Bedrock AgentCoreを使ってみた

Last updated at 2026-08-01Posted at 2026-08-01

きっかけ

これまで、Bedrock Agentを使って、AIエージェントを遊びで作ってみたりしていました。
(同窓会の出欠確認用サイトを作った際に、出欠の回答状況をLambda経由でDBを確認して回答するAIエージェントを作成した)
ところが、AWS Summit 2026に行った際、どこもかしこも、Bedrock AgentCore、Strands Agent、…という感じで、時代に取り残されている感を感じたのがきっかけです。

気づいたら、Bedrock Agentは新規ユーザの利用はできなくなっていますね・・・
https://docs.aws.amazon.com/ja_jp/bedrock/latest/userguide/agents-how.html

Amazon Bedrock エージェント (2023 年 11 月リリース) は「Amazon Bedrock Agents Classic」となり、  
2026 年 7 月 30 日以降、新規のお客様は利用できなくなります。  
Bedrock Agents Classic と同様の機能については、Amazon Bedrock AgentCore をご覧ください。  
Bedrock Agents Classic を使用する場合は、その日より前にサインアップします。  
既存のお客様は、通常どおりサービスを引き続き使用できます。  
詳細については、「Amazon Bedrock エージェント Classic メンテナンスモード」を参照してください。

作ってみたもの

野球選手の年別データを持ったAurora DSQLに野球選手のデータを確認する
Managed KnowledgeBaseに格納された野球のルールを確認する
Managed KnowledgeBaseに格納された野球の戦術を確認する
Cognitoグループがtigersのユーザには全球団の情報を、carpのユーザにはカープだけの情報を返す
巨人に有利な情報を返さない

というAIエージェントを使ったチャットを作ってみました。

なお、生成AIも手助けに使いつつ、自分の理解のために、生成AIに全部書かせるようなことはしないようにしました。

デモ

ログインします。
Cognito Managed Loginです。

なんとも、質素な画面です。
選手の情報をDBから検索して、

ショート2人、4番中野という前衛的なオーダーを返してくれました。
システムプロンプトだったり、オーダーの組み方のルールをRAGに置くだったりをするべきかもしれませんが・・・いったん返ってきたのでよしとします。

思ったこと

Bedrock Agentでもツール群は使わせることはできた(Target)のですが、リクエストを受けた後は生成AIに任せることになり、確定的な動きはさせることができないため、
アプリからAgentに投げるまでの間に確定的な処理は行ったうえで投げて、ツールのLambdaの中でまた確定的な処理は書く必要がありますが、
そのあたりをStrands AgentのPythonの中で完結できるのは楽だなと思いました。

前処理でユーザ属性を確認しています

@app.entrypoint
async def invoke_agent(payload, context):

    # frontend から送られた token を受け取る
    token = payload.get("token")
    session_start_time = payload.get("sessionStartTime")

    # tokenから、ユーザ情報を取得
    try:
        user = get_user(token)
        user_sub = user.get("sub")
        user_group = user.get("cognito:groups", [])
    except Exception as e:
        print(f"Error in get_user: {e}")
        return

    # ユーザがtigersに所属しているか確認
    tigers = False
    carp = False

    for g in user_group:
        if g == "tigers":
            tigers = True
        if g == "carp":
            carp = True

そのあと、Tool群を定義して(後述)
Agentを呼び出します

agent = Agent(
    model=model,
    tools=[
        search_baseball_players,
        search_player_position,
        search_player_batter_stats,
        search_player_pitcher_stats,
        get_team_mst,
        get_position_mst,
        search_player_by_team_and_year,
        search_player_by_position_and_year,
        get_streamable_http_mcp_client()
    ],
    session_manager=session_manager,
    system_prompt=system_prompt
)

# エージェントをストリーミング呼び出し
stream = agent.stream_async(
    payload.get("prompt")
)

Agentに呼び出されたTool内で、また確定的な処理をします(ここはCarp用とTigers用にToolを分けて、Identityで認可を行うほうが良いのかもしれません)

@tool  
def search_baseball_players(first_name: str = "", last_name: str = ""):
    """
    # 概要
    野球選手（プロ野球選手）のデータをDBから検索するツール。

    #引数
    - 姓(last_name) : 部分一致、未指定可
    - 名(first_name) : 部分一致、未指定可

    # 戻り値
    JSON形式で返される
    - player_id : 選手ID
    - first_name : 名
    - last_name : 姓
    - team_id : 所属チームID
    - team_name : 所属チーム名
    - start_year : 在籍開始年
    - end_year : 在籍終了年
    - ren_no : 一年の間で移籍した場合の連番
    """

    query = """
                SELECT 
                    pm.player_id,
                    pm.first_name,
                    pm.last_name,
                    pt.team_id,
                    tm.name as team_name,
                    pt.start_year,
                    pt.end_year,
                    pt.ren_no
                FROM player_mst as pm
                INNER JOIN player_team as pt
                    ON pm.player_id = pt.player_id
                LEFT JOIN team_mst as tm
                    ON pt.team_id = tm.team_id
                WHERE 1=1
            """
    params = {}
    
    if carp and not tigers:
        # カープファンの場合は、検索結果をカープに強制絞り込み
        query += " AND pt.team_id = %(carp_id)s"
        params["carp_id"] = carp_id
    elif tigers:
        # タイガースファンは何でも見れる
        pass
    else:
        return "検索権限がありません。"

    if first_name:
        query += " AND pm.first_name LIKE %(first_name)s"
        params["first_name"] = f"%{first_name}%"

    if last_name:
        query += " AND pm.last_name LIKE %(last_name)s"
        params["last_name"] = f"%{last_name}%"

    print(f"Executing query: {query}")
    print(f"With params: {params}")

    rows = execute_query_with_logging(query, params)


    result_list = []
    if rows:
        for row in rows:
            result_list.append({
                "player_id": row[0],
                "first_name": row[1],
                "last_name": row[2],
                "team_id": row[3],
                "team_name": row[4],
                "start_year": row[5],
                "end_year": row[6],
                "ren_no": row[7]
            })
    
    return result_list

ここが目玉なのかな、と思いますが、Memoryなど、いろんな機能があって便利だなと思いました。

下記のようにしています

session_id = f"{user_sub}_{session_start_time}"

memory_config = AgentCoreMemoryConfig(
    memory_id=memory_id,
    session_id=session_id,
    actor_id=user_sub
)

session_manager = AgentCoreMemorySessionManager(
    agentcore_memory_config=memory_config
)

ストリーミングについて

今回、フロントエンド側にもストリーミングでレスポンスが表示されるようにしました。
が、その中で、API Gatewayの時間制限(30秒)に引っかかったためクォータ申請をしたのですが、
SAMが30秒以上は対応しておらず、ここは手でマネジメントコンソールから更新せざるを得ませんでした。

  InvokeAgentRuntimeServerlessFunction:
    Type: AWS::Serverless::Function
    Properties:
      FunctionName: !Sub "${ResourceNamePrefix}-lambda-invoke-agent-runtime"
      Runtime: nodejs22.x
      Handler: index.handler
      Role: !GetAtt LambdaInvokeAgentRuntimeRole.Arn
      Timeout: 179 ##ここで179秒としても、API Gatewayのタイムアウトが30秒から動かない
      CodeUri: ../../app/invoke-runtime/
      Environment:
        Variables:
          AGENT_ARN: !Ref AgentCoreArn
      Events:
        AgentApi:
          Type: Api
          Properties:
            RestApiId: !Ref ServerlessApi
            Path: /agent
            Method: post
            ResponseTransferMode: RESPONSE_STREAM
    Metadata:
      BuildMethod: esbuild
      BuildProperties:
        Minify: true
        Target: "es2020"
        EntryPoints: 
        - index.ts

追加で書きたいことがあれば追記します。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up