【Amazon Bedrock #2】Claudeをプレイグラウンドで試してみよう

Posted at 2026-03-03

はじめに

こんばんは、mirukyです。
Amazon Bedrock シリーズ第2回です。

前回（#1）では、Amazon Bedrockの概要・主要機能・利用できるモデル・料金体系・最新動向を解説しました。
今回はいよいよ実際にAWSコンソールからBedrockを触り始めます。

2025年10月のアップデートにより、Bedrockのモデルは原則として事前の有効化が不要になりました。APIを初回実行するだけで自動的にモデルが有効化されます。ただし、Anthropic（Claude）モデルのみ、初回に「ユースケース詳細（Submit use case details）」の提出が必要です。

今回は、そのAnthropicモデルの利用申請手順と、プレイグラウンドでの対話体験、さらに推論パラメータの調整方法までをハンズオン形式で進めていきます。

出典：Amazon Bedrock がサーバーレス基盤モデルの自動有効化によりアクセスを簡素化 - AWS

1. モデル有効化の仕様変更について

1-1. 以前の仕様（2025年9月以前）

以前は、Bedrockでモデルを利用するために、AWSコンソールの「モデルアクセス」ページからモデルごとに手動で有効化する必要がありました。
2026年3月現在に「モデルアクセス」をクリックすると、下記のような表示がされます。

Serverless foundation models are now automatically enabled across all AWS commercial regions when first invoked in your account, so you can start using them instantly. You no longer need to manually activate model access through this page. Note that for Anthropic models, first-time users may need to submit use case details before they can access the model. For models served from AWS Marketplace, a user with AWS Marketplace permissions must invoke the model once to enable it account-wide for all users.

「サーバーレス基盤モデルは、アカウント内で初めて呼び出された時点で、すべてのAWS商用リージョンで自動的に有効化されるようになりました。
これにより、即座に利用を開始できます。
このページから手動でモデルアクセスを有効化する必要はなくなりました。
ただし、Anthropicモデルについては、初回利用者はモデルにアクセスする前にユースケースの詳細を提出する必要がある場合があります。
AWS Marketplaceから提供されるモデルについては、AWS Marketplaceの権限を持つユーザーがモデルを一度呼び出すことで、アカウント全体の全ユーザーに対して有効化されます。」

1-2. 現在の仕様（2025年10月以降）

2025年10月のアップデートにより、ほぼすべてのモデルが自動的に有効化されるようになりました。コンソールやSDKからAPIを初回実行するだけで、自動的にモデルが利用可能になります。

項目	以前（2025年9月以前）	現在（2025年10月以降）
基本動作	モデルごとに手動で有効化	自動有効化。APIの初回実行で利用開始
Anthropic以外のモデル	手動有効化が必要	操作不要。即利用可能
Anthropicモデル	手動有効化が必要	初回のみ「ユースケース詳細」の提出が必要
利用制限の方法	有効化しなければ使えない	IAMポリシーやSCPで制御

ガバナンスの注意点
デフォルトで全モデルが利用可能になるため、組織内で「特定のモデルだけを使わせたい」場合は、IAMポリシーやサービスコントロールポリシー（SCP） で明示的に制限する必要があります。本番環境への移行時にはIAM設計を見直すことをおすすめします。

出典：Amazon Bedrock がサーバーレス基盤モデルの自動有効化によりアクセスを簡素化 - AWS

1-3. AWS Marketplaceモデルについて

一部のサードパーティモデルはAWS Marketplace経由で提供されています。これらは初回のAPI呼び出し時にMarketplaceへの自動サブスクライブが行われるため、APIを呼び出すIAMロールに aws-marketplace:Subscribe 権限が必要です。

出典：Amazon Bedrock のモデルアクセス廃止に関しておさえておくとよいこと - Qiita

2. Anthropic（Claude）モデルの利用申請

2-1. なぜAnthropicだけ申請が必要なのか

Anthropic社の方針により、Claudeモデルの利用にはユースケースの申告が求められています。これはモデルの不正利用を防止するための措置です。

一度申請が承認されれば、同一AWSアカウント（またはAWS Organizationsの管理アカウントから申請した場合は組織全体）で全Anthropicモデルが利用可能になります。

2-2. 申請手順

AWSマネジメントコンソール（東京リージョン）で Amazon Bedrock を開く
左メニューの 「モデルアクセス」 を選択
Anthropicモデルの横に表示される 「Submit use case details」 をクリック

2-3. フォームの入力内容

以下の項目を入力します。
自分は過去の記事内で既に提出済みなので、画像は出せません、、すみません。

項目	説明	記入例
Company Name	会社名（正式名称）	`株式会社サンプル`
Company Website	会社のWebサイトURL	`https://www.example.com`
Industry	業界（ドロップダウンから選択）	`Information Technology`
Intended Users	利用者の種別	`Internal employees`（社内利用の場合）
Use Cases	利用用途の説明	`Building an internal chatbot to improve employee productivity`

内容を確認し、「Submit」 をクリックします。

記入時の注意点

Company Websiteは実在するURLを指定してください。 AWSアカウントの請求情報と一致する法人情報が望ましいです
Use Casesは具体的に書いてください。 「テスト」「検証」だけでは曖昧すぎる可能性があります。実際の利用シーンを簡潔に書きましょう（例：「社内FAQチャットボットの開発」「カスタマーサポートの自動化」など）
一度提出すると再申請できない場合があります。 内容をよく確認してから提出してください

出典：Access Anthropic models on Amazon Bedrock - AWS re:Post

2-4. 申請後の流れ

多くの場合、即時〜数分以内に自動承認されます
承認されると、コンソール上でAnthropicモデルが利用可能な状態になります
まれに追加審査が入る場合がありますが、通常は数営業日以内に完了します

3. プレイグラウンドでモデルを試す

申請が完了したら（またはAnthropic以外のモデルであれば申請不要で）、プレイグラウンドで実際にモデルを試してみましょう。

3-1. プレイグラウンドとは

プレイグラウンドは、AWSコンソール上でコードを書かずに生成AIモデルをテストできるインターフェースです。ChatGPTのような対話形式で、さまざまなモデルの応答を確認できます。

Bedrockには以下のプレイグラウンドが用意されています。

プレイグラウンド	用途
チャット	会話形式でモデルとやり取り。文脈が保持される
テキスト（シングルプロンプト）	一問一答形式。単発のプロンプトで応答を確認
画像/動画	画像/動画生成モデル（Nova Canvas等）のテスト

今回はチャットプレイグラウンドを使います。

出典：Generate responses in the console using playgrounds - Amazon Bedrock - AWS

3-2. チャットプレイグラウンドの起動

AWSマネジメントコンソール（東京リージョン）で Amazon Bedrock を開く
左メニューの 「テスト」→「チャット/テキストのプレイグラウンド」 を選択
画面上部の 「モデルを選択」 をクリック
プロバイダーから 「Anthropic」 を選び、モデル（例：Claude Sonnet 4.6）を選択
**「推論」**はデフォルトの「JP Anthropic Claude Sonnet 4.6」のまま
「適用」 をクリック

3-3. 実際に会話してみる

画面下部のテキストボックスにプロンプトを入力し、送信します。

テスト①：基本的な質問

入力: Amazon Bedrockとは何ですか？簡潔に説明してください。

AIがBedrockの概要を日本語で回答します。

出力：
Amazon Bedrockとは
Amazon Bedrockは、AWSが提供する生成AIのフルマネージドサービスです。

主な特徴
複数の基盤モデル（Foundation Models）にAPIでアクセス可能
Anthropic（Claude）、Meta（Llama）、Stability AIなど様々なモデルを利用できる
サーバーレスで、インフラ管理が不要
カスタマイズ（Fine-tuningやRAG）が可能
AWSのセキュリティ・コンプライアンス基盤上で動作
一言でいうと
複数のAIモデルをAWS上で簡単に使えるプラットフォーム

企業が自社アプリケーションに生成AI機能を組み込む際に活用されています。

上記の回答を得ることができました。

テスト②：文脈を保持した会話

入力1: Pythonでリストの重複を除去する方法を3つ教えてください。
入力2: そのうち、順序を保持する方法はどれですか？

この入力2つを、1回ずつにわけてAIに投げます。

出力1: 
Pythonでリストの重複を除去する方法3つ・・・（続く）

入力1では、このような回答を得ました。

出力2:
前の回答から、順序を保持する方法は2つです。・・・（続く）

入力2では、このような回答を得ました。
チャットプレイグラウンドでは会話の文脈が保持されるため、2回目の質問で「そのうち」と指示しても、前の回答を踏まえた応答が返ってきます。

テスト③：モデルの比較

プレイグラウンドでは最大3つのモデルを同時に比較できます。

「比較モードを開く」 のトグルを有効にする
2つ目・3つ目のモデルを選択（例：Nova Pro、Nova Micro）
同じプロンプトを送信し、応答の品質・速度・長さを比較

4.質問を投げてみる

Amazon Bedrockとは何ですか？簡潔に説明してください。

とても面白いですね。

モデル比較のポイント
同じ質問を複数モデルに投げることで、以下の観点で比較できます。

回答の精度（正確さ、具体性）
応答速度（レイテンシ）
日本語の自然さ
回答の長さ（トークン消費量 ≒ コスト）

本番で使うモデルを選定する際に、プレイグラウンドの比較機能は非常に便利です。

4. 推論パラメータの調整

プレイグラウンドの右側パネルには、モデルの応答を制御する推論パラメータの設定があります。ここでは特に重要な3つのパラメータを解説します。

4-1. 主要パラメータ

パラメータ	説明	範囲	デフォルト目安
最大出力トークン	出力の最大トークン数	モデルにより異なる	2048〜4096
温度（Temperature）	出力のランダム性を制御	0〜1	0.5〜1.0
トップP（Top P）	累積確率の上位何%からトークンを選択するか制御	0〜1	0.9〜1.0
トップK（Top K）	確率上位K個のトークンから次のトークンを選択	0〜500（整数）	250

4-2. Temperature（温度）の使い分け

値	出力の傾向	向いている用途
0〜0.3（低い）	決定的・一貫性が高い	FAQ応答、事実の抽出、構造化データの生成
0.4〜0.7（中間）	バランス型	一般的なチャット、文書要約
0.8〜1.0（高い）	創造的・多様な回答	アイデア出し、ストーリー生成、ブレスト

TemperatureとTop K / Top Pの関係
Temperature、Top K、Top Pはいずれも出力の多様性を制御するパラメータです。一般的には、Temperatureを主に調整し、Top K / Top Pはデフォルトのままにするのがおすすめです。複数を同時に大きく変更すると、出力の挙動が予測しにくくなります。

出典：推論パラメータでレスポンスの生成に影響を与える - Amazon Bedrock - AWS

4-3. 実際に試してみる

同じプロンプトに対して、Temperatureを変えて応答の違いを確認してみましょう。

プロンプト: 「AIが社会に与える影響」というテーマで、ブログ記事のタイトルを1つ提案してください。最初の1文でその内容をサマリしてください。

Temperature 0.1：毎回ほぼ同じタイトルが返ってくる（一貫性重視）

「AIが社会に与える影響」ブログ記事タイトル案

🤖 AIは仕事を奪うのか？変わる働き方と「人間にしかできないこと」の正体

自動化が進む時代に、AIに代替される職種と生き残るスキルを具体的なデータとともに解説する記事です。

ご希望があれば、記事本文の構成案も作成できます！

よく聞くような内容ですね。

Temperature 0.9：毎回異なるユニークなタイトルが返ってくる（創造性重視）

⚖️ AIが下す「判断」を誰が責任を取るのか——法律・倫理が追いつかない現実

採用・融資・司法などの場面でAIが意思決定に関与する際の、責任の所在と倫理的課題を掘り下げる記事です。

よく聞くような内容ではあるものの、やや難しめですね。

5. プレイグラウンドからAPIコードを取得する

プレイグラウンドで試したプロンプトとパラメータは、そのままAPIコードとして取得できます。プロトタイプからアプリケーション開発への移行がスムーズに行えます。

5-1. コードの取得手順

プレイグラウンドでプロンプトを送信し、意図通りの応答を確認
画面上部の 「APIリクエストを表示」 をクリック
APIコードが表示される

表示されるコード形式について
プレイグラウンドの「APIリクエストを表示」では、使用するモデルや設定によってAWS CLI形式のみの場合と、Python（boto3）等のSDK形式も選択できる場合があります。今回の検証環境（Claude Sonnet 4.6 / 推論プロファイル経由）では、AWS CLI形式のConverse APIコードが表示されました。

出典：Generate responses in the console using playgrounds - AWS

5-2. 取得できるコード（AWS CLI形式）

以下は、今回の検証環境で実際に取得したAWS CLI形式のConverse APIコードです。

aws bedrock-runtime converse \
--model-id arn:aws:bedrock:ap-northeast-1:[account_id]:inference-profile/jp.anthropic.claude-sonnet-4-6 \
--messages '[{"role":"user","content":[{"text":"こんにちは"}]},{"role":"assistant","content":[{"text":"こんにちは！👋\n\nお元気ですか？何かお手伝いできることはありますか？😊"}]},{"role":"user","content":[{"text":""}]}]' \
--inference-config '{"maxTokens":32000,"stopSequences":[]}' \
--additional-model-request-fields '{"top_k":250}' \
--region ap-northeast-1

このコードには、プレイグラウンドで設定したモデルID・会話履歴・推論パラメータがすべて含まれています。

5-3. AWS CLIからPython（boto3）への変換

取得したAWS CLIコードは、以下のようにPython（boto3）のConverse APIに変換できます。構造は1対1で対応しているため、慣れれば簡単に書き換えられます。

対応関係

AWS CLI パラメータ	boto3 パラメータ	説明
`--model-id`	`modelId`	モデルIDまたは推論プロファイルARN
`--messages`	`messages`	会話メッセージ
`--inference-config`	`inferenceConfig`	推論パラメータ（maxTokens等）
`--additional-model-request-fields`	`additionalModelRequestFields`	モデル固有の追加パラメータ
`--region`	`boto3.client()` の `region_name`	リージョン指定

変換例

import boto3

client = boto3.client("bedrock-runtime", region_name="ap-northeast-1")

response = client.converse(
    modelId="arn:aws:bedrock:ap-northeast-1:[account_id]:inference-profile/jp.anthropic.claude-sonnet-4-6",
    messages=[
        {
            "role": "user",
            "content": [{"text": "こんにちは"}]
        }
    ],
    inferenceConfig={
        "maxTokens": 32000,
    },
    additionalModelRequestFields={
        "top_k": 250
    }
)

print(response["output"]["message"]["content"][0]["text"])

変換のポイント

AWS CLIの --messages に含まれる会話履歴（assistant ロールの応答）は、新規リクエストでは不要です。user ロールのメッセージだけを指定すれば動作します
--inference-config の stopSequences が空配列 [] の場合は省略可能です
modelId にはプレイグラウンドで表示されたARN（推論プロファイル）をそのまま使用できます

出典：AWS SDK for Python (Boto3) を使用して Amazon Bedrock API リクエストの例を実行する - AWS

5-4. システムプロンプトの設定

プレイグラウンドの 「システムプロンプト」 欄にAIの振る舞いを指定できます。これはConverse APIの system パラメータに対応します。

あなたは親切で丁寧なカスタマーサポートのAIアシスタントです。
以下のルールに従ってください：
1. 必ず日本語で回答してください。
2. 推測や創作は行わないでください。
3. 回答は簡潔かつ丁寧にしてください。

実際に試してみる

入力：クラウドについて解説してください

出力：
クラウド（クラウドコンピューティング）について
基本的な概要
クラウドとは、インターネットを通じてサーバー、ストレージ、データベース、
ソフトウェアなどのITリソースを利用できるサービスの総称です。
・・・（続く）

システムプロンプトで「簡潔かつ丁寧に」と指定したことで、要点を絞った回答が得られました。

boto3でシステムプロンプトを指定する場合

プレイグラウンドで設定したシステムプロンプトをboto3で指定するには、system パラメータを追加します。

response = client.converse(
    modelId="arn:aws:bedrock:ap-northeast-1:[account_id]:inference-profile/jp.anthropic.claude-sonnet-4-6",
    system=[
        {
            "text": (
                "あなたは親切で丁寧なカスタマーサポートのAIアシスタントです。\n"
                "1. 必ず日本語で回答してください。\n"
                "2. 推測や創作は行わないでください。\n"
                "3. 回答は簡潔かつ丁寧にしてください。"
            )
        }
    ],
    messages=[
        {
            "role": "user",
            "content": [{"text": "クラウドについて解説してください"}]
        }
    ],
    inferenceConfig={
        "maxTokens": 32000,
    }
)

プレイグラウンドからコードへの流れ
プレイグラウンドでの試行錯誤をそのままアプリケーションに反映できるのは、Bedrockの大きなメリットです。

プレイグラウンドでプロンプト・システムプロンプト・パラメータを調整
意図通りの応答を確認
「APIリクエストを表示」でAPIコードを取得
AWS CLI形式で取得した場合は、上記の対応表を参考にboto3に変換
アプリケーションに組み込む

この流れにより、PoC（概念実証）から本番実装への移行コストを大幅に下げられます。

6. 料金について

プレイグラウンドでの利用にも料金が発生します。

項目	説明
入力トークン	プロンプト（ユーザーの入力＋システムプロンプト）のトークン数に応じて課金
出力トークン	モデルの応答のトークン数に応じて課金
プレイグラウンド利用料	なし（トークン課金のみ）

プレイグラウンドでもコストが発生します
プレイグラウンドは無料ツールではなく、通常のAPI呼び出しと同じ従量課金です。特にモデル比較機能で3つのモデルを同時に使うと、同じプロンプトに対して3倍のコストが発生します。

検証時はNova MicroやClaude 4 Haikuなど低コストのモデルで試し、本番に近いプロンプトが固まってから高性能モデルに切り替えるのがコスト効率の良い進め方です。

最新の料金は公式ページをご確認ください。
出典：Amazon Bedrock Pricing - AWS

7. おわりに

ここまでお読みいただきありがとうございます。
今回は、Amazon BedrockのAnthropicモデルの利用申請からプレイグラウンドでの対話体験、推論パラメータの調整、APIコードの取得までを一気に体験しました。

今回はGUIでBedrockを体験しましたが、次回#3からはいよいよ実践的な構築に入ります。Knowledge Bases（RAG）を使って、社内データを活用したAIチャットシステムを構築していきます。

ではまた、お会いしましょう。

参考リンク

Amazon Bedrock 公式ドキュメント

モデル有効化の仕様変更

Anthropicモデルの利用申請

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