英会話の練習相手が欲しいだけなのに、既存アプリは月額課金が重かったり、会話の自由度が低かったりして「自分の欲しい形」にたどり着けなかった。特に「言い淀んでも待ってくれる」「文法を直しつつ自然に会話を続けてくれる」相手が欲しかった。

この記事では、Amazon Bedrock AgentCore と Strands Agents SDK を使って、AI と音声で英会話練習ができるアプリを個人開発した過程を書く。想定読者は「Bedrock AgentCore を実際に触ってみたい人」と「Strands Agents でエージェントを組んだコードを見たい人」。

自分の環境

項目	バージョン / 内容
Python	3.12.4
strands-agents	0.1.6
bedrock-agentcore	0.1.2
boto3	1.34.144
FastAPI	0.111.0
React Native (Expo)	SDK 51
利用モデル	Anthropic Claude 3.5 Sonnet (Bedrock 経由)
デプロイ先	AgentCore Runtime

音声認識・音声合成はスマホ側のネイティブ API（Expo Speech / expo-av）を使い、会話ロジックだけを AgentCore 上のエージェントに任せる構成にした。

実装

1. Strands Agents でエージェントを定義する

会話の役割（英会話コーチ）と、文法チェック用のツールを持たせたエージェントを作る。Strands Agents はツール定義がシンプルで、Python の関数に @tool を付けるだけで済む。

# agent/coach_agent.py
from strands import Agent, tool
from strands.models import BedrockModel

# Bedrock 経由で Claude 3.5 Sonnet を呼び出すモデル定義
model = BedrockModel(
    model_id="anthropic.claude-3-5-sonnet-20240620-v1:0",
    region_name="us-west-2",
    temperature=0.7,
)


@tool
def check_grammar(sentence: str) -> str:
    """
    英文の文法チェック結果を返す簡易ツール。
    実際の判定はモデル自身の推論に任せ、ここでは前処理のみ行う。
    """
    trimmed = sentence.strip()
    if not trimmed:
        return "空の文章です。もう一度話してみてください。"
    if len(trimmed.split()) < 2:
        return "短すぎる文章です。もう少し詳しく話してみましょう。"
    return f"'{trimmed}' を文法チェック対象として受け付けました。"


SYSTEM_PROMPT = """
あなたはフレンドリーな英会話コーチです。
ユーザーの発話に対して、まず英語で自然に返答し、
その後に簡潔な日本語で文法アドバイスを1文添えてください。
ユーザーが言い淀んでも急かさず、次の話題につながる質問を1つ添えてください。
"""

coach_agent = Agent(
    model=model,
    tools=[check_grammar],
    system_prompt=SYSTEM_PROMPT,
)


def run_conversation_turn(user_utterance: str) -> str:
    """1ターン分の会話を実行し、エージェントの応答テキストを返す"""
    response = coach_agent(user_utterance)
    return str(response)

@tool デコレータを付けた関数は、エージェントが必要と判断したタイミングで自動的に呼び出される。今回はモデルにほぼ判断を任せる設計にしたため、ツール自体は最小限にした。

2. AgentCore Runtime にデプロイする

Strands のエージェントをそのまま AgentCore にホストする。bedrock-agentcore SDK の BedrockAgentCoreApp でラップし、エントリーポイントを定義する。

# agent/app.py
from bedrock_agentcore.runtime import BedrockAgentCoreApp
from coach_agent import run_conversation_turn

app = BedrockAgentCoreApp()


@app.entrypoint
def invoke(payload: dict) -> dict:
    """
    AgentCore Runtime から呼ばれるエントリーポイント。
    payload 例: {"user_utterance": "I go to school yesterday."}
    """
    user_utterance = payload.get("user_utterance", "")
    if not user_utterance:
        return {"error": "user_utterance is required"}

    reply = run_conversation_turn(user_utterance)
    return {"reply": reply}


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

デプロイは agentcore CLI から行う。ローカルでの動作確認とデプロイの流れは以下の通り。

# ローカルでエントリーポイントを起動して疎通確認
python agent/app.py &
curl -X POST http://localhost:8080/invocations \
  -H "Content-Type: application/json" \
  -d '{"user_utterance": "I go to school yesterday."}'

# 動作確認できたら AgentCore にデプロイ
agentcore configure --entrypoint agent/app.py
agentcore launch

# デプロイ後のエンドポイントを呼び出す（region / agent-id は実際の値に置き換え）
agentcore invoke '{"user_utterance": "Can you help me practice ordering coffee?"}'

agentcore launch は内部でコンテナイメージのビルドと ECR への push、AgentCore Runtime へのデプロイまでを一括で行ってくれる。初回は数分かかるが、2 回目以降はレイヤーキャッシュが効いて短縮される。

3. FastAPI 経由で AgentCore を呼び出す薄いバックエンド

スマホアプリから直接 AgentCore を叩くのではなく、FastAPI を間に挟んで認証とレート制限をかけている。

# backend/main.py
import os
import json
import boto3
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel

app = FastAPI(title="English Coach Backend")

AGENT_RUNTIME_ARN = os.environ["AGENTCORE_RUNTIME_ARN"]
client = boto3.client("bedrock-agentcore", region_name="us-west-2")


class TurnRequest(BaseModel):
    user_utterance: str
    session_id: str


@app.post("/conversation/turn")
async def conversation_turn(req: TurnRequest) -> dict:
    if not req.user_utterance.strip():
        raise HTTPException(status_code=400, detail="user_utterance is empty")

    try:
        response = client.invoke_agent_runtime(
            agentRuntimeArn=AGENT_RUNTIME_ARN,
            runtimeSessionId=req.session_id,
            payload=json.dumps({"user_utterance": req.user_utterance}).encode("utf-8"),
        )
        body = json.loads(response["response"].read())
    except Exception as exc:
        raise HTTPException(status_code=502, detail=f"agent invocation failed: {exc}")

    return {"reply": body.get("reply", "")}

runtimeSessionId にユーザーごとのセッション ID を渡すことで、AgentCore 側が会話の文脈を保持してくれる。フロントエンドは会話開始時に UUID を発行し、以降のリクエストで使い回すだけでよい。

ハマったところ

1. `invoke_agent_runtime` のレスポンスが `StreamingBody` で一度しか読めない

最初、レスポンスをログ出力してからパースしようとして body.read() を2回呼び、2回目が空文字になって json.loads が失敗した。

# NG: read() を2回呼ぶと2回目は空になる
raw = response["response"].read()
print(raw)  # デバッグ用に1回目の read()
body = json.loads(response["response"].read())  # ここが空文字で失敗する

# OK: 1回だけ read() して変数に保持する
raw = response["response"].read()
print(raw)
body = json.loads(raw)

boto3 の StreamingBody はファイルのようなオブジェクトで、一度読み切るとカーソルが戻らない。エラーメッセージは json.decoder.JSONDecodeError: Expecting value とだけ出るので、原因が読み取り済みストリームだと気づくまで時間がかかった。

2. Strands の `@tool` 関数の docstring を省略するとツール選択の精度が落ちる

check_grammar を実装した当初、docstring を書かずにいたところ、エージェントがツールをほぼ呼び出さず素の応答だけを返す状態になった。

# NG: docstring がないとツールの用途がモデルに伝わらない
@tool
def check_grammar(sentence: str) -> str:
    trimmed = sentence.strip()
    ...

# OK: docstring に用途と引数の説明を書く
@tool
def check_grammar(sentence: str) -> str:
    """
    英文の文法チェック結果を返す簡易ツール。

    Args:
        sentence: チェック対象のユーザー発話（英文）
    """
    trimmed = sentence.strip()
    ...

Strands はツールの docstring をそのままモデルへのツール説明として渡す仕様になっている。関数名だけでは意図が伝わらず、モデルが「呼ぶべきタイミング」を判断できていなかった。

3. AgentCore のセッション ID を使い回さないと毎回文脈が消える

会話が1ターンごとに前の内容を忘れる不具合が出て、最初は Claude のモデル設定を疑った。実際の原因はフロント側で session_id を毎回 uuid4() で生成し直していたことだった。

# NG: リクエストごとに新しい session_id を発行すると文脈が保持されない
import uuid
session_id = str(uuid.uuid4())  # 毎回呼ばれると意味がない

# OK: 会話開始時に1回だけ発行し、以降は使い回す
# （React Native 側で useState に保持し、conversation 終了までそのまま使う）

AgentCore Runtime は runtimeSessionId をキーに会話状態を保持しているため、ID が毎回変わると新規セッション扱いになり文脈が引き継がれない。FastAPI 側では気づけず、React Native 側の実装を見直して解決した。

結果

指標	数値
開発期間（要件定義〜リリース）	約 6 週間（副業ペース）
1ターンあたりの応答時間（平均）	約 2.1 秒（Bedrock 呼び出し込み）
AgentCore の月間呼び出し回数（自分のテスト利用）	約 800 回
Bedrock 利用料金（Claude 3.5 Sonnet、1ヶ月）	数百円程度（自分のテスト範囲）
クラッシュ報告（リリース後2週間）	0 件

応答時間 2.1 秒は「間が空きすぎて不自然」と感じるラインの手前で収まっている印象で、体感の会話テンポとしては許容範囲だった。ただし込み入った長文を投げると 3 秒を超えることがあり、ここは今後モデルの max_tokens 調整や会話履歴のトリミングで改善したい。

料金面は個人のテスト利用の範囲なので、公開後にユーザーが増えた場合のコスト試算はまだ検証中。AgentCore Runtime 自体の課金体系（呼び出し回数・実行時間ベース）も踏まえて、今後継続的にモニタリングする予定。

参考リンク

関連リンク

AutoTrader 実装学習キット (FastAPI × React Native)

by ぽん (@pon_freelance)