AWS Bedrock AgentCoreの基本アプリ開発

Posted at 2026-07-11

　RAGによる独自ドメイン知識の活用やAIエージェントによる定例業務の自動化は、多くの中・大企業で導入できているのではないでしょうか。最近ではより高次なエージェンティックAIの導入に進んでいる企業が出ているところだと思います。

　今回、Amazon BedrockのエージェンティックAI構築サービスであるBedrock AgentCore で基本的なエージェンティックAIアプリの構築を行ってみました。

完成版のアーキテクチャ・論理図

システム構成は、フロントエンド、エージェント層、MCP層の三層構造となっています。
外部認証はCognitoで各ユーザーごとに割り当て、内部層ではユーザーアカウント情報を引き継いで、認証・認可を行わなければなりません。
また、オビザーバビリティとして、各セッションごとの詳細ログや単位時間当たりのリクエスト数、レイテンシーなどの統計情報を取得しています。

タスク・スケジュール

開発・テストは、CodeXとバイブコーディングで実施するので、かかる工数のほとんどは自身の理解の時間となります。

事前条件

AWS開発アカウントの設定済み

構築のメインワークフロー

最小限の構成でAgentCoreバックエンド構築

    │
    ▼
AgentCore Runtime
    │
    ▼
Strands Agent
    │
    ▼
Amazon Bedrock

Memoryを追加

フロントエンドの構築

Browser
   │
   ▼
Next.js
   │
   ▼
Authentication
   │
   ▼
AgentCore Runtime

AgentCoreのTool系の追加
認証・資格情報管理の整理
Observabilityの整理
自動評価の実装

マイルストーン (チェックポイント)

Milestone 1：会話できる
フロントエンドの画面からAgentCoreのLLMとの会話ができる
Milestone 2：仕事ができる
要件を満たすBrowser/Code Interpreter/Toolの呼び出しを期待通りできる
Milestone 3：本番運用できる
本番運用に必要なオブザーバビリティ/ロギング/継続的評価ができる

1.AgentCore作成

ローカルでStrands Agentのアプリを作成して、ライブラリと一緒にzipにする。

agentcore-business-copilot/
│
├── main.py
├── requirements.txt
└── deployment_package.zip

main.py

import os
from typing import Any

from bedrock_agentcore import BedrockAgentCoreApp
from strands import Agent
from strands.models import BedrockModel


REGION = os.getenv("AWS_REGION", "ap-northeast-1")
MODEL_ID = os.getenv("MODEL_ID", "amazon.nova-lite-v1:0")


app = BedrockAgentCoreApp()


model = BedrockModel(
    model_id=MODEL_ID,
    region_name=REGION,
    temperature=0.2,
)


agent = Agent(
    model=model,
    system_prompt="""
You are an AI Business Research and Operations Copilot.

Your role is to help users:
- analyze business problems,
- summarize information,
- compare alternatives,
- recommend practical next actions.

Respond clearly and concisely.
""".strip(),
)


@app.entrypoint
def invoke_agent(request: dict[str, Any]) -> dict[str, str]:
    """
    AgentCore Runtime entry point.

    Expected payload:
    {
        "prompt": "Analyze this business problem..."
    }
    """

    prompt = request.get("prompt", "").strip()

    if not prompt:
        return {
            "result": "Please provide a non-empty prompt."
        }

    response = agent(prompt)

    return {
        "result": str(response)
    }


if __name__ == "__main__":
    app.run()

コンソール画面からAgent作成

2.短期・長期メモリの実装

メモリ内の実際の情報を確認

        response = client.retrieve_memory_records(
            memoryId=MEMORY_ID,
            namespace=NAMESPACE,
            searchCriteria={
                "searchQuery": SEARCH_QUERY,
                "topK": 10,
            },
        )

メモリーのnamespaceの指定に注意

・コンソール画面

Strategy: preference_builtin_d3rdb
Namespace template
/strategies/{memoryStrategyId}/actors/{actorId}/
Metadata definition
No key definition.

・Pythonコード

preference_namespace = (
    f"/strategies/"
    f"{PREFERENCE_STRATEGY_ID}/"
    f"actors/{actor_id}/"
)

3.AgentCore Tools拡張

User
  │
  ▼
AgentCore Runtime
  │
  ├── AgentCore Memory
  │     └── 日本市場優先などのPreference
  │
  ├── AgentCore Browser
  │     └── Web調査
  │
  ├── AgentCore Code Interpreter
  │     └── Python分析・計算
  │
  └── AgentCore Gateway
         │
         └── Lambda Target
                ├── get_sales_data
                └── create_business_task

下記エラーにより、連続Tool使用における正しい処理の流れを生成できなかったよう。

Model produced invalid sequence as part of ToolUse

これはモデルの性能による問題で、連続Tool使用に適しているnova-2にすると動作した。

amazon.nova-lite-v1:0
✗ 連続Tool Useで失敗

jp.amazon.nova-2-lite-v1:0 + medium reasoning
✓ 連続Tool Use成功

4.Observability強化

CloudWatch GenAI Observability
│
├── Agents View
│     └── business_copilot_phase1
│
├── Sessions View
│     └── observability-e2e-001
│
├── Traces View
│
├── Runtime
│     ├── Invocations
│     ├── Latency
│     ├── Errors
│     └── Sessions
│
├── Memory
│     ├── Retrieve
│     ├── Extraction
│     └── Consolidation
│
├── Gateway
│     ├── Tool call
│     ├── Errors
│     ├── Duration
│     └── TargetExecutionTime
│
└── Built-in Tools
      ├── Code Interpreter
      └── Browser

CloudWatch Transaction Searchを有効化
RuntimeのTracingを有効化
RuntimeでTracingを有効化すると、InvokeAgentRuntimeに対するSpanが生成され、Session ID、Latency、Request ID、Error Typeなどを追跡できます。
MemoryのObservability
GatewayのObservability
Code InterpreterのObservability