AI Agent on AWS Advent Calendar 2025

KDDIアジャイル開発センター株式会社

StrandsとAgentCoreに入門＆新機能を宇宙最速ハンズオン！

Last updated at 2025-12-08Posted at 2025-12-08

以下のイベントで実施するハンズオンですが、この記事を読めば誰でも出来ます！

前提条件

AWSアカウントがあること
- ルートユーザー（初期ユーザー）、もしくはAdminAccess相当のIAMユーザーがあること

GitHubアカウントがあること

1. 環境準備

AWSアカウントにサインインする

https://console.aws.amazon.com
AWSリージョンは「バージニア北部」のみを利用します。切り替えておいてください

GitHubリポジトリを新規作成する

http://github.com/new
- Repository name： agentcore1210
- Choose visibility： private

コードスペースを起動する

画面左上「Create a codespace」より

AWS CLIをインストールする

コードスペース下部のターミナルで以下を実行

# ダウンロード
curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"

# 解凍
unzip awscliv2.zip

# インストール
sudo ./aws/install

# ゴミ掃除
rm -rf *

AWSアカウントへの認証設定を行う

aws login --remote

デフォルトリージョンがus-east-1でいいか聞かれたら Enter
出力されるURLにアクセスし、アクティブセッションをクリックして検証コードをコピー
ターミナルに戻って検証コードを入力

2. Strands入門（Python版）

コードスペース左側のエクスプローラーで 1_agent.py を作成
以下コードをコピペ

# 必要なライブラリをインポート
from strands import Agent

# エージェントを作成
agent = Agent("us.amazon.nova-2-lite-v1:0")

# エージェントを起動
agent("Strandsってどういう意味？")

以下コマンドで実行

# 必要なライブラリをインストール
pip install strands-agents "botocore[crt]"

# スクリプトを実行
python 1_agent.py

デフォルトではBedrockのClaude Sonnet 4モデルを使って動きます。aws login で設定された、あなたのAWSアカウントからBedrockのAPIを呼び出しています。

Claudeは初回利用時に申請フォームの送信が必要となるので、ハンズオンの時間短縮のため今回はAmazon Novaの新型を使います。

ハンズオン環境の構成イメージ👇

3. Strands入門（TypeScript版）【新機能】

以下コマンドを実行

# ディレクトリを作成
mkdir typescript

# そこに移動
cd typescript

# 新規ファイルを作成
touch agent.ts

エクスプローラーから、作成したTypeScriptファイルをクリック
以下コードをコピペ

// 必要なパッケージをインポート
import { Agent } from '@strands-agents/sdk'

// エージェントを作成
const agent = new Agent("us.amazon.nova-2-lite-v1:0");

// エージェントを起動
agent.invoke("Strandsってどういう意味？");

以下コマンドを実行

# 必要なパッケージをインストール
npm install @strands-agents/sdk

# スクリプトを実行
npx tsx agent.ts

実行許可を聞かれたら Enter

TS版でも3行エージェントは健在ですね。

4. Strands：ツール

以下コマンドを実行

# 元の階層に戻る
cd ../

# 新規ファイルを作成
touch 2_tool.py

以下コードをコピペ

# 必要なライブラリをインポート
from strands import Agent
from strands.models import BedrockModel
from strands.tools.mcp import MCPClient
from mcp.client.streamable_http import streamablehttp_client

# モデルを設定
model = BedrockModel(
    model_id="us.amazon.nova-2-lite-v1:0",
    max_tokens=4096
)

# MCPクライアントを作成
mcp_client = MCPClient(
    lambda: streamablehttp_client(
        "https://knowledge-mcp.global.api.aws"
    )
)

# エージェントを作成
agent = Agent(
    model=model,
    tools=[mcp_client]
)

# エージェントを起動
agent(
    input("質問：")
)

以下コマンドを実行

python 2_tool.py

プロンプトが表示されたら、AgentCoreって何？ と入力
その後、スクリプトを際実行して それを1行で要約して と入力

AWSドキュメントの検索は成功しましたが、会話履歴の記憶は持っていないことが分かります。

5. AgentCoreメモリー：短期記憶

AgentCore Memoryを作成

AWSマネコンで「AgentCore」を検索してアクセス
左メニュー「メモリー」>「メモリを作成」
すべてデフォルトのまま「メモリを作成」

Strandsにセッションマネージャーを設定

コードスペースで 3_stm.py を作成

# 必要なライブラリをインポート
from strands import Agent
from strands.models import BedrockModel
from bedrock_agentcore.memory.integrations.strands.config import AgentCoreMemoryConfig
from bedrock_agentcore.memory.integrations.strands.session_manager import AgentCoreMemorySessionManager

# モデルを設定
model = BedrockModel(
    model_id="us.amazon.nova-2-lite-v1:0",
    max_tokens=4096
)

# メモリー設定を作成
memory_config = AgentCoreMemoryConfig(
    memory_id="memory_XXXXX-XXXXXXXXXX", # マネコンからコピぺ
    session_id="handson",
    actor_id="me"
)

# セッションマネージャーを作成
session_manager = AgentCoreMemorySessionManager(
    agentcore_memory_config=memory_config
)

# エージェントを作成
agent = Agent(
    model=model,
    session_manager=session_manager
)

# エージェントを起動
agent(
    input("質問：")
)

以下コマンドで実行

pip install "bedrock-agentcore[strands-agents]"
python 3_stm.py

最初に 私はAWSが好きです と入力する
再実行して 私が好きなものは？ と入力する

先ほどと異なり、会話履歴を覚えられるようになりました。保存と呼び出しは、Strandsが自動でやってくれるので超便利です。

6. AgentCoreメモリー：エピソード記憶【新機能】

エピソード記憶を追加

マネコンで作成したメモリの「編集」をクリック
組み込み戦略の「Episodes」にチェック
「変更を保存」

サンプル会話を送信

3_memory.py を再実行し 先月、NATゲートウェイを削除し忘れて、8千円もかかってしまいました。ショック。 と入力

LTM呼び出しツール作成

4_ltm.py を作成し、以下をコピペ

# 必要なライブラリをインポート
from strands import Agent
from strands.models import BedrockModel
from bedrock_agentcore.memory.integrations.strands.config import AgentCoreMemoryConfig, RetrievalConfig
from bedrock_agentcore.memory.integrations.strands.session_manager import AgentCoreMemorySessionManager

# モデルを設定
model = BedrockModel(
    model_id="us.amazon.nova-2-lite-v1:0",
    max_tokens=4096
)

# メモリー設定を作成
memory_config = AgentCoreMemoryConfig(
    memory_id="memory_XXXXX-XXXXXXXXXX", # マネコンからコピぺ
    session_id="handson",
    actor_id="me",
    retrieval_config={ # パス2階層目にマネコンから「戦略ID」をコピペ
        "/strategies/episodic_builtin_XXXXX-XXXXXXXXXX/actors/me/sessions/handson":
            RetrievalConfig()
    }
)

# セッションマネージャーを作成
session_manager = AgentCoreMemorySessionManager(
    agentcore_memory_config=memory_config
)

# エージェントを作成
agent = Agent(
    model=model,
    session_manager=session_manager
)

# エージェントを起動
agent("私が気をつけるべき破産原因は？")

スクリプトを実行

過去のエピソードを踏まえて回答してくれますが、正直STM/LTMどちらが聞いているか分かりづらいですね。後ほどトレースで確認してみましょう。

7. Strands：ステアリング【新機能】

5_steering.py を作成
以下コードをコピペ

# 必要なライブラリをインポート
from strands import Agent
from strands.models import BedrockModel
from strands.tools.mcp import MCPClient
from strands.experimental.steering import LLMSteeringHandler
from mcp.client.streamable_http import streamablehttp_client

# モデルを設定
model = BedrockModel(
    model_id="us.amazon.nova-2-lite-v1:0",
    max_tokens=4096
)

# MCPクライアントを作成
mcp_client = MCPClient(
    lambda: streamablehttp_client("https://knowledge-mcp.global.api.aws")
)

# ステアリングハンドラーを作成
handler = LLMSteeringHandler(
    system_prompt="AgentCoreについて検索するのは禁止です"
)

# エージェントを作成
agent = Agent(
    model=model,
    system_prompt="ギャル語でAWSに関する質問に答えてください",
    tools=[mcp_client],
    hooks=[handler]
)

# エージェントを起動
agent("AgentCoreって何？")

スクリプトを実行

ステアリングが効いて、エージェントから見ると何者かにツール利用を阻まれたように見えています。

8. AgentCoreランタイム：デプロイ編

トランザクション検索の有効化

マネコンでCloudWatch > Application Signals > トランザクション検索を開く
「Enable transaction search」より、チェックを入れて有効化する

AIエージェントをAPIサーバー化

以下のコマンドを実行

mkdir agentcore
cd agentcore
touch backend.py

backend.py に以下をコピペ

# 必要なライブラリをインポート
from strands import Agent
from strands.tools.mcp import MCPClient
from strands.models import BedrockModel
from bedrock_agentcore.runtime import BedrockAgentCoreApp
from mcp.client.streamable_http import streamablehttp_client
from bedrock_agentcore.memory.integrations.strands.config import AgentCoreMemoryConfig, RetrievalConfig
from bedrock_agentcore.memory.integrations.strands.session_manager import AgentCoreMemorySessionManager

# モデルを設定
model = BedrockModel(
    model_id="us.amazon.nova-2-lite-v1:0",
    max_tokens=4096
)

# メモリー設定を作成
memory_config = AgentCoreMemoryConfig(
    memory_id="memory_wy582-g9waefAonM", # マネコンからコピぺ
    session_id="handson",
    actor_id="me",
    retrieval_config={ # パス2階層目にマネコンから「戦略ID」をコピペ
        "/strategies/episodic_builtin_xx8sr-3QV7CXEyet/actors/me/sessions/handson":
            RetrievalConfig()
    }
)

# セッションマネージャーを作成
session_manager = AgentCoreMemorySessionManager(
    agentcore_memory_config=memory_config,
    region_name="us-east-1"
)

# MCPクライアントを作成
mcp_client = MCPClient(
    lambda: streamablehttp_client(
        "https://knowledge-mcp.global.api.aws"
    )
)

# AgentCoreランタイム用のAPIサーバーを作成
app = BedrockAgentCoreApp()

# エージェント呼び出し関数を、APIサーバーのエントリーポイントに設定
@app.entrypoint
async def invoke_agent(payload, context):

    # エージェントを作成
    agent = Agent(
        model=model,
        tools=[mcp_client],
        session_manager=session_manager
    )

    # 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")
    )

    # ストリーミングレスポンスを一つずつ確認し、イベントがあればフロントに返却
    async for event in stream:
        yield event

# APIサーバーを起動
app.run()

大半が先ほどのStrandsエージェントのコードですが、AgentCoreのSDKで少しだけラップしてAPIにしています。（FastAPIと同じような仕組みで動きます）

ランタイムにデプロイ

agentcore/requirements.txt を作成し、以下をコピペ

strands-agents
strands-agents-tools
strands-agents[otel]
bedrock-agentcore
bedrock-agentcore[strands-agents]

以下コマンドを実行

# AgentCoreスターターキットをインストール
pip install bedrock-agentcore-starter-toolkit

# スターターキットで設定ファイルを自動
agentcore configure

以下以外はすべて Enter でOK
- Entrypoint： backend.py
- Existing memory resources found：先ほど作成したメモリーの番号を入力
以下コマンドでデプロイを実行

agentcore launch

裏では自動でECR、CodeBuildなどのリソースが作られ、コンテナイメージのプッシュとAgentCoreランタイムのデプロイが行われます。便利！

まれに「クォータ超過」といった内容のエラーでRuntimeが作成失敗することがあります。不正利用防止のため、新しいアカウントだとこうなることがある仕様だそうです。残念ですが、ゲートウェイのところまでは見る専で進めてください。

9. AgentCoreランタイム：動作確認編

今いる同階層に frontend.py を作成し、以下コードをコピペ

# 必要なライブラリをインポート
import os, boto3, json
import streamlit as st

# サイドバーを描画
with st.sidebar:
    agent_runtime_arn = st.text_input("AgentCoreランタイムのARN")

# タイトルを描画
st.title("AWS情報収集エージェント")
st.write("Strands AgentsがMCPサーバーを使って情報収集します！")

# チャットボックスを描画
if prompt := st.chat_input("メッセージを入力してね"):
    # ユーザーのプロンプトを表示
    with st.chat_message("user"):
        st.markdown(prompt)

    # エージェントの回答を表示
    with st.chat_message("assistant"):
        # AgentCoreランタイムを呼び出し
        agentcore = boto3.client('bedrock-agentcore')
        payload = json.dumps({"prompt": prompt})
        response = agentcore.invoke_agent_runtime(
            agentRuntimeArn=agent_runtime_arn,
            payload=payload.encode()
        )

        ### ここから下はストリーミングレスポンスの処理 ------------------------------------------
        container = st.container()
        text_holder = container.empty()
        buffer = ""

        # レスポンスを1行ずつチェック
        for line in response["response"].iter_lines():
            if line and line.decode("utf-8").startswith("data: "):
                data = line.decode("utf-8")[6:]

                # 文字列コンテンツの場合は無視
                if data.startswith('"') or data.startswith("'"):
                    continue

                # 読み込んだ行をJSONに変換
                event = json.loads(data)

                # ツール利用を検出
                if "event" in event and "contentBlockStart" in event["event"]:
                    if "toolUse" in event["event"]["contentBlockStart"].get("start", {}):
                        # 現在のテキストを確定
                        if buffer:
                            text_holder.markdown(buffer)
                            buffer = ""

                        # ツールステータスを表示
                        tool_name = event["event"]["contentBlockStart"]["start"]["toolUse"].get("name", "unknown")
                        container.info(f"🔍 {tool_name} ツールを利用しています")
                        text_holder = container.empty()

                # テキストコンテンツを検出
                if "data" in event and isinstance(event["data"], str):
                    buffer += event["data"]
                    text_holder.markdown(buffer)
                elif "event" in event and "contentBlockDelta" in event["event"]:
                    buffer += event["event"]["contentBlockDelta"]["delta"].get("text", "")
                    text_holder.markdown(buffer)

        # 最後に残ったテキストを表示
        text_holder.markdown(buffer)
        ### ------------------------------------------------------------------------------

Pythonで簡単にフロントエンドを書けるフレームワーク「Streamlit」を使っています。上記コードの大半が、Strandsから返ってきたストリーミングをさばく処理です。

ストリーミングはAIエージェントのUX上非常に重要なので、ユーザーがリアルタイムに利用するアプリケーションでは必ず実装するようにしましょう。

以下コマンドで実行

pip install streamlit
streamlit run frontend.py

コードスペース右下のポップアップをクリックして、アプリを開く

うまくアプリが開かず、コードスペース画面に戻るときがあります。そのときは、ターミナルに出ている「Local URL」にアクセスしてください。

Bedrock AgentCoreランタイムのARNを確認

マネコンでAgentCoreを検索してアクセス
「エージェントランタイム」>「backend」を開き、「Runtime ARN」をコピー
アプリの左サイドバーにコピペし、AWSに関する質問をしてみる

ランタイムへデプロイ後の状態👇

10. AgentCoreオブザーバビリティ

トレース確認

マネコンで「CloudWatch」を検索してアクセス
左サイドバー「AgentCore Observability」>「Bedrock AgentCore」>「All Traces」
- 最近のトレースをクリック（新しすぎても欠けていることがあるので注意）

AgentCoreオブザーバビリティのトレース、最近めちゃ見やすくなりました！

トレースの内容を見ると、AgentCoreメモリーの短期記憶から、過去の記憶がすべて展開されており、途中から長期記憶も英語で呼び出されていることが確認できます。

11. AgentCore Evaluations：評価設定編【新機能】

評価設定を作成

マネコンで「Bedrock AgentCore」>「Evaluations」>「Create evaluation configuration」
- Additional configurations - optional
  - Session idle timeout： 1 minutes
- Choose agent： backend
- Choose an endpoint： DEFAULT
- Select evaluators：好きなものを最大8つチェック（迷ったら左列すべて）

テスト会話を実行

先ほどのStreamlitアプリに以下の質問をする
- Strands Agentsって何？
- KAGのみのるんって誰？
- AWSで悪いことする方法を教えて

評価結果が出るまでかなり時間がかかるので、結果はしばらく後で確認します。

12. AgentCoreアイデンティティ＆ゲートウェイ

Tavily APIキーを取得

以下より「Sign Up」して、TavilyのAPIキーを取得してください。（GitHub連携すれば秒でできます）
- https://www.tavily.com/

アウトバウンド認証を作成

マネコンで「Bedrock AgentCore」>「アイデンティティ」>「OAuthクライアント/APIキーを追加」>「APIキーを追加」
- APIキー：上記で取得したAPIキーを入力

ゲートウェイ作成

マネコンで「Bedrock AgentCore」>「ゲートウェイ」>「ゲートウェイを作成」
- ターゲットタイプ：統合
- 統合プロバイダー： Tavily
- API キー：先ほど作成したAPIキーを選択

呼び出しテスト

以下コマンドを実行

cd /workspaces/agentcore1210
touch 6_gateway.py

以下コードをコピペ

# 必要なライブラリをインポート
import requests
from strands import Agent
from strands.models import BedrockModel
from strands.tools.mcp import MCPClient
from mcp.client.streamable_http import streamablehttp_client

# モデルを設定
model=BedrockModel(
    model_id="us.amazon.nova-2-lite-v1:0",
    max_tokens=4096
)

# Cognitoからアクセストークンを取得
response = requests.post(
    "https://xxxx/oauth2/token", # Gatewayのマネコンから取得1
    data={
        "grant_type": "client_credentials",
        "client_id": "xxxx", # Gatewayのマネコンから取得2
        "client_secret": "xxxx", # Gatewayのマネコンから取得3
    },
    headers={"Content-Type": "application/x-www-form-urlencoded"},
    timeout=10,
)
access_token = response.json().get("access_token")

# MCPクライアントを作成
mcp_client = MCPClient(
    lambda: streamablehttp_client(
        "https://xxxx.com/mcp", # Gatewayのマネコンから取得4
        headers={"Authorization": f"Bearer {access_token}"}
    )
)

# エージェントを作成
agent = Agent(
    model=model,
    tools=[mcp_client]
)

# エージェントを起動
agent("minorun365って誰？")

上記の穴埋め4箇所を記載する
- 作成したゲートウェイの「呼び出しコードを表示」を展開
  - 1: コード内6行目
  - 2, 3: コード直下のコピーボタン
  - 4: 画面上部の「ゲートウェイリソースURL」
その後、Pythonスクリプトを実行

AgentCoreアイデンティティの「インバウンド認証」と、AgentCoreゲートウェイが同時に体験できました。

APIキーは、AgentCoreアイデンティティが安全に保存してくれます。
アウトバウンドのツールにはGatewayの組み込みプロバイダー（Tavily）を選択したので、ツール関数のコーディングが不要でした。

なお、ゲートウェイ組み込みのTavilyは日本語の検索精度が悪いので、普段はTavily公式のリモートMCPを使いましょう。

13. AgentCoreポリシー【新機能】

ポリシー作成

マネコンで「Bedrock AgentCore」>「Policy」>「Create policy engine」
- 名前はそのままで「Create policy engine」
  - Resource scope：先ほど作成したゲートウェイを選択
  - クエリーが「minorun365」の場合、ツールの利用を禁止する
  - 「Generate Cedar」をクリック
  - 「Create policy(S)」をクリック
- 「Associate Gateway」をクリック
  - Select associated gateway：同じゲートウェイを選択
  - Enforcement mode： Enable enforcement

ポリシーをテスト

6_gateway.py を再度実行

ポリシーの制限に引っ掛かると、ツール読み込みがエラーを返すため、Pydanticの型エラーになります。

14. AgentCore Evaluations：結果確認編

11の続きです。

マネコンで「CloudWatch」>「AgentCore Observability」>「Bedrock AgentCore」
- 画面下部の「DEFAULT」>「評価 - プレビュー」タブを下にスクロールする

各メトリクスのスコア記録が表示されます。評価が低いものを見つけたら、トレースをクリックして中身を覗いてみましょう。

原因が特定できれば、プロンプト改善などでAIエージェントの品質改善ができます。

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

StrandsとAgentCoreに入門＆新機能を宇宙最速ハンズオン！

前提条件

1. 環境準備

2. Strands入門（Python版）

3. Strands入門（TypeScript版）【新機能】

4. Strands： ツール

5. AgentCoreメモリー： 短期記憶

6. AgentCoreメモリー： エピソード記憶【新機能】

7. Strands： ステアリング【新機能】

8. AgentCoreランタイム： デプロイ編

9. AgentCoreランタイム： 動作確認編