T最新テックトレンド

AWS BedrockとClaudeでAIエージェントを構築する：Strands Agentsが拓く自律システム開発の未来

Anthropic
0:00--:--

今日のデジタル世界は、人工知能（AI）によって未曾有の変革期を迎えています。特に、人間のように理解し、計画し、行動を実行する「AIエージェント」の登場は、アプリケーション開発のあり方を根本から覆す可能性を秘めています。本記事では、Amazon Web Services（AWS）が提供するフルマネージドサービス「Amazon Bedrock」上で、Anthropicの強力な基盤モデル「Claude」を活用し、いかにしてインテリジェントで自律的なAIエージェントを構築できるのか、そして新たに登場したオープンソースのSDK「Strands Agents」がこのプロセスをどのように加速させるのかを深く掘り下げていきます。

1. AIエージェントとは何か？ — 自律システムの根本原理

AIエージェントとは、特定の目標を達成するために、周囲の環境を理解し、行動を計画し、その計画を実行できる自律的なシステムです。これは、単一のタスクをこなす従来のAIとは一線を画します。人間が複雑な問題を解決する際に行うような、以下のサイクルの繰り返しを自律的に行います。

  • 目標設定 (Goals): 達成すべき最終的な目的を明確にする。
  • 記憶 (Memory): 過去の経験や学習した知識を保持し、推論に活用する。
  • ツール (Tools): 外部システムや特定のタスクを実行するための機能（API、データベース、計算機能など）を利用する。
  • エージェントの脳 (Agent Brain): 目標と記憶、利用可能なツールを基に、行動を推論し、計画を立てる。
  • 行動 (Actions): 計画に基づき、環境に対して具体的な操作を行う。
  • 環境 (Environment): 行動の結果が反映される外部世界。
  • 観察 (Observation): 行動が環境に与えた影響を感知し、次の推論にフィードバックする。

この「エージェントループ」を繰り返すことで、AIエージェントは自律的に複雑なタスクを多段階で実行し、目標達成に向けて自身を最適化していくのです。

2. Anthropic Claude on AWS — 強力な基盤モデルへのアクセス

AIエージェントの構築において、その「脳」となる基盤モデル（Foundation Model, FM）の性能は極めて重要です。AWSは、AnthropicのClaudeファミリーのような最先端の基盤モデルへのアクセスを、Amazon Bedrockというフルマネージドサービスを通じて提供しています。

Amazon Bedrockは、開発者が強力な基盤モデルを簡単に発見し、利用し、独自のデータでカスタマイズし、アプリケーションに統合できるサービスです。その特徴は以下の3つの柱で構成されます。

  • スケーラブル (Scalable):

    • グローバルなフットプリント: 世界中のどこからでもアクセス可能で、AIアプリケーションをグローバルに展開できます。
    • 柔軟なデプロイメント: アプリケーションの要件に合わせて、柔軟なデプロイオプションを提供します。
    • AWSハードウェアに最適化: AWS独自の高性能ハードウェア（Trainium, Inferentia）を活用し、推論性能とコスト効率を最大化します。

  • セキュア (Secure):

    • セキュリティとコンプライアンス: エンタープライズグレードのセキュリティと、業界標準のコンプライアンス要件をデフォルトで満たしています。
    • データプライバシー: お客様のデータはプライベートに保たれ、モデルのトレーニングに使用されることはありません。安心して機密データを扱うことができます。

  • 包括的 (Comprehensive):

    • 広範なモデル選択: AnthropicのClaudeはもちろんのこと、Amazon独自のモデルや他社製のモデルなど、幅広い選択肢を提供します。
    • ファインチューニング: 独自のデータセットを使用してモデルをファインチューニングし、特定のユースケースに最適化できます。
    • 完全統合: 統一されたAPIを通じて、AWSの既存サービスやアプリケーションとシームレスに統合できます。

Amazon Bedrockを利用することで、開発者はインフラ管理の複雑さから解放され、モデル選択、ガードレールの設定、セキュリティ確保といったAI開発の根幹に集中できるようになります。これにより、AIエージェントの構築とスケーリングが劇的に加速します。

3. Strands Agents: AIエージェント開発を簡素化するオープンソースSDK

AIエージェントの概念は魅力的ですが、その構築はこれまで複雑でした。プロンプトエンジニアリング、ツール統合、多段階の推論ロジックの実装など、多くの課題が伴います。ここに、AWSが新たに発表したオープンソースのSDK Strands Agents が革新をもたらします。

Strands Agentsは、「シンプル、柔軟、軽量」を追求したAIエージェント構築のためのSDKです。その最大の特長は、エージェントを構成する要素を「モデル」「ツール」「プロンプト」の3つに絞り込み、LLMの持つ強力な推論能力を最大限に活用することにあります。

  • シンプルさの追求: 従来のフレームワークが要求するような、エージェントのバックストーリー、目標、複雑なガードレールなどを詳細に記述する必要がありません。LLM自体がその強力な推論能力で、適切な行動を決定します。
  • エージェントループの最適化: Strands Agentsは、以下のシンプルな「Agentic Loop」を中心に設計されています。
    1. プロンプト (Prompt): ユーザーからの指示や質問がエージェントに入力されます。
    2. エージェントの起動 (Invoke agent): Strands AgentsがLLMを起動します。
    3. モデルの呼び出し (Invoke model): LLMがプロンプトを解釈し、推論を行い、次に実行すべき行動を決定します。
    4. ツール実行 (Execute tool): 必要に応じて、定義されたツールを呼び出し、外部サービスやデータと連携します。
    5. 結果のフィードバック (Result): ツールの実行結果がエージェントに返されます。
    6. 最終応答 (Final response): エージェントが推論を完了し、ユーザーに最終的な回答を返します。 このループは、目標が達成されるまで繰り返されます。
  • 豊富な組み込みツールと柔軟なカスタマイズ: Strands Agentsには、HTTPリクエストツールなど、多くの汎用的なツールが最初から組み込まれています。また、Pythonのシンプルなデコレータ @tool を使うことで、独自のカスタムツールを驚くほど簡単に作成し、エージェントに組み込むことができます。
  • クラウドへのシームレスなデプロイ: Strands Agentsは、ローカルのテスト環境だけでなく、AWSのEC2、AWS Lambda、Amazon ECSといったクラウド環境へのデプロイも容易にします。これにより、開発から本番運用までのプロセスが効率化され、構築したAIエージェントを迅速にスケールさせることが可能です。
  • Model Agnostic: Amazon Bedrockの基盤モデル（Claudeファミリーなど）はもちろん、Anthropic、Langfuse、LiteLLM、ragasといった様々なモデルプロバイダーやツールとの連携をサポートしています。

Strands Agentsは、LLMの能力を最大限に引き出し、開発者がAIエージェントのロジック構築に集中できる環境を提供することで、より高度で自律的なアプリケーションの創造を可能にします。

4. Strands Agentsの実践例 — ハンズオンワークショップの体験

実際のワークショップでは、以下の3つの具体的な例を通じてStrands Agentsの機能が紹介されました。

a. 例1: 天気情報エージェント (Weather Agent)

この最初の例では、Strands Agentsがどのようにシンプルなタスクをこなすかが示されました。

  • 目標: 特定の場所の天気情報を取得し、その応答に含まれる単語数をカウントする。
  • 実装:
    • Pythonのpipコマンドでstrands-agents、strands-agents-toolsなどをインストール。
    • CLAUDE_CODE_USE_BEDROCK=1 環境変数を設定し、claudeコマンドでClaude Code（ターミナルで動作するエージェントコーディングツール）を起動。
    • weather_word_count.pyというファイルにエージェントのコードを記述。
      • @toolデコレータを使って、テキスト中の単語数をカウントするword_count関数を定義。
      • Strandsに組み込まれているhttp_requestツールを利用。
      • システムプロンプト(WEATHER_SYSTEM_PROMPT)には、HTTP機能を持つ天気アシスタントとしての役割と、天気予報を取得するための米国気象庁APIのURL（緯度・経度または郵便番号でクエリ可能）を指示。
      • BedrockModelとしてclaude-3-5-haikuを使用し、Agentを初期化。
    • 実行: エージェントに「サンフランシスコの天気はどうですか？また、応答には何単語含まれていますか？」と質問すると、エージェントは以下のように自律的に動作しました。
      1. サンフランシスコの座標を取得。
      2. http_requestツールを使って気象予報APIを呼び出し。
      3. 取得した天気予報を人間が読みやすい形式で表示。
      4. word_countツールを使って応答の単語数をカウント（例：110単語）。
  • 洞察: この例は、Strands Agentsがシステムプロンプトに記述されたAPI情報を理解し、適切なツールを自律的に選択・実行できることを示しています。@toolデコレータにより、開発者はツールの詳細なラッパーコードを記述することなく、LLMに直接ツールのセマンティクスを伝えることができます。

b. 例2: MCPサーバーとの連携 - AWSドキュメント参照とアーキテクチャ図生成

この例では、Strands Agentsが外部の専門的な「Model Context Protocol (MCP) サーバー」と連携し、より高度なタスクをこなす様子が示されました。

  • MCPとは？ MCPは、LLMアプリケーションと外部のデータソースやツールとのシームレスな統合を可能にするオープンプロトコルです。MCPサーバーは、特定の機能（例：AWSドキュメント検索、図生成）を公開する軽量なプログラムであり、LLMにその機能を利用するための構造化されたコンテキストを提供します。
  • 目標: AWS Lambdaのドキュメントを取得し、Lambdaを使った静的ウェブサイトのアーキテクチャ図を作成する。
  • 実装:
    • mcp_docs_diag.pyというファイルにエージェントのコードを記述。
      • AWSドキュメント参照のためのaws_docs_clientと、AWSアーキテクチャ図生成のためのaws_diag_clientという2つのMCPClientを初期化。これらのクライアントは、それぞれ専用のMCPサーバーに接続します。
      • システムプロンプトで「あなたはAWS認定ソリューションアーキテクトです。AWSに関するベストプラクティスを顧客に理解させるのがあなたの役割です。AWSドキュメントをクエリし、図を生成できます。」と指示。
      • エージェントにaws_docs_clientとaws_diag_clientの両方から取得したツールを渡して初期化。
    • 実行: エージェントに「AWS Lambdaのドキュメントを取得し、S3にホストされた静的ウェブサイトでAWS Lambdaを使用するウェブサイトの図を作成してください」と質問すると、エージェントは以下のように動作しました。
      1. AWS Lambdaのドキュメントを検索するツール(search_documentation)を呼び出し。
      2. Lambdaのウェルカムページを読み込むツール(read_documentation)を呼び出し、情報を取得。
      3. 取得したドキュメント情報を基に、アーキテクチャ図を生成するツール(generate_diagram)を呼び出し。
      4. 必要に応じてCloudWatchアイコンの修正など、エラーを自己修正する様子も示されました。
      5. 最終的に、CloudFront CDN、Web Application Firewall (WAF)、API Gateway、Lambda Function、S3 Static Websiteといった要素を含むアーキテクチャ図が生成され、その概要と利点（サーバーレス、スケーラブル、費用対効果、セキュア、グローバル配信）が詳細に説明されました。
  • 洞察: MCPサーバーとの連携により、エージェントはLLM単体では難しい、外部データへのアクセスや専門的な処理（図生成）をこなすことができます。MCPは、LLMの機能を拡張するための「USB-C」のような役割を果たし、LLMに「文脈」と「能力」を付与します。

c. 例3: CDKエージェント - インフラストラクチャをコードで構築

この高度な例では、エージェントがAWS Cloud Development Kit (CDK) の専門家として振る舞い、インフラストラクチャをコードで生成する能力が示されました。

  • CDKとは？ CDKは、Python、TypeScriptなどのプログラミング言語を使ってAWSインフラストラクチャを定義できるフレームワークです。
  • 目標: CDKを使ってシンプルなS3バケットを作成する方法を説明し、コード例とベストプラクティスを提供する。
  • 実装:
    • cdk_agent.pyという空のファイルを用意し、Claude Codeに「Strands AgentをAWS CDK MCPサーバーに接続して作成するように、cdk_agent.pyを更新してください」と指示。
    • Claude Codeは自動的に必要なコードを生成しました。
      • システムプロンプトで「あなたはAWS Cloud Development Kit (CDK) の専門家です。ユーザーがCDKコンストラクトを作成、変更、理解するのを支援し、CDKのベストプラクティスに関するガイダンスを提供できます。」と指示。
      • CDK MCPサーバーから利用可能なCDKツールをすべて取得し、エージェントに渡して初期化。
    • 実行: エージェントに「CDKでシンプルなS3バケットを作成するにはどうすればよいですか？」と質問すると、エージェントは以下のように動作しました。
      1. CDKに関する一般的なガイドラインを提供。
      2. TypeScriptとPythonの両方で、S3バケットを作成するCDKコードスニペットを提示。
      3. S3バケット作成におけるセキュリティとベストプラクティスに関する詳細な推奨事項（S3管理型暗号化、パブリックアクセスのブロック、バージョニング、ライフサイクルルール、サーバーアクセスログの追加）を提示。
      4. CDK Nagルールによる検証の推奨、適切なIAMポリシーの実装、S3 Intelligent-Tieringによるストレージコスト最適化、バケットアクセスと設定の定期的なレビューと監査といった追加の推奨事項も提示しました。
  • 洞察: この例は、Strands Agentsが専門家として振る舞い、複雑なインフラストラクチャのベストプラクティスを考慮したコードを生成できることを示しています。Claude Codeは、API呼び出しの総コスト、実行時間、コード変更数、トークン使用量など、開発者にとって重要なメトリクスも表示し、効率的な開発をサポートします。

5. ビジネスへの影響と将来性

Amazon BedrockとStrands Agentsの組み合わせは、AIエージェントの構築と導入に革命をもたらし、ビジネスに多大な影響を与えます。

  • 開発者体験の向上と生産性: Strands Agentsのシンプルかつ強力なアプローチにより、開発者はLLMと外部ツールを統合する複雑さから解放されます。数行のコードで高度なエージェントを構築でき、開発サイクルが劇的に短縮されます。Claude Codeのようなエージェントコーディングツールは、開発者が自然言語でコード生成や理解を深めることを可能にし、生産性をさらに高めます。
  • イノベーションの加速: エージェントAIは、顧客サポートの自動化、パーソナライズされた体験の提供、複雑なデータ分析、インフラストラクチャの自動管理など、幅広い分野で新たなアプリケーションの創出を促進します。MCPのようなプロトコルを通じて、LLMがこれまでアクセスできなかった外部システムや専門知識とシームレスに連携できるようになることで、AIの可能性は飛躍的に拡大します。
  • セキュリティと信頼性: Amazon Bedrockが提供するエンタープライズグレードのセキュリティとデータプライバシーは、企業が安心してAIエージェントを導入するための基盤となります。ガードレールやモデルのモニタリング機能により、AIの信頼性と責任ある運用が保証されます。
  • コスト効率の最適化: AWSハードウェアに最適化されたモデルの利用や、必要なリソースのみを使用するサーバーレスアーキテクチャの活用により、AIエージェントの運用コストを最適化できます。Claude Codeが提供するコスト表示機能は、開発者が開発段階からコスト意識を持ってプロジェクトを進めるのに役立ちます。
  • 未来のワークフロー: AIエージェントは、単なるチャットボットを超え、自律的に複数のタスクを横断し、人間が行っていた複雑なワークフローを自動化する未来を提示しています。ドキュメントの検索と要約、新しいシステム設計、コードの生成とレビュー、コスト分析の実行など、様々な業務がAIエージェントによって効率化されるでしょう。

結論

Amazon BedrockとAnthropicのClaude、そしてオープンソースのStrands Agentsは、AIエージェント開発の最前線にある強力なツールセットです。これらの技術は、開発者がインテリジェントで自律的なアプリケーションをより迅速、安全、かつ効率的に構築するための道を拓きます。

Model Context Protocol (MCP) は、LLMと外部の世界をつなぐ重要な架け橋となり、AIエージェントの真のポテンシャルを解き放つでしょう。これにより、AIは単なる情報検索やコンテンツ生成のツールにとどまらず、複雑な問題解決や意思決定をサポートする、より能動的で知的なパートナーへと進化します。

AIエージェントがビジネスや私たちの日常生活に与える影響は計り知れません。開発者の皆様には、これらの革新的なツールを活用し、自律型AIの無限の可能性を探求し、未来のアプリケーションを共に創造していただきたいと強く願っています。

← 一覧に戻る