを得る際、マルチモーダル基盤モデルを用いることで、テキスト情報だけでなく画像・音声などをインプットとして用いることができる。 Vision Transformer (ViT) [arXiv:2010.11929] AudioGPT [arXiv:2304.12995] Claude 3.5 Sonnet で導⼊された Computer Use や Amazon Nova Act など、ブラウザ操作を伴うエージェントもマルチモーダルな適応能力が生かされている。出典: 『AWS⽣成AIアプリ構築実践ガイド』針原佳貴、尾原颯、吉⽥真吾

or its affiliates. All rights reserved. エージェントの頭脳・思考 • 知識: Fine-tuning などで LLM 自体に知識を蓄えたり (パラメトリック知識) [arXiv:1909.01066, arXiv:2002.08910]、RAG を用いる。 • 記憶: 短期記憶と長期記憶 (e.g. Recurrent Memory Transformer [arXiv:2207.06881]) がある。過去の経験から自己省察により学習したり [arXiv:2303.11366]、人間の意図を誤解した際のフィードバックから効率的なプロンプト生成を行う手法も [Madaan, et al. (2023)]。 • 論理的推論能力とタスク計画能力: CoT などの段階的な思考は行動計画を立てる上で重要。論理的推論と行動を組み合わせることで、それぞれ別個で実行するだけでは解けなかったタスクが解けるようになった (後述)。出典: 『AWS⽣成AIアプリ構築実践ガイド』針原佳貴、尾原颯、吉⽥真吾

or its affiliates. All rights reserved. Reasoning and Acting (ReAct) [arXiv:2210.03629] Reasoning Acting Acting Acting Acting (finish) Reasoning Acting Reasoning Acting Reasoning Acting Reasoning Acting (finish) 出典: 『AWS⽣成AIアプリ構築実践ガイド』針原佳貴、尾原颯、吉⽥真吾

or its affiliates. All rights reserved. Model Context Protocol (MCP) Anthropic が2024年11⽉に発表。AWS は MCP の steering committee に参画。 • オープンスタンダード: Anthropic が提唱するオープンプロトコルとして設計され、特定ベンダーに依存しない標準化された仕様を提供。異なる開発者やシステム間での相互運⽤性を実現 • 統⼀された接続⽅式: 単⼀のプロトコルで開発者はシンプルで信頼性の⾼い⽅法で AI エージェントとデータソースを接続。データソースごとに個別のカスタム実装は不要 • 幅広いシステム対応: コンテンツリポジトリ、ビジネスツール、開発環境など、多様なシステムやデータソースへの直接アクセスが可能 • 安全な双⽅向通信: クライアント・サーバーアーキテクチャを採⽤し、AI エージェントとデータソース間でセキュアな双⽅向接続を提供 • 開発者フレンドリー: JSON-RPC 2.0をベースとした分かりやすい仕様により、開発者にとって理解しやすく実装しやすいプロトコル出典: 『AWS⽣成AIアプリ構築実践ガイド』針原佳貴、尾原颯、吉⽥真吾

or its affiliates. All rights reserved. Agent2Agent (A2A) 2025年4⽉ Google から発表、2025年6⽉ Linux Foundations に寄贈。 MCP と同様、AWS はこの A2A プロトコルの設⽴メンバーの1社として A2A を推進。 • ディスカバリ (検出): エージェントが互いの機能性を動的に検出 • マルチモダリティ: エージェント間でのやりとりはテキストに限らず、画像などのファイル、構造化データにも対応 • 協調性: エージェント同⼠が内部の状態やメモリ、ツールを共有しなくても安全に情報を交換できて、ユーザーの⽬標を達成できる • 標準技術: 通信には HTTP や Server-Sent Events (SSE)、メッセージ構造には JSON-RPC 2.0 といった広く普及した標準技術で構築 • 認証・認可: エージェント間通信のためにデフォルトで認証・認可機能を備え、認可されたエージェントだけがタスクやデータにアクセスできる • ⻑時間タスクへの対応: 数秒で完了するクイックな処理から、より⻑時間かかるタスクにも対応し、⼈間とのインタラクションを交えて数時間あるいは数⽇かけて進⾏する⻑時間のタスクでも柔軟に扱える出典: 『AWS⽣成AIアプリ構築実践ガイド』針原佳貴、尾原颯、吉⽥真吾

rights reserved. 46 Amazon Bedrock AgentCore 全体像 AgentCore Runtime モデル AgentCore Identity AgentCore Observability AgentCore Memory AgentCore Gateway AgentCore Browser Tool AgentCore Code Interpreter MCP クライアント指示ローカルツールコンテキスト Framework

rights reserved. 47 フレームワーク Agent or tool code モデル AgentCore Runtime デコレータ AgentCore Observability 設定 AgentCore Indentity 設定 + 設定 Docker file AgentCore Runtime AgentCore Runtime エンドポイント Amazon ECR リポジトリ起動アプリケーション呼び出しユーザー AgentCore Runtime AgentCore Runtime エージェント

rights reserved. 48 AgentCore Memory 短期記憶チャットメッセージセッション状態長期記憶意味記憶ユーザーの嗜好要約自動記憶抽出モジュール Agent メモリ async Agent 実装メッセージエージェント状態 Retrieve Events Events Retrieve Memory records sync sync sync async エージェント

rights reserved. 49 エージェント AgentCore Gateway (ツール) ユーザー AWS リソース/ エージェント (IAM経由) エージェントインバウンド認証アプリインバウンド認証 (IAM/OAuth) ユーザーはアプリ経由でエージェントにアクセスする必要がある外部リソース/ エージェント (OAuth, API キーなど経由) AgentCore Gateway インバウンド認証アウトバウンド認証 (IAM) アウトバウンド認証 (OAuth) アウトバウンド認証 (OAuth) AgentCore Identity

rights reserved. 50 エージェント MCP クライアント AgentCore Gateway API エンドポイントターゲット AWS Lambda ターゲット OpenAPI スキーマで定義した RESTful サービス Lambda 関数ツール 1 ツール 2 ツール 4 ツール 5 ツール 6 /mcp ツール 3 API、ツール、リソース AgentCore Gateway ツール一覧、ツール呼び出し、検索

rights reserved. 51 クエリ 1. Invoke LLM 2. ツール選択 4. ツールの結果結果セッション作成 3. Telemetry Code Interpreter シェルファイルシステム LLM Observability エージェントユーザー AgentCore Code Interpreter

rights reserved. 52 AgentCore Browser エージェント LLM 1. クエリ (「Amazon で靴を買いたい」) User 2. LLM 呼び出し Computer tool call 指示をコマンドに変換 Browser_use, Playwright, など 3. Tool use 4. コマンド変換 5. コマンド実行 6. スクリーンショット実行環境ヘッドレスブラウザ Hosted Library Server (Browser_use, Playwright など { type: ”click”, button: ”left”, x: 286, y:102 }

rights reserved. 53 Amazon Bedrock AgentCore Observability AgentCore Runtime にデプロイされたエージェント AgentCore Memory を利用したエージェントメモリ AgentCore Gateway のツール … OTEL ログ AgentCore Observability ダッシュボード Third-party observability ダッシュボード AgentCore Observability

rights reserved. 54 書籍「AWS⽣成AIアプリ構築実践ガイド」針原佳貴、尾原颯、吉⽥真吾第5章 Amazon Bedrock AgentCore ハンズオン「カスタマーサポートエージェント」 https://github.com/aws-samples/sample-practical-generative-ai-on-aws- book/tree/main/ch05_ai_agent Amazon Bedrock AgentCore ワークショップ AWS コスト⾒積もりエージェント https://catalog.us-east-1.prod.workshops.aws/workshops/abd92795-9a36- 4e63-a115-ad04f483248c/ja-JP 書籍のハンズオン & Workshop 公開しました

AI エージェントとはそもそも何か？ - 技術背景から Amazon Bedrock Agen...

AI エージェントとはそもそも何か？ - 技術背景から Amazon Bedrock AgentCore での実装まで- / AI Agent Unicorn Day 2025

More Decks by Yoshitaka Haribara

Other Decks in Technology

Featured

Transcript