はじめに
この記事は是非以下の記事とセットで読んでください
AI エージェントを業務ワークフローに組み込むときに、考えるべき点として「どこまでをエージェントに任せるか」です。
この記事では「今週の AWS 生成AI アップデートを調べて Slack に通知する」を題材に、調べる部分だけを AI エージェントに任せ、通知は従来どおり機械的に実行する構成を Terraform で作ってみます。
「決定論的」と「非決定的」
同じ入力に対して常に同じ結果が返る性質を 決定論的、
同じ入力でも結果が一通りに定まらない性質を 非決定的
と呼びます。
Slack に POST する処理は決定論的です。同じ文面を渡せば同じ投稿になり、失敗すれば HTTP のステータスコードで分かります。
一方「今週の話題をまとめる」処理は非決定的です。何を重要と判断するかは毎回揺れますし、そもそも今週何が起きたかは実行してみないと分かりません。
エージェントが向いているのは非決定的なほうです。決定論的であってほしい処理まで一緒に AI エージェントへ任せてしまうと、失敗しても誰にも気づかれない「静かに何も起きない」状態へと陥ります。
通知までエージェントに任せると何が起きるか
「調べて Slack に通知して」と一息に指示すると、通知するかどうかもモデルの判断になります。調査がうまくいかなかったとき、モデルは「通知するほどの内容がないので終了します」と勝手に判断して、何も起こさずに正常終了してしまうことがあります。
Slack への通知を AgentCore の外側、つまり Step Functions のステートとして分離しておけば、AI エージェントが成功しても失敗しても必ず同じ経路を通ります。
やってみよう
0. 簡易構成図
1. 非決定的パート: Bedrock AgentCore harness
完成版は「3. デプロイする」で示す main.tf をコピーして実行すれば作れるようにしてますので、ここではポイントだけを整理します。
Bedrock AgentCore Harness は、モデル・ツール・メモリなどを設定するだけで動くマネージドなエージェントループで、オーケストレーションのコードを書かずに済むのが特徴です。
次の通り、リモート MCP サーバーは URL を書くだけで繋がります。
tool {
type = "remote_mcp"
name = "AWSKnowledgeMCPServer"
config {
remote_mcp {
url = "https://knowledge-mcp.global.api.aws"
}
}
}
2. 決定論的パート: Step Functions
ここも完成版は「3. デプロイする」で示す main.tf をコピーして実行すれば作れるようにしてますので、ここではポイントだけを整理します。
Bedrock AgentCore Harness の呼び出し自体はシンプルで、arn:aws:states:::bedrockagentcore:invokeHarness を Task の Resource に指定するだけです（AWS マネージメントコンソールの Workflow Studio では AgentCore InvokeHarness で検索すると出てきます）。
ステートマシンの中身はざっくりとこんなイメージになります。
このセクションで抑えておきたいポイントを 2 つだけ整理しておきます。
-
日付はワークフロー側から渡す: 「今日が何日か」を調べるのはエージェントの仕事ではないので、JSONata の
$now()でプロンプトに埋め込みます -
失敗も同じ通知経路に流す:
SummarizeUpdatesにCatchを付けてStates.ALLを拾い、NotifyFailureを経由して必ず Slack に届くようにします
Catch = [{
ErrorEquals = ["States.ALL"]
Next = "NotifyFailure"
Output = "{% { 'text': '調査に失敗しました: ' & $states.errorOutput.Error } %}"
}]
3. デプロイする
Slack の Incoming Webhook URL を用意して、以下をそのままコピーして実行すれば動くようにしてあります。
main.tf（全文）
// Terraform 設定ファイル
terraform {
required_version = ">= 1.5"
required_providers {
aws = {
source = "hashicorp/aws"
version = ">= 6.61"
}
}
}
// AWS プロバイダの設定
provider "aws" {
region = var.region
}
// 変数定義
variable "region" {
type = string
default = "ap-northeast-1"
}
variable "slack_webhook_url" {
type = string
sensitive = true
}
variable "model_id" {
type = string
default = "global.amazon.nova-2-lite-v1:0"
}
// ローカル変数定義
locals {
name = "weekly-aws-news"
harness_name = "weekly_aws_news"
}
// 現在の AWS アカウント情報を取得
data "aws_caller_identity" "current" {}
########################################
# 1. AgentCore harness (非決定的パート)
########################################
// Bedrock AgentCore Harness の IAM ロールを作成
resource "aws_iam_role" "harness" {
name = "${local.name}-harness-role"
assume_role_policy = jsonencode({
Version = "2012-10-17"
Statement = [{
Effect = "Allow"
Principal = { Service = "bedrock-agentcore.amazonaws.com" }
Action = "sts:AssumeRole"
Condition = {
StringEquals = { "aws:SourceAccount" = data.aws_caller_identity.current.account_id }
ArnLike = { "aws:SourceArn" = "arn:aws:bedrock-agentcore:${var.region}:${data.aws_caller_identity.current.account_id}:*" }
}
}]
})
}
// Bedrock AgentCore Harness の IAM ポリシーを作成
resource "aws_iam_role_policy" "harness" {
role = aws_iam_role.harness.name
policy = jsonencode({
Version = "2012-10-17"
Statement = [
{
Sid = "BedrockModelInvocation"
Effect = "Allow"
Action = ["bedrock:InvokeModel", "bedrock:InvokeModelWithResponseStream"]
Resource = [
"arn:aws:bedrock:*::foundation-model/*",
"arn:aws:bedrock:${var.region}:${data.aws_caller_identity.current.account_id}:*",
]
},
{
Sid = "EcrPublicPull"
Effect = "Allow"
Action = ["ecr-public:GetAuthorizationToken", "sts:GetServiceBearerToken"]
Resource = "*"
},
{
Sid = "XRayTracing"
Effect = "Allow"
Action = ["xray:PutTraceSegments", "xray:PutTelemetryRecords", "xray:GetSamplingRules", "xray:GetSamplingTargets"]
Resource = "*"
},
{
Sid = "Metrics"
Effect = "Allow"
Action = "cloudwatch:PutMetricData"
Resource = "*"
Condition = {
StringEquals = { "cloudwatch:namespace" = "bedrock-agentcore" }
}
},
{
Sid = "Logs"
Effect = "Allow"
Action = ["logs:CreateLogGroup", "logs:CreateLogStream", "logs:PutLogEvents", "logs:DescribeLogStreams", "logs:DescribeLogGroups"]
Resource = [
"arn:aws:logs:${var.region}:${data.aws_caller_identity.current.account_id}:log-group:/aws/bedrock-agentcore/runtimes/*",
"arn:aws:logs:${var.region}:${data.aws_caller_identity.current.account_id}:log-group:*",
]
},
{
Sid = "AgentCoreMemory"
Effect = "Allow"
Action = [
"bedrock-agentcore:CreateEvent",
"bedrock-agentcore:GetEvent",
"bedrock-agentcore:ListEvents",
"bedrock-agentcore:DeleteEvent",
"bedrock-agentcore:RetrieveMemoryRecords",
]
Resource = "arn:aws:bedrock-agentcore:${var.region}:${data.aws_caller_identity.current.account_id}:memory/${local.harness_name}-*"
},
{
Sid = "WorkloadIdentity"
Effect = "Allow"
Action = ["bedrock-agentcore:GetWorkloadAccessToken", "bedrock-agentcore:GetWorkloadAccessTokenForJWT"]
Resource = [
"arn:aws:bedrock-agentcore:${var.region}:${data.aws_caller_identity.current.account_id}:workload-identity-directory/default",
"arn:aws:bedrock-agentcore:${var.region}:${data.aws_caller_identity.current.account_id}:workload-identity-directory/default/workload-identity/*",
]
},
]
})
}
// Bedrock AgentCore Harness を作成
resource "aws_bedrockagentcore_harness" "news" {
harness_name = local.harness_name
execution_role_arn = aws_iam_role.harness.arn
model {
bedrock_model_config {
model_id = var.model_id
}
}
system_prompt {
text = <<-EOT
あなたは AWS の最新情報を調べて日本語で要約するアシスタントです。
調査には必ず AWS Knowledge MCP のツールを使い、推測で書かないでください。
出力は Slack にそのまま投稿されます。前置き・締めの挨拶・見出しは書かず、本文だけを返してください。
EOT
}
tool {
type = "remote_mcp"
name = "AWSKnowledgeMCPServer"
config {
remote_mcp {
url = "https://knowledge-mcp.global.api.aws"
}
}
}
allowed_tools = ["*"]
max_iterations = 15
timeout_seconds = 600
}
########################################
# 2. Slack 通知の接続情報 (決定論的パート)
########################################
// Slack Incoming Webhook は URL 自体が資格情報なので、EventBridge connection はダミーの値を1つ入れておけば通ります
resource "aws_cloudwatch_event_connection" "slack" {
name = "${local.name}-slack"
authorization_type = "API_KEY"
auth_parameters {
api_key {
key = "x-unused-auth"
value = "unused"
}
}
}
########################################
# 3. Step Functions ワークフロー
########################################
// Step Functions の実行ロールを作成
resource "aws_iam_role" "sfn" {
name = "${local.name}-sfn-role"
assume_role_policy = jsonencode({
Version = "2012-10-17"
Statement = [{
Effect = "Allow"
Principal = { Service = "states.amazonaws.com" }
Action = "sts:AssumeRole"
}]
})
}
// Step Functions の実行ロールにポリシーをアタッチ
resource "aws_iam_role_policy" "sfn" {
role = aws_iam_role.sfn.name
policy = jsonencode({
Version = "2012-10-17"
Statement = [
{
Sid = "InvokeHarness"
Effect = "Allow"
Action = ["bedrock-agentcore:InvokeHarness", "bedrock-agentcore:InvokeAgentRuntime"]
Resource = "${aws_bedrockagentcore_harness.news.arn}*"
},
{
Sid = "CallSlack"
Effect = "Allow"
Action = "states:InvokeHTTPEndpoint"
Resource = "arn:aws:states:${var.region}:${data.aws_caller_identity.current.account_id}:stateMachine:${local.name}"
Condition = {
StringEquals = { "states:HTTPMethod" = "POST" }
StringLike = { "states:HTTPEndpoint" = "https://hooks.slack.com/*" }
}
},
{
Sid = "UseConnection"
Effect = "Allow"
Action = "events:RetrieveConnectionCredentials"
Resource = aws_cloudwatch_event_connection.slack.arn
},
{
Sid = "ReadConnectionSecret"
Effect = "Allow"
Action = ["secretsmanager:GetSecretValue", "secretsmanager:DescribeSecret"]
Resource = "arn:aws:secretsmanager:${var.region}:${data.aws_caller_identity.current.account_id}:secret:events!connection/*"
},
]
})
}
// Step Functions のステートマシンを作成
resource "aws_sfn_state_machine" "news" {
name = local.name
role_arn = aws_iam_role.sfn.arn
definition = jsonencode({
QueryLanguage = "JSONata"
Comment = "非決定的な調査は harness に、決定論的な通知は Step Functions に"
StartAt = "SummarizeUpdates"
States = {
# 非決定的パート: 何を何回調べるかはモデルが決める
SummarizeUpdates = {
Type = "Task"
Resource = "arn:aws:states:::bedrockagentcore:invokeHarness"
Arguments = {
HarnessArn = aws_bedrockagentcore_harness.news.arn
RuntimeSessionId = "{% $uuid() %}"
Messages = [{
Role = "user"
Content = [{
Text = "{% '今日は ' & $substring($now(), 0, 10) & ' です。直近1週間に発表された AWS の生成AI関連アップデートを AWS Knowledge MCP で調べ、重要なものを3件に絞って日本語の箇条書きにまとめてください。各項目はサービス名から始め、1〜2文で説明してください。' %}"
}]
}]
}
Output = "{% { 'text': '今週の生成AIアップデート\n\n' & $states.result.Output.Message.Content[0].Text } %}"
Retry = [{
ErrorEquals = ["BedrockAgentCore.ThrottlingException"]
IntervalSeconds = 5
MaxAttempts = 3
BackoffRate = 2
}]
Catch = [{
ErrorEquals = ["States.ALL"]
Next = "NotifyFailure"
Output = "{% { 'text': '調査に失敗しました: ' & $states.errorOutput.Error } %}"
}]
Next = "NotifySlack"
}
# 決定論的パート: 成功しても失敗しても必ず同じ経路で通知する
NotifySlack = {
Type = "Task"
Resource = "arn:aws:states:::http:invoke"
Arguments = {
ApiEndpoint = var.slack_webhook_url
Method = "POST"
InvocationConfig = { ConnectionArn = aws_cloudwatch_event_connection.slack.arn }
Headers = { "Content-Type" = "application/json" }
RequestBody = { text = "{% $states.input.text %}" }
}
Retry = [{
ErrorEquals = ["States.Http.StatusCode429", "States.Http.StatusCode500", "States.Http.StatusCode503"]
IntervalSeconds = 3
MaxAttempts = 3
BackoffRate = 2
}]
End = true
}
NotifyFailure = {
Type = "Task"
Resource = "arn:aws:states:::http:invoke"
Arguments = {
ApiEndpoint = var.slack_webhook_url
Method = "POST"
InvocationConfig = { ConnectionArn = aws_cloudwatch_event_connection.slack.arn }
Headers = { "Content-Type" = "application/json" }
RequestBody = { text = "{% $states.input.text %}" }
}
Next = "Fail"
}
Fail = {
Type = "Fail"
Error = "AgentInvocationFailed"
}
}
})
}
// 出力値を定義
output "state_machine_arn" {
value = aws_sfn_state_machine.news.arn
}
output "harness_arn" {
value = aws_bedrockagentcore_harness.news.arn
}
# ディレクトリを作って移動
mkdir -p sfn-harness-tf && cd sfn-harness-tf
# 上記の main.tf をこのディレクトリに保存してから
# terraform.tfvars を作って Slack の Incoming Webhook URL を書き込む
cat > terraform.tfvars <<EOF
slack_webhook_url = "https://hooks.slack.com/services/XXXX/YYYY/ZZZZ"
EOF
# Terraform を初期化してデプロイ
terraform init
terraform apply -auto-approve
4. 実行し結果を確認する
ステートマシンを実行します。
aws stepfunctions start-execution \
--state-machine-arn $(terraform output -raw state_machine_arn) \
--region ap-northeast-1
AWS マネージメントコンソールの Step Functions から実行履歴を確認してみましょう。SummarizeUpdates → NotifySlack の順に成功していることが確認できます。
Slack へ通知された内容はこんな感じです。
5. AI エージェントが失敗しても通知が届くことを確認する
「AI エージェントが失敗しても通知は届く」がこの構成の要なので、わざと失敗させて確かめてみます。harness の実行ロールに、モデル呼び出しを拒否する Deny ポリシーを一時的に付けます。
# harness の実行ロールに一時的に Deny ポリシーを付与
cat > deny-bedrock.json <<'JSON'
{
"Version": "2012-10-17",
"Statement": [{
"Effect": "Deny",
"Action": ["bedrock:InvokeModel", "bedrock:InvokeModelWithResponseStream"],
"Resource": "*"
}]
}
JSON
aws iam put-role-policy \
--role-name weekly-aws-news-harness-role \
--policy-name deny-bedrock-temporarily \
--policy-document file://deny-bedrock.json
再度ステートマシンを実行します。
aws stepfunctions start-execution \
--state-machine-arn $(terraform output -raw state_machine_arn) \
--region ap-northeast-1
AWS マネージメントコンソールの Step Functions から実行履歴を確認してみましょう。SummarizeUpdates → NotifyFailure で通知が届き、Fail でワークフローとしては失敗していることが確認できます。
Slack へ通知された内容はこんな感じです。
確認できたら Deny ポリシーを外して元に戻します。これを忘れると、以降 harness を呼ぶたびに同じ理由で失敗し続けてしまいます。
aws iam delete-role-policy \
--role-name weekly-aws-news-harness-role \
--policy-name deny-bedrock-temporarily
後片付け
terraform destroy -auto-approve