Share
Embed
Transcript
164 slides
-
改訂履歴 2 更新の履歴を記載しております。本資料は継続アップデートを前提としております。 バージョン 更新日付 更新内容 1.0.0 2025/12/31 初版 1.0.1
2026/1/1 Runtime(HTTP)の要件および、Amazon Bedrock AgentCore SDKのデコレータによる簡略化のメリットを説明したスライドを追加 1.0.2 2026/1/11 Identityの説明を強化 1.03 2026/1/18 GatewayのIAM認証の例を追加、Gateway Policy:Semantic Search の場合の挙動を追加 -
自己紹介 3 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! -
対象と目的 4 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!! -
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 10
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 -
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 11 • 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 -
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 12
Amazon Bedrock AgentCore Identity Gateway Built in tools Memory Observability Evaluations Runtime Identity -
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 14 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 -
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 15 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? -
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 16 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 -
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 20 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 -
AgentCore Runtimeの強みは柔軟性にあります。後述の要件を満たせば、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 21 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 -
HTTP プロトコルの場合、下記エンドポイントの要件を満たす必要があるのでAmazon Bedrock AgentCore SDKを使わずに実装する場合は注意したいですね。使用したいプロ トコルがA2A・MCPの場合は別途要件があります。 Runtime(HTTP)の要件 22 Runtime 項目
要件 備考 ホスト 0.0.0.0 ポート 8080 固定 必須エンドポイント POST /invocations 処理のエントリーポイント 必須エンドポイント GET /ping ヘルスチェック用 オプション エンドポイント /ws - WebSocket 双方向ストリーミングしたい場合のみ プラットフォーム ARM64 ARM64のみ対応 Runtime(HTTP)の要件 参考:https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/runtime-http-protocol-contract.html -
Amazon Bedrock AgentCore SDKを使えば、Runtimeで起動するAIエージェントの実装 が簡単に可能です。処理のエントリーポイントをデコレーターで指定すれば自動的に Runtimeに必要なエンドポイントを実装してくれます。 Amazon Bedrock AgentCore SDKを活用した実装
23 デコレーターでエントリーポイントを指定することで 自動的にポート8080、/invocationsエンドポイント として処理が呼び出される /pingエンドポイントなども自前で実装不要 -
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 27 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 -
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 29 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 -
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 31 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、Zipの場合はS3バケットの指 定(自動作成も可能) • Zipの場合はPythonバージョンの指定、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 -
configureコマンドは対話で設定が可能で、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 33 対話形式で設定可能 .bedrock_ agentcore.yaml
デプロイ方法、依存関係、使用するIAMロールの ARNやS3バケットのARNなどを設定します。 特に指定しなければ自動で作成されます。 Dockerfile コンテナの場合作成される .dockerignore -
Starter Toolkit create コマンド 34 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 -
Starter Toolkit dev コマンド 35 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) -
Starter Toolkit launch(deploy) コマンド 36 configureコマンド実行後は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 -
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) 38 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可能 -
デプロイで実行される流れ(コンテナ版) 39 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 ビルド環境やECRも自動作成可能 -
AgentCore Runtime Starter Toolkit invokeコマンド 40 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 -
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 45 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 -
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 49 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 -
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 50 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 -
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 51 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!!!! -
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 52 MCPクライアント (ex.Claude
Code) リクエスト 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 -
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 53
MCPクライアント (ex.Claude Code) リクエスト 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 -
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 54
https://dev.classmethod.jp/articles/agentcore-mcp-iam-auth-ai-coding-tools/ -
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 55 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.<region>.amazon aws.com/runtimes/<EncodedRuntimeArn>/ws -
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 57 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 -
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 58 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 -
Amazon Bedrock AgentCore IdentityはAIエージェントの認証・認可機能を実現するマ 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 61 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) 外部サービス利用時 -
Inbound AuthはRuntimeやGatewayに対する認証機能です。IAM認証はもちろんのこ と、CognitoやAuth0などのIdPと連携したJWT認証も実現可能です。Gatewayは加えて 認証なしのオプションも選択可能です。(Runtimeは認証なしは不可) Inbound Auth 62 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 JWT IAM Runtime Identity 権限が適切な場合、 呼び出し可能 リクエスト with IAM Sig V4認証 -
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可機能です。 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) 63
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 -
Outbound AuthでMachine to Machine(M2M)の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) 65 Runtime
Identity Gateway IdP(ex.Cognito) リクエスト 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 -
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 68 Runtime Identity Gateway IdP(ex.Cognito) アクセス トークン取得 リクエスト 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 Inbound Auth Outbound Auth Identity トークンの検証 起動 -
ちなみに前ページの構成ならGatewayはIAM認証も可能なので、M2Mを使用するかは要 件に応じて検討しましょう。シンプルに1エージェントかつ1GatewayならIAM認証がシ ンプルかもしれませんね。 補足:GatewayのIAM認証 69 Runtime Gateway アクセス トークン取得 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 Inbound Auth Identity トークンの検証 起動 リクエスト with IAM Sig V4認証 MCP Proxy for AWS を使って簡単に実現可 能 -
Runtimeは IAM または JWT 認証が必須です。Gatewayは加えて認証なしも選択可能で すが、本番公開する場合はセキュリティに要注意です。注意点は公式ドキュメントを参 照しましょう。 Appendix:Inbound Authの認証方式 70
認証方式 Runtime Gateway 備考 IAM(SigV4) ⚪ ⚪ JWT ⚪ ⚪ Cognito、Auto0など 認証なし ✖ ⚪ 公開にあたって公式ドキュ メントの注意を参照した方 が良い Inbound Authの認証方式 -
Runtime上のエージェントは AgentCore Identity 経由で OAuth トークン / API Key を
取得し、外部サービスへ安全にアクセス可能とします。下記はその認証・認可方式の一 覧です。今回は説明していませんが、M2Mに加えてユーザー委任型も実現できます。 Appendix:Outbound Authの認証・認可方式(Runtime) 71 認証方式 対応 備考 OAuth (Client Credentials) ⚪ M2M OAuth (Authorization Code) ⚪ ユーザー委任 API Key ⚪ Outbound Authの認可方式(Runtime) ユーザー委任認証の例:https://docs.aws.amazon.com/ja_jp/bedrock-agentcore/latest/devguide/identity-getting-started-google.html -
Gatewayはターゲットタイプに応じて認証・認可方式が異なるので注意しましょう。 Lambda は IAM のみ、MCP server は OAuth (Client Credentials)
または認証なしのみ など特徴があります。OpenAPIがターゲットならユーザー委任型も対応しています。 Appendix:Outbound Authの認証・認可方式(Gateway) 72 ターゲット IAM OAuth (Client Credentials) OAuth (Authorization Code) API Key 認証なし API Gateway ⚪ ✖ ✖ ⚪ ✖ Lambda ⚪ ✖ ✖ ✖ ✖ MCP server ✖ ⚪ ✖ ✖ ⚪ OpenAPI ✖ ⚪ ⚪ ⚪ ✖ Smithy ⚪ ⚪ ⚪ ✖ ✖ Outbound Authの認可方式(Gateway) 参考:https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/gateway-outbound-auth.html -
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 75
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 -
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 76 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 -
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 77 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 -
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 79 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。 -
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 80 • 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 -
Amazon Bedrock AgentCore Memory Episodic Memory 82 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 -
Amazon Bedrock AgentCore Memory Episodic Memory 83 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) Consolidation(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 -
実際に試す 84 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/ -
Episode Memory 85 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) -
Reflection 86 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) -
ユースケースの例 87 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 -
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 89
• 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 -
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 90 • 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 -
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 93
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な ど) -
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 94 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) -
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 96 AgentCore Runtime Lambda関数 Remote MCP
Server 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 -
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 97 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?? -
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 98 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 -
Strands Agentsで実装する場合はcall_tool_syncで x_amz_bedrock_agentcore_searchツール(Semantic Searchを実行するツール)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 102 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 -
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 103 Code
execution with MCP: Building more efficient agentsより引 用 :https://www.anthropic.com/engineering/code-execution-with-mc p -
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 104 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 -
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 105 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 -
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) 107 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 -
Gateway Policy ツール拒否のイメージ 108 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 -
Gateway Policy 110 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 -
Gateway Policy:Semantic Searchの場合 111 注意点としてSemantic Searchでツールを検索した場合はポリシーの条件が評価され ず、検索結果が単純に返却されます。権限に応じて動的に検索結果をフィルタリングし たい場合は後述するResponse Interceptorを活用する形になります。 AIエージェント
Gateway ユーザー 入金処理のツール を教えて Gatewayに紐づくたくさんの ツール x_amz_bedrock_agentco re_searchツールで検索 (Semantic Searchを実行 するツール) 一覧取得 入金処理のツールを検 索するよ 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 入金処理のツールは ツールAとツールCだよ ツールAとBのみ許可 -
注意:Gateway Policyで発生するエラー 112 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 -
Gateway Policyの評価方法 114 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 -
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 -
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 120 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 -
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 -
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 122 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 -
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 123 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 -
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
126 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 -
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 127 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 -
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) 129 開発端末 .bedrock_agentcore.yaml Dockerfile configureコマンドで作成
CMD ["opentelemetry-instrument", "python", "<<python_file_name_with_agent_c ode>>.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!!! -
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) 130 .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 -
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) 136 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 -
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 137 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 -
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 139 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 -
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 140 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 -
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 141 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 -
オンデマンド評価の実施方法 142 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 -
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) 147 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 -
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) 149 • 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 -
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 150 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 ✖ -
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 153 • 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 -
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Playwrightや Browser Useなどを活用して操作します。 Amazon Bedrock AgentCore
Built-in Tools(Browser) 155 Browser AgentCore Runtime AIエージェント 操作 -
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 156 • 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 -
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 -
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