はじめに

Strands Agentsを使って、たった数行のコードで画像解析ができちゃいました！

準備

1. Bedrockのモデルアクセス設定

AWS Bedrockでモデルアクセスをリクエストします。
今回の例ではClaude Sonnet 4を使用しています。

2. 認証情報の設定

使用するモデルにアクセスできるよう、AWSの認証情報を設定します。
詳細は公式ドキュメントをご確認ください。

3. 必要なライブラリのインストール

requirements.txt

strands-agents>=0.1.0
strands-agents-tools>=0.1.0

python -m venv .venv
souece .venv/bin/activate
pip install -r requirements.txt

実装：画像解析AIエージェン

とてもシンプルなコードです。

app.py

import os
import sys
from strands import Agent
from strands_tools import image_reader

# 環境変数AWS_REGIONを設定
os.environ['AWS_REGION'] = 'ap-northeast-1'

SYSTEM_PROMPT = """
すべて日本語で回答してください。
"""

tools = [image_reader]

def explain_image(image_filename):
    try:
        agent = Agent(
            model='apac.anthropic.claude-sonnet-4-20250514-v1:0',
            system_prompt=SYSTEM_PROMPT,
            tools=tools
        )
        
        response = agent(f"画像({image_filename})の内容を説明してください。")
        
    except Exception as e:
        print(f"エラーが発生しました: {e}")

if __name__ == '__main__':
    explain_image(sys.argv[1])

使い方

python app.py image.jpg

画像ファイルを指定するだけで、AIが画像の内容を詳しく日本語で説明してくれます。

使用例

京都に行った時の写真を解析してみました。すごいな！

画像の内容を確認いたします。
Tool #1: image_reader
この画像は、京都の街並みを高い場所から撮影した景色です。以下の特徴が見えます：

主要な特徴：

京都タワー：画像右側に白い高いタワーが立っており、特徴的な形状から京都タワーと分かります
都市景観：現代的なビルや建物が建ち並ぶ京都市内の風景
山々：背景には雪をかぶった山々が連なっており、これは京都を囲む山地と思われます
空と雲：青空に白い雲が浮かんでいる、晴れた日の撮影

建物の詳細：

手前には「ROHM」の看板が見える現代的なオフィスビル
様々な高さの建物が密集している都市部の典型的な風景
道路には車やバスが走行している様子も確認できます

この写真は、京都駅周辺から京都市内を一望した風景で、伝統的な古都のイメージとは異なる、現代的な京都の一面を捉えた画像です。

おわりに

これまでは、「ファイルをバイナリで読み込んでBase64に変換して」とか、「ファイルはwith openで扱おう」「pillowで画像を扱う」「OpenCVのサンプルを使うのは簡単だけど学習させるのは難しい」とかいろいろ考えましたが、全て解消されていることに驚き、本ブログにしました。
これまでの常識は、どこにいっちゃうんでしょうね。