0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

Bedrock AgentCoreで業務システム連携AIエージェント構築

0
Last updated at Posted at 2026-08-06

CodeXを使用して、多領域のお客様で利用可能なBedrock AgentCoreを使用したAIエージェントを作ってみた。

AIエージェントの機能:
自然言語で依頼
  → Agentが分析する
  → 対応案を提示する
  → 人が承認する
  → システムがタスクを書き込む

システム構成図

左から下記の3つで構成。比較的シンプルなアーキテクチャ。

bizflow_agent_architecture-01_AWSシステム構成.drawio.png

フロントエンド/BFF
└─ Next.js on Amazon ECS(AWS Fargate)

AIエージェント・バックエンド
└─ Amazon Bedrock AgentCore Runtime

MCPツール連携基盤・業務バックエンド
└─ AgentCore Gateway/AWS Lambda/外部API/既存システム

システム論理図

システムの機能・流れは下記のよう。

Cognito認証
  │
  ▼
Next.js BFF
  │
  ├─【分析フェーズ】
  │    ▼
  │  AgentCore Runtime
  │         ▼
  │       Read Lambda
  │         ▼
  │       S3 / DynamoDB
  │
  └─【承認・書き込みフェーズ】
       ▼
     Approval Lambda (Human-in-the-Loop)
       ▼
       └─ 承認された場合
              ▼
            Write Lambda
              ▼
            DynamoDB

bizflow_agent_architecture-02_論理フロー.drawio.png

CodeXでの開発

基本指針として、

  • AWSコマンドやdockerビルドは開発者自身で実行する
  • 作業手順はREADMEに記載
  • バックエンドから実装し、最後にフロントエンドを実装
  • AWSの最新情報を参照するようシステムプロンプトに記載

を設定した。下記の章立てごとに段階的に実装していき、その都度できるだけ実装内容の理解に努めた。

Dev.1 モックアプリの実装・AWS環境へのデプロイ

まず、AgentCore RuntimeとのHTTP契約のみ固めた。FastAPIでヘルスチェック用のGET /pingと呼び出し用のPOST /invocationsを実装し、入力されたpromptをそのまま返すモックを実装した。

GitコミットSHAのタグとECR digestを使い、確定的にイメージを管理した。通常更新はdry-run、スモークテストという順序にし、モック段階からロールバック可能な更新手順を整えた。

最低限のFast APIアプリ実装

  1. CodeXでFastAPIによるモックアプリを実装
  2. AWS CLIログイン
    aws sso login --profile ***
  3. /ping・/invocations エンドポイントを実装
  4. ARM64対応Dockerイメージを作成
  5. ローカルテスト(Dry-Run)・コンテナ動作確認
  6. CDKでECR・IAM・AgentCore基盤をAWS環境へ構築
  7. コンテナイメージをECRへ登録
  8. AgentCore Runtimeへデプロイ
  9. ヘルスチェック・スモークテストを実施
    python -m pytest .\tests\runtime\test_endpoints.py
    .\scripts\smoke-test-agentcore.ps1 -LocalBaseUrl http://127.0.0.1:8080
  10. ソースコードをGitHubへ登録

bizflow_agent_development_stages-Dev.1 モックアプリ・AWSデプロイ.drawio.png

Dev.2 読み取り機構のみ実装

次にモック応答部分を、Strands AgentsとAmazon Bedrockモデルによる業務分析を実装した。自由文だけでなく構造化された問い合わせ一覧を受け取り、期限超過や緊急度を決定的に判定してから、LLMに要約と対応案を生成させる。

Bedrock RuntimeはMCPクライアントとして、MCPサーバーであるAgentCore GatewayへSigV4署名付きで接続し、次の4ツールだけを利用します。

  • get_business_requests: S3上の問い合わせCSVを取得
  • analyze_request_data: 件数、状態、緊急度、期限超過を集計
  • search_company_rules: 社内ルールを検索
  • get_task_status: DynamoDB上のタスク状態を参照

Runtime側にもツール名のallow-listを持たせ、未知のツールや書き込みツールをモデルへ渡さない構成にしました。応答には常にexecution_mode: "READ_ONLY"とwrite_operations_performed: falseを含め、文章だけでなく機械判定できるようにした。

ダミーデータの作成・S3配置

問い合わせに対する対応ルール

架空の問い合わせデータ

bizflow_agent_development_stages-Dev.2 読み取り機構.drawio.png

Dev.3 書き込み機構も実装

読み取りとは別に、承認済みの提案をDynamoDBへタスクとして保存するcreate_business_taskを実装した。開発途中ではGateway側にも書き込み用targetを用意したが、最終構成では削除した。現在のGateway schemaは読み取り4ツールだけで、書き込みLambdaはsource: "bizflow-web-bff"を持つBFF専用形式だけを受け付けます。

bizflow_agent_development_stages-Dev.3 書き込み機構.drawio.png

Dev.4 Human-in-the-Loop実装

書き込み前に人の判断を挟むため、承認専用Lambdaを追加した。承認要求の作成、取得、承認、却下をそれぞれrequest_approval、get_approval、approve、rejectとして実装し、状態遷移と操作履歴をDynamoDBへ保存する。

タスク登録時には、BFFが承認ストアから提案を再取得し、Write Lambda側でもAPPROVED状態と提案内容の完全一致を再検証する。この二重検証により、画面やリクエスト本文の改ざん、未承認の実行、同じ承認の重複実行を防ぐ。

bizflow_agent_development_stages-Dev.4 Human-in-the-Loop.drawio.png

Dev.5 Code interpreter実装

件数集計や計算をLLMの推論だけに任せないため、AWS管理のAgentCore Code InterpreterをStrandsツールとして接続した。モデルがanalyze_business_data_with_code_interpreterを選択すると、分析単位でセッションを開始し、Pythonコードを実行し、finallyでセッションを終了する。

bizflow_agent_development_stages-Dev.5 Code Interpreter.drawio.png

Dev.6 セッション単位の短期Memory実装

複数ターンの会話を継続するため、AgentCore Memoryの短期Memoryを追加した。Runtimeが受け取るsession IDをMemoryのsessionIdとして使い、呼び出し前に最大5ターンを取得し、成功後に利用者の依頼と最終応答を1イベントとして保存する。Cognitoで検証した利用者から不透明なuser IDを導出し、利用者別の長期User Preferenceにも拡張した。

bizflow_agent_development_stages-Dev.6 セッション単位の短期Memory.drawio.png

Dev.7 Cognito認証、Next.js Web/BFF、ECS/Fargate、承認カードの実装

バックエンド機能を利用者へ届けるため、Next.jsでダッシュボード、Agentチャット、承認カード、監査履歴画面を実装した。ブラウザはAWS SDKを直接実行せず、/api/*のRoute HandlerをBFFとして呼び出す。AgentCore Runtimeや各Lambdaを呼び出すのはFargate上のNext.jsサーバーであり、権限はECS Task Roleへ限定している。

Webはprivate subnetのECS/Fargateで動かし、HTTPS ALB、AWS WAF、Cognito認証を前段に配置した。BFFはALBから渡されたCognito access tokenを署名、User Pool、app clientまで検証し、tokenのsubとALB identityの一致も確認する。承認操作はBizFlowApproversグループの利用者だけに許可する。

RuntimeがPydanticで検証したoutput_contract_version: "1.0"とproposed_actionsを返し、BFFが同じ契約を再検証してからカードへ反映する。また、Runtime session IDとuser IDは認証済みidentityからBFFが導出し、生のCognito subやクライアント指定のsession IDをRuntimeへ渡さない設計にした。

事前準備

  1. Route 53でドメインを登録する
  2. AWS Certificate Managerでパブリック証明書をリクエストする
  3. DNS検証レコードとしてCNAMEレコードを作成する

実装したもの

  • Cognito認証
  • ALB → ECS Fargate
  • Next.js BFF
  • Task RoleによるRead Tools Lambda呼び出し
  • ダミー問い合わせデータの取得・集計
  • ダッシュボード表示

bizflow_agent_development_stages-Dev.7 認証Web・BFF・承認カード.drawio.png

Dev.8 画面からAgentCore RuntimeへのE2Eフローの実装

最後に、各機能を次のE2Eフローとして接続した。

  1. 利用者がCognitoでログインし、ALBを経由してWeb画面を開く。
  2. 画面がBFFから問い合わせ集計を取得し、ダッシュボードを表示する。
  3. 利用者の依頼を/api/agentへ送り、BFFが分析期間と認証済みsession/user IDを付加する。
  4. BFFがAWS SDKでAgentCore RuntimeのPROD Endpointを呼び出す。
  5. RuntimeがMemoryを取得し、必要に応じてGatewayの読み取りツールとCode Interpreterを使う。
  6. Runtimeが文章と構造化提案を返し、BFFが契約を再検証して承認カードへ反映する。
  7. 承認者がカードを承認すると、BFFが承認Lambdaへ状態遷移を依頼する。
  8. BFFが承認済み提案を再取得してWrite Lambdaへ渡し、タスクと監査履歴をDynamoDBへ保存する。

このE2Eで重要なのは、分析結果からタスク登録までをつないでも、LLM自身に書き込み権限を与えていない点だ。非決定的なLLMは提案までを担当し、認証、契約検証、承認、状態遷移、永続化は決定的なアプリケーションコードが担当する。

bizflow_agent_development_stages-Dev.8 画面からRuntimeへのE2E.drawio.png

ネットワーク構成

ネットワーク設定 - VPC・サブネット・ルーティング・NATGateway

パブリックサブネット(InternetGateway)
image.png
プライベートサブネット(NATGateway)
image.png
※NATGatewayはパブリックサブネットに配置

コスト

ドメイン登録料:16ドル(1 time)
NAT Gateway Hour:1.5ドル(evedyday)
AWS Fargate - ARM - vCPU:0.5ドル(evedyday)
Application LoadBalancer-hour:0.6ドル(evedyday)

運用維持費:3.5ドル
image.png

まとめ

BizFlow Agentは、モック、読み取り、書き込み、承認、Code Interpreter、Memory、認証付きWeb、E2Eの順に機能を拡張しました。この順序にしたことで、各段階でHTTP契約、IAM境界、データ契約、失敗時の挙動を個別に検証できました。

業務エージェントで特に有効だった設計原則は、次の3点です。

  • 読み取りと書き込みをプロンプトではなく実行経路とIAMで分離する。
  • LLMの自然文をそのまま処理せず、構造化契約をRuntimeとBFFの両方で検証する。
  • session、利用者、承認状態を信頼できるサーバー側で導出・再確認する。

リポジトリには過去のAWS E2E完了記録がありますが、現在のCDK設定はコスト抑制のためWeb用NAT Gateway、Fargate、Web ingressを停止する構成です。そのため「実装・過去のE2E検証済み」と「現在サービス中」は区別して扱う必要があります。

参考資料

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?