Amazon Bedrock とは
Amazon Bedrock とは、AWSにて生成AI活用ソリューションを作成するサービスです。
利点は、Tensorflowとかで行列計算のコードを書かなくてよくて、すでにあるLLM(基盤モデル)を利用して構築できるので、生成AIの基本的な精度は担保されます。
また、基盤モデルの新しいのがでたら乗換は比較カンタンです。たとえば、Claude 3.5 Sonnet → Claude Sonnet 4.5 や Claude Haiku 4.5 とかへModel Id (Model ARN)を変更すると、切り替えられます。
remote MCP Server とは
Ahthropic社が提唱し、最近 Linux Foundation(?)に寄贈された MCP(プロトコル)仕様での、Client、Server(ローカル)、remote Server(クラウド) の３つの内の１つの役割です。
Server(ローカル)が、呼出し側(PCやスマホ)にのアプリをインストールする必要があるのに対して、remote Server(クラウド)は、AWSやAzure上にサービスをデプロイするだけで、構築できるので、利用者側の敷居が低いのが利点です。
GitHub Copilot Agent とは
よくGitHubとGitHub Copilot の区別を勘違いされている方もおられますが、今回は、GitHub Copilot の方です。
GitHub Copilot には、Ask,Edit,Agent と３モードがあり、Agentモードを使うと、VSCode上のGitHub Copilotが、MCP Clientとして動作し、チャットプロンプトに @mcp [MCPServer名] "[プロンプト]" と書くと、mcp.jsonやsettings.json に記述している MCP Server を利用してくれます。
つまり、LLMが知りえない情報(社内規則や社内ノウハウ等)をRAGとして構築したものを remote MCP Server として呼び出して活用できます。
連携させたら面白そう
活用するアイデアとしては、GitHub Copilotでは対応していないプログラム言語の言語仕様をMCP Server 化して、GitHub Copilotからコード支援する際のカンペにする。というものです。
いろいろやってみた
私がやってみたのは下記です。
- Bedrock で RAG(Bedrock KnowledgeBases)を構築する
- Amazon Bedrock (Claude Haiku 4.5)
- S3 Bucket (S3 Vectorsじゃないヤツ)
- Aurora PostgreSQL Serverless v2 (ベクターDB)
と、S3 Vectors(ベクターDBとして) - Amazon Titan Text Embedding v2 (エンベディング)
- remote MCP Server を構築する
- CloudFront （WAFを使うため）
- API Gateway (RESTの実現用)
- Lambda ※Python (MCPのプロトコル解釈やRAGの呼出し)
- AWS Strands Agents (Lambda内で、Agentを使うのに使用)
- GitHub Copilot に Microsoft Visual Basic(.NETじゃない方) の言語仕様を、Markdown形式の資料として生成させる。(まるパクりじゃないのでOKでしょ？💦)
- RAGのS3 に、生成した言語仕様のMarkdownファイルをアップロードする
- ベクターDBのインデックスを更新する
- GitHub Copilotに MCP Server 接続の設定を行う
・settings.jsonやmcp.json に Servers{} の記述を追加する。
- GitHub Copilot のチャットで、Agentモードでプロンプトを指示して実行させる
※ここの内容はおそらく企業秘密でしょうね。
自作 MCP Sever で夢が広がる(かも)
業界のヒミツのノウハウのつまった情報ネタとして使って、原稿作成のお手伝いをさせるとか、いろいろできそうです。
たしか、bitKey様のLT登壇で、通信仕様RAGのMCP Server を構築して、通信ログを渡すと通信データの解析をやってくれる、とかありました。夢がひろがりますね。
最後まで読んでいただいてありがとうございました。
それではまた。