Amazon Bedrock AgentCore とは？AI エージェントを安全に本格運用する新サービス ① Rutime 編

Posted at 2025-07-29

はじめに - AIエージェントの進化

これまで AI は、ChatGPT のようにユーザーが質問すると答えを返すという「対話型」の使い方が中心でした。
しかし最近では、AIエージェントという新しい形の AI が注目を集めています。

開発者が直面する課題

AI エージェントのプロトタイプを作ることは、オープンソースのフレームワーク（LangGraph、Strands Agents など）のおかげで比較的簡単になりました。

しかし、実際に会社で使える本格的なシステムにするには、以下のような技術的な課題がありました：

セキュリティ
セッション管理
メモリシステム
監視機能
アクセス制御

これらを一から構築するには、開発者は数ヶ月の時間を費やす必要がありました。

Amazon Bedrock AgentCore の登場

AWS が Amazon Bedrock AgentCore のプレビュー版を発表しました。これは、上記の課題をすべて解決する包括的なサービス群です。

2025 年 7 月 16 日現在プレビュー版

AgentCore の 7 つの主要サービス

AgentCore は、AI エージェントの本格運用に必要な機能を 7 つのコンポーネントに分けて提供しています：

サービス	役割
Runtime	AI エージェントのサーバレス実行環境
Memory	短期・長期の記憶のマネージド環境
Observability	AI エージェントの動作状況を可視化・監視
Identity	AI エージェントの認証認可の機能を提供
Gateway	既存 API や Lambda をエージェントを MCP サーバーに変換して提供
Browser	完全なクラウドベースのブラウザ
Code Interpreter	サンドボックス環境での安全なコード記述と実行

利用可能地域と料金

提供地域：米国東部、米国西部、アジアパシフィック（シドニー）、欧州（フランクフルト）
無料トライアル：2025 年 9 月 16 日まで
本格料金：2025 年 9 月 17 日から開始

AgentCore の利点

開発者にとって

開発時間の大幅短縮：インフラ構築に数ヶ月かかっていた作業が数行のコードで完了
既存フレームワークとの互換性：お気に入りのオープンソースツールをそのまま使用可能
段階的な機能追加：必要な機能だけを選んで追加可能

企業にとって

エンタープライズレベルのセキュリティ：暗号化、アクセス制御、監査機能
スケーラビリティ：数千のユーザーに対応可能
運用監視：本番環境でのパフォーマンス監視とトラブルシューティング

① Runtime 編

まずは、触れたものから随時記事にしたいと思いますので、① Runtime 編ということで動かしながら記載していきたいと思います。

特徴

最大 8 時間のワークロードに対応
ペイロードサイズ 100 MB までに対応
人気のあるオープンソースフレームワークを利用して、AI エージェントをデプロイ
PoC から本番稼働までのデプロイまで数行のコードで実現
MCP サーバーのデプロイもサポート

全体図

モデルアクセスの有効化

今回 Strands ライブラリを使います。
Strands はデフォルトで最新の Claude Sonnet 4 を使うため Amazon Bedrock コンソロールのモデルアクセスから有効化しておきましょう。

パッケージのインストール

requirements.txt に次の通り記載しパッケージをインストールします。bedrock-agentcore は勿論必須ですが今回、strands-agents も利用しているため合わせてインストールしておきます。

requirements.txt

bedrock-agentcore
strands-agents

pip3 install -r requirements.txt

成果物を簡単にデプロイするために bedrock-agentcore-starter-toolkit もインストールしておきます。（CLI のようにお使いいただけます。）

pip3 install bedrock-agentcore-starter-toolkit

IAM ロールの作成

AgentCore Runtime でエージェントまたはツールを実行するためには適切なポリシーを付与した IAM ロールが必要です。

順番にコマンドを実行していきます。

trust-policy.json の作成

trust-policy.json

cat > trust-policy.json << 'EOF'
{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Sid": "AssumeRolePolicy",
      "Effect": "Allow",
      "Principal": {
        "Service": "bedrock-agentcore.amazonaws.com"
      },
      "Action": "sts:AssumeRole",
      "Condition": {
            "StringEquals": {
                "aws:SourceAccount": "accountId"
            },
            "ArnLike": {
                "aws:SourceArn": "arn:aws:bedrock-agentcore:region:accountId:*"
            }
       }
    }
  ]
}
EOF

permissions-policy.json の作成

cat > permissions-policy.json << 'EOF'
{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "ECRImageAccess",
            "Effect": "Allow",
            "Action": [
                "ecr:BatchGetImage",
                "ecr:GetDownloadUrlForLayer"
            ],
            "Resource": [
                "arn:aws:ecr:region:accountId:repository/*"
            ]        
        },
        {
            "Effect": "Allow",
            "Action": [
                "logs:DescribeLogStreams",
                "logs:CreateLogGroup"
            ],
            "Resource": [
                "arn:aws:logs:region:accountId:log-group:/aws/bedrock-agentcore/runtimes/*"
            ]
        },
        {
            "Effect": "Allow",
            "Action": [
                "logs:DescribeLogGroups"
            ],
            "Resource": [
                "arn:aws:logs:region:accountId:log-group:*"
            ]
        },
        {
            "Effect": "Allow",
            "Action": [
                "logs:CreateLogStream",
                "logs:PutLogEvents"
            ],
            "Resource": [
                "arn:aws:logs:region:accountId:log-group:/aws/bedrock-agentcore/runtimes/*:log-stream:*"
            ]
        },
        {
            "Sid": "ECRTokenAccess",
            "Effect": "Allow",
            "Action": [
                "ecr:GetAuthorizationToken"
            ],
            "Resource": "*"
        },
        {
        "Effect": "Allow", 
        "Action": [ 
            "xray:PutTraceSegments", 
            "xray:PutTelemetryRecords", 
            "xray:GetSamplingRules", 
            "xray:GetSamplingTargets"
            ],
         "Resource": [ "*" ] 
         },
         {
            "Effect": "Allow",
            "Resource": "*",
            "Action": "cloudwatch:PutMetricData",
            "Condition": {
                "StringEquals": {
                    "cloudwatch:namespace": "bedrock-agentcore"
                }
            }
        },
        {
            "Sid": "GetAgentAccessToken",
            "Effect": "Allow",
            "Action": [
                "bedrock-agentcore:GetWorkloadAccessToken",
                "bedrock-agentcore:GetWorkloadAccessTokenForJWT",
                "bedrock-agentcore:GetWorkloadAccessTokenForUserId"
            ],
            "Resource": [
              "arn:aws:bedrock-agentcore:region:accountId:workload-identity-directory/default",
              "arn:aws:bedrock-agentcore:region:accountId:workload-identity-directory/default/workload-identity/agentName_*"
            ]
        },
         {"Sid": "BedrockModelInvocation", 
         "Effect": "Allow", 
         "Action": [ 
                "bedrock:InvokeModel", 
                "bedrock:InvokeModelWithResponseStream"
              ], 
        "Resource": [
            "arn:aws:bedrock:*::foundation-model/*",
            "arn:aws:bedrock:region:accountId:*"
        ]
        }
    ]
}
EOF

IAM ロール・IAM ポリシーの作成とアタッチ

# 実際の値に置換
sed -i '' -e 's/region/us-west-2/g' -e 's/accountId/123456789012/g' -e 's/agentName/my_agent/g' trust-policy.json
sed -i '' -e 's/region/us-west-2/g' -e 's/accountId/123456789012/g' -e 's/agentName/my_agent/g' permissions-policy.json

# ロール作成
aws iam create-role \
    --role-name BedrockAgentCoreExecutionRole \
    --assume-role-policy-document file://trust-policy.json

aws iam put-role-policy \
    --role-name BedrockAgentCoreExecutionRole \
    --policy-name BedrockAgentCoreExecutionPolicy \
    --policy-document file://permissions-policy.json

Agent の準備

既存のエージェントを Amazon Bedrock AgentCore 対応サービスに変換するには、わずか 3つのステップ で行えます。

my_bedrock_agentcore_runtime.py

# 1. runtime をインポートする
from bedrock_agentcore.runtime import BedrockAgentCoreApp
from strands import Agent

# 2. BedrockAgentCoreApp のインスタンスを作成
agent = Agent()
app = BedrockAgentCoreApp()

# 3. `@app.entrypoint` デコレータを追加
@app.entrypoint
def invoke(payload):
    """Process user input and return a response"""
    user_message = payload.get("prompt", "Hello")
    response = agent(user_message)
    return str(response) 

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

BedrockAgentCoreApp を使用すると裏ではざっくり言うと、

HTTP サーバーの作成
必要なエンドポイントの実装
データ形式の管理
エラーハンドリング

のような処理が自動的に実行されます。

ローカルで実行し、起動することを確認しておきます。

$ python my_bedrock_agentcore_runtime.py

INFO:     Started server process [19751]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:8080 (Press CTRL+C to quit)

Agent の導入

次の通りファイルを準備します。とはいっても、my_bedrock_agentcore_runtime.py と requirements.txt は作成済みですの空の __init__.py を作成しておきます。

my_bedrock_agentcore/
├── my_bedrock_agentcore_runtime.py 
├── requirements.txt
└── __init__.py

agentcore configure コマンドを実行してエージェントをセットアップします。この時に前の手順で作成した IAM ロールを指定します。

ACCOUNT_ID="123456789012"

agentcore configure --entrypoint my_bedrock_agentcore_runtime.py -er arn:aws:iam::${ACCOUNT_ID}:role/BedrockAgentCoreExecutionRole

実行が完了すると、2 つのファイルファ出来上がります。

.bedrock_agentcore.yaml

default_agent: my_bedrock_agentcore_runtime
agents:
  my_bedrock_agentcore_runtime:
    name: my_bedrock_agentcore_runtime
    entrypoint: my_bedrock_agentcore_runtime.py
    platform: linux/arm64
    container_runtime: docker
    aws:
      execution_role: arn:aws:iam::123456789012:role/BedrockAgentCoreExecutionRole
      execution_role_auto_create: true
      account: '123456789012'
      region: us-west-2
      ecr_repository: 123456789012.dkr.ecr.us-west-2.amazonaws.com/bedrock-agentcore-my_bedrock_agentcore_runtime
      ecr_auto_create: false
      network_configuration:
        network_mode: PUBLIC
      protocol_configuration:
        server_protocol: HTTP
      observability:
        enabled: true
    bedrock_agentcore:
      agent_id: my_bedrock_agentcore_runtime-rjGDHOAvjw
      agent_arn: arn:aws:bedrock-agentcore:us-west-2:123456789012:runtime/my_bedrock_agentcore_runtime-rjGDHOAvjw
      agent_session_id: 86771a0b-c901-4ba4-9a17-9350739d1bf2
    codebuild:
      project_name: null
      execution_role: null
      source_bucket: null
    authorizer_configuration: null
    oauth_configuration: null

.dockerignore

# Build artifacts
build/
dist/
*.egg-info/
*.egg

# Python cache
__pycache__/
__pycache__*
*.py[cod]
*$py.class
*.so
.Python

# Virtual environments
.venv/
.env
venv/
env/
ENV/

# Testing
.pytest_cache/
.coverage
.coverage*
htmlcov/
.tox/
*.cover
.hypothesis/
.mypy_cache/
.ruff_cache/

# Development
*.log
*.bak
*.swp
*.swo
*~
.DS_Store

# IDEs
.vscode/
.idea/

# Version control
.git/
.gitignore
.gitattributes

# Documentation
docs/
*.md
!README.md

# CI/CD
.github/
.gitlab-ci.yml
.travis.yml

# Project specific
tests/

# Bedrock AgentCore specific - keep config but exclude runtime files
.bedrock_agentcore.yaml
.dockerignore

# Keep wheelhouse for offline installations
# wheelhouse/

agentcore launch -l コマンドでローカルで起動することを確認しておきます。

$ agentcore launch -l

Launching Bedrock AgentCore (local mode)...

Launching Bedrock AgentCore agent 'my_bedrock_agentcore_runtime' locally
✓ Docker image built: bedrock_agentcore-my_bedrock_agentcore_runtime:latest
✓ Ready to run locally
Starting server at http://localhost:8080
Press Ctrl+C to stop

INFO:     Started server process [1]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://0.0.0.0:8080 (Press CTRL+C to quit)

では、agentcore launch コマンドで AWS にエージェントをデプロイしていきます。

agentcore launch

AWS にエージェントのデプロイが完了すると次の通り表示されました。後で AWS コンソールから作成されたリソースを確認してみますので一旦ここではエージェントが作成されたことだけ確認できれば OK です。

agentcore invoke コマンドでエージェントの呼び出しをテストしておきます。

agentcore invoke '{"prompt": "Hello"}'

次の通りレスポンスが返されました。

Agent の呼び出し

boto3 (bedrock-agentcore.invoke_agent_runtime)を使用してエージェントを呼び出してみます。

test_my_bedrock_agentcore_runtime.py

import boto3
import json

client = boto3.client('bedrock-agentcore', region_name="us-west-2")

input_payload = {
    "prompt": "how are you?"
}

try:
    response = client.invoke_agent_runtime(
        agentRuntimeArn="arn:aws:bedrock-agentcore:us-west-2:123456789012:runtime/my_bedrock_agentcore_runtime-rjGDHOAvjw",
        qualifier="DEFAULT",
        payload=json.dumps(input_payload) 
    )
    
    print("Response metadata:", response['ResponseMetadata'])
    print("Runtime session ID:", response['runtimeSessionId'])
    
    streaming_body = response['response']
    response_data = streaming_body.read()
    
    response_text = response_data.decode('utf-8')
    print("Response content:", response_text)
    
except Exception as e:
    print(f"Error: {e}")

レスポンスの結果は以下の通りです。

作成されたリソース

作成されたリソースを AWS コンソロールから確認してみます。

Amazon Bedrock AgentCore > Agent Runtime

Amazon ECR > プライベートレジストリ > リポジトリ

bedrock-agentcore-starter-toolkit を使わないパターン

本記事では、bedrock-agentcore-starter-toolkit を使うパターンで紹介してきましたが、以下のコンテナイメージを用意すれば、bedrock-agentcore-starter-toolkit を使わずにどんなフレームワークや言語でも、AWS の信頼性の高いインフラ上にデプロイ可能。

コンテナ要件
- ホスト: 0.0.0.0
- ポート: 8080
- プラットフォーム: ARM64
パス要件
- /invocations エージェントインタラクション用
- /ping ヘルスチェック用

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