XI本部、2025 Japan AWS Jr. Champions の佐藤悠です。
本記事ではAWSのAmazon Bedrock AgentCore（以下：AgentCore）を用いて、AI AgentをAWSにホストするところまでをやっていきます。
Agentを用いて自分専用のチャットアプリを作成したいと考えたのが、モチベーションです。
AgentCoreとは
Amazon Bedrock AgentCore は、効果的なエージェントを大規模かつ安全に構築、デプロイ、運用するためのエージェントプラットフォームです。
引用：https://aws.amazon.com/jp/bedrock/agentcore/
上記のようにAI Agent構築のためのプラットフォームになっており、変化の速いAIサービスに対応可能な素早いデプロイに強みがあると思っています。
デモ構成のAgentをローカルで立ち上げる
コード
エージェントの作成はStrands Agents というOSSのSDKを使用します。
数行のコードと直感的なアノテーションをもとにAgnetを実装できるので今回はこちらを採用し、検証をします。
早速、公式ドキュメントの例を参考にStrandsでツールの作成、Agentの定義をします。
from strands import Agent, tool from strands_tools import calculator # Import the calculator tool import argparse import json from bedrock_agentcore.runtime import BedrockAgentCoreApp from strands.models import BedrockModel app = BedrockAgentCoreApp() # Create a custom tool @tool def weather(): """ Get weather """ # Dummy implementation return "sunny" model_id = "global.anthropic.claude-haiku-4-5-20251001-v1:0" model = BedrockModel( model_id=model_id, ) agent = Agent( model=model, tools=[calculator, weather], system_prompt="You're a helpful assistant. You can do simple math calculation, and tell the weather." ) @app.entrypoint def strands_agent_bedrock(payload): """ Invoke the agent with a payload """ user_input = payload.get("prompt") print("User input:", user_input) response = agent(user_input) return response.message['content'][0]['text'] if __name__ == "__main__": app.run()
引用：runtime_with_strands_and_bedrock_models.ipynb
このコードではstrands_toolsで既に構築済みのツール群を用い、計算ツールが定義されています。
また、カスタムツールも使用しています。
自作の関数を@toolデコレーターで使用可能なツールとして認識させられます。
この関数名をAgent()の初期化時に渡すことでツールの使用が可能になる仕組みです。
Agentがユーザーの入力を受け取り回答を生成する関数を、@app.entrypointデコレーターでハンドラーとして指定しています。
app = BedrockAgentCoreApp()でランタイムアプリケーションを初期化し、app.run()でローカルHTTPサーバーを起動してリクエストを受け付けられる状態にしています。
python weather.py 実行 ↓ app.run() でサーバー起動 ↓ HTTPリクエスト待ち受け ↓ POST /invocations にリクエスト ↓ @app.entrypoint の関数が実行 ↓ レスポンス返却
環境構築
次にvenvを用いた環境を構築します。
#python version確認（※v3.10以上が必須です） > python --version Python 3.14.2 #環境分離 > python -m venv .venv #仮想環境を有効にする > source .venv/bin/activate
以下のrequiremets.txtを記述します。
strands-agents strands-agents-tools bedrock-agentcore-starter-toolkit
フォルダ構成は現時点で以下のようになっています。
workspace/ ├──.venv/ ├──weather.py └──requirements.txt
workspaceで以下のコマンドを実行し、モジュールのインストールを実行します。
pip insatll -r requirements.txt
ローカルでの実行
次に以下のコマンドを実行し、サーバーの起動を実施します。
#ローカルでの起動
>python3 weather.py
#別ターミナルでのレスポンス確認
> curl -X POST http://localhost:8080/invocations -H "Content-Type: application/json" -d '{"prompt": "What is the weather?"}'
#レスポンス
"The weather is **sunny**! It looks like a beautiful day outside."
以上のようにしてレスポンスを確認することができました。
ここまでまとめ
AgentCoreを用いてサーバーを起動すると以下のような構成でAgentをローカルで起動することができます。
- HTTPを8080でリッスンする
- /invocationエンドポイントが作成される
- /pingのエンドポイントがhealth checkのために作成される
- レスポンスの自動フォーマット
- エラーハンドリング（※AWS基準に準拠）
デプロイ設定
コード
以下のコードでDockerFileの作成を含む構成要件の設定をします。
from bedrock_agentcore_starter_toolkit import Runtime from boto3.session import Session boto_session = Session() region = boto_session.region_name agentcore_runtime = Runtime() agent_name = "strands_claude_getting_started" response = agentcore_runtime.configure( entrypoint="strands_claude.py", auto_create_execution_role=True, auto_create_ecr=True, requirements_file="requirements.txt", region=region, agent_name=agent_name ) response
設定ファイル実行
フォルダ構成
workspace/ ├──.venv/ ├──weather.py ├──cofigure.py(※本手順で作成) ├──Dockerfile(※ファイル実行後生成) ├──.bedrock_agentcore.yaml(※ファイル実行後生成) └──requirements.txt
以下のコマンドを実行します
python3 cofigure.py
Dockerfile
作成されるDockerfileは以下のような構成になります
FROM ghcr.io/astral-sh/uv:python3.14-bookworm-slim
WORKDIR /app
# All environment variables in one layer
ENV UV_SYSTEM_PYTHON=1 \
UV_COMPILE_BYTECODE=1 \
UV_NO_PROGRESS=1 \
PYTHONUNBUFFERED=1 \
DOCKER_CONTAINER=1 \
AWS_REGION=ap-northeast-1 \
AWS_DEFAULT_REGION=ap-northeast-1
COPY requirements.txt requirements.txt
# Install from requirements file
RUN uv pip install -r requirements.txt
RUN uv pip install aws-opentelemetry-distro==0.12.2
# Signal that this is running in Docker for host binding logic
ENV DOCKER_CONTAINER=1
# Create non-root user
RUN useradd -m -u 1000 bedrock_agentcore
USER bedrock_agentcore
EXPOSE 9000
EXPOSE 8000
EXPOSE 8080
# Copy entire project (respecting .dockerignore)
COPY . .
# Use the full module path
CMD ["opentelemetry-instrument", "python", "-m", "weather"]
- Python 3.14 + uv の軽量イメージを使用
- 東京リージョンをデフォルトに設定
- 依存パッケージをインストール
- OpenTelemetryを追加
- 非rootユーザー（bedrock_agentcore）を作成して切り替え
- 8080・8000・9000 ポートを公開
- OpenTelemetry計装付きで weather.py を起動
以上のようなDockerfileが自動で作成されます。
AWS設定項目
ECRのレポジトリを自動で作成する設定や、agentの名前が渡されたyaml（.bedrock_agentcore.yaml）が作成されることが確認できました。
default_agent: strands_claude_getting_started agents: strands_claude_getting_started: name: strands_claude_getting_started language: python node_version: null entrypoint: /home/sato/agent-core/weather.py deployment_type: container runtime_type: null platform: linux/arm64 container_runtime: none source_path: null aws: execution_role: null execution_role_auto_create: true account: 'mask' #アカウント番号 region: ap-northeast-1 ecr_repository: null ecr_auto_create: true s3_path: null s3_auto_create: false network_configuration: network_mode: PUBLIC network_mode_config: null protocol_configuration: server_protocol: HTTP observability: enabled: true lifecycle_configuration: idle_runtime_session_timeout: null max_lifetime: null bedrock_agentcore: agent_id: null agent_arn: null agent_session_id: null codebuild: project_name: null execution_role: null source_bucket: null memory: mode: NO_MEMORY memory_id: null memory_arn: null memory_name: null event_expiry_days: 30 first_invoke_memory_check_done: false was_created_by_toolkit: false identity: credential_providers: [] workload: null aws_jwt: enabled: false audiences: [] signing_algorithm: ES384 issuer_url: null duration_seconds: 300 authorizer_configuration: null request_header_configuration: null oauth_configuration: null api_key_env_var_name: null api_key_credential_provider_name: null is_generated_by_agentcore_create: false
この後にデプロイをしますが、AgentCoreはこの設定項目を参照します。
デモ構成のAgentをAWSにデプロイする
コード
フォルダ構成
workspace/ ├──.venv/ ├──weather.py ├──cofigure.py(※本手順で編集) ├──Dockerfile ├──.bedrock_agentcore.yaml └──requirements.txt
起動のためのコード
# configure.pyの末尾のresponceを以下の記述に置換
launch_result = agentcore_runtime.launch()
デプロイ実行
以下のコマンドを実行し、デプロイを実施します。
python3 configure.py
これまでの設定方法に問題がなければエラーなくデプロイが完了するはずです。
呼び出しテスト
コード
フォルダ構成
workspace/ ├──.venv/ ├──weather.py ├──cofigure.py ├──Dockerfile ├──.bedrock_agentcore.yaml ├──client.py(※本手順で追加) └──requirements.txt
以下のコードでAgentを呼び出してみます
import boto3, json agent_arn = "arn:aws:bedrock-agentcore:<your_arn>" agentcore_client = boto3.client('bedrock-agentcore', region_name="ap-northeast-1") response = agentcore_client.invoke_agent_runtime( agentRuntimeArn=agent_arn, qualifier="DEFAULT", payload=json.dumps({"prompt": "What is the weather?"}) ) # レスポンスの中身を取り出して表示 body = response['response'].read() print(json.loads(body))
実行結果
以下のコマンドを実行して上記のコードを実行し、レスポンスが返却されることを確認しました。
❯ python client.py The weather is **sunny**! ☀️ It looks like a nice day out there.
ここまでまとめ
今回の手順では、以下のようなフローでエンドポイントがホストされます
- zip化したコードとDockerfileをS3にアップロードする
- CodeBuildがS3からダウンロードしビルドを実行、ECRへプッシュする
- RuntimeAgentがこのイメージを利用して、エンドポイントを公開
※この手順ではエンドポイントの呼び出しにAWSの認証情報を使用
Terraformコード化する
実際の運用では、デプロイフローをIaCで管理することになるでしょう。
bedrock_agentcore_starter_toolkitで自動作成できる良さはありますが、使用するコンポーネントをTerraformする試みを実施します。
Terraformコード化
どのような設定でリソースが作成されるかを知りたいので、観測可能な範囲で（※本当はCloudTrailでトレースするべきではありますが...）importを実行します。
この際にimport時の自動生成機能を用いてtfファイルを記述します。
import
以下のように記述してimportをします。
ロールだけはCreateRoleでフィルターし、作業時間からCloudTrailで特定しました。
import {
id = "AmazonBedrockAgentCoreSDKCodeBuild-ap-northeast-1-mask"
to = aws_iam_role.example_role_codebuild
}
import {
id = "AmazonBedrockAgentCoreSDKRuntime-ap-northeast-1-mask"
to = aws_iam_role.example_role_runtime
}
import {
id = "bedrock-agentcore-runtime-415467724776-ap-northeast-1-7pd9unr6i"
to = aws_s3_bucket.example
}
import {
id = "bedrock-agentcore-strands_claude_getting_started"
to = aws_ecr_repository.example
}
import {
id = "bedrock-agentcore-strands_claude_getting_started-builder"
to = aws_codebuild_project.example
}
import {
id = "strands_claude_getting_started-mask"
to = awscc_bedrockagentcore_runtime.example
}
💡AgentCore Runtime import の id に何を指定するの？
AgentCore RuntimeのIDとは個別のランタイムをひらいた際に表示される「ランタイム ID」のことでした。
自動生成結果
自動生成の結果は以下のようになりました。
サフィックスやアカウント番号はマスクしています。
# __generated__ by Terraform
# Please review these resources and move them into your main configuration files.
# __generated__ by Terraform
resource "aws_codebuild_project" "example" {
badge_enabled = false
build_timeout = 60
concurrent_build_limit = 1
description = null
encryption_key = "arn:aws:kms:ap-northeast-1:mask:alias/aws/s3"
name = "bedrock-agentcore-strands_claude_getting_started-builder"
project_visibility = "PRIVATE"
queued_timeout = 480
resource_access_role = null
service_role = "arn:aws:iam::mask:role/AmazonBedrockAgentCoreSDKCodeBuild-ap-northeast-1-mask"
source_version = null
tags = {}
tags_all = {}
artifacts {
artifact_identifier = null
bucket_owner_access = null
encryption_disabled = false
location = null
name = null
namespace_type = null
override_artifact_name = false
packaging = null
path = null
type = "NO_ARTIFACTS"
}
cache {
location = null
modes = []
type = "NO_CACHE"
}
environment {
certificate = null
compute_type = "BUILD_GENERAL1_MEDIUM"
image = "aws/codebuild/amazonlinux2-aarch64-standard:3.0"
image_pull_credentials_type = "CODEBUILD"
privileged_mode = true
type = "ARM_CONTAINER"
}
source {
buildspec = "\nversion: 0.2\nphases:\n build:\n commands:\n - echo \"Starting parallel Docker build and ECR authentication...\"\n - |\n docker build -t bedrock-agentcore-arm64 . &\n BUILD_PID=$!\n aws ecr get-login-password --region $AWS_DEFAULT_REGION | \\\n docker login --username AWS --password-stdin mask.dkr.ecr.ap-northeast-1.amazonaws.com/bedrock-agentcore-strands_claude_getting_started &\n AUTH_PID=$!\n echo \"Waiting for Docker build to complete...\"\n wait $BUILD_PID\n if [ $? -ne 0 ]; then\n echo \"Docker build failed\"\n exit 1\n fi\n echo \"Waiting for ECR authentication to complete...\"\n wait $AUTH_PID\n if [ $? -ne 0 ]; then\n echo \"ECR authentication failed\"\n exit 1\n fi\n echo \"Both build and auth completed successfully\"\n - echo \"Tagging image with version 20260219-074315-241...\"\n - \"docker tag bedrock-agentcore-arm64:latest mask.dkr.ecr.ap-northeast-1.amazonaws.com/bedrock-agentcore-strands_claude_getting_started:20260219-074315-241\"\n post_build:\n commands:\n - echo \"Pushing versioned image to ECR...\"\n - \"docker push mask.dkr.ecr.ap-northeast-1.amazonaws.com/bedrock-agentcore-strands_claude_getting_started:20260219-074315-241\"\n - echo \"Build completed at $(date)\"\n"
git_clone_depth = 0
insecure_ssl = false
location = "bedrock-agentcore-codebuild-sources-mask-ap-northeast-1/strands_claude_getting_started/source.zip"
report_build_status = false
type = "S3"
}
}
# __generated__ by Terraform from "bedrock-agentcore-strands_claude_getting_started"
resource "aws_ecr_repository" "example" {
force_delete = null
image_tag_mutability = "MUTABLE"
name = "bedrock-agentcore-strands_claude_getting_started"
tags = {}
tags_all = {}
encryption_configuration {
encryption_type = "AES256"
kms_key = null
}
image_scanning_configuration {
scan_on_push = false
}
}
# __generated__ by Terraform from "bedrock-agentcore-runtime-mask-ap-northeast-1-7pd9unr6i"
resource "aws_s3_bucket" "example" {
bucket = "bedrock-agentcore-runtime-mask-ap-northeast-1-7pd9unr6i"
bucket_prefix = null
force_destroy = null
object_lock_enabled = false
tags = {}
tags_all = {}
}
# __generated__ by Terraform from "strands_claude_getting_started-mask"
resource "awscc_bedrockagentcore_runtime" "example" {
agent_runtime_artifact = {
code_configuration = null
container_configuration = {
container_uri = "mask.dkr.ecr.ap-northeast-1.amazonaws.com/bedrock-agentcore-strands_claude_getting_started:20260219-074315-241"
}
}
agent_runtime_name = "strands_claude_getting_started"
authorizer_configuration = null
description = null
environment_variables = {}
lifecycle_configuration = {
idle_runtime_session_timeout = 900
max_lifetime = 28800
}
network_configuration = {
network_mode = "PUBLIC"
network_mode_config = null
}
protocol_configuration = "HTTP"
request_header_configuration = null
role_arn = "arn:aws:iam::mask:role/AmazonBedrockAgentCoreSDKRuntime-ap-northeast-1-mask"
tags = {}
}
# __generated__ by Terraform from "AmazonBedrockAgentCoreSDKCodeBuild-ap-northeast-1-mask"
resource "aws_iam_role" "example_role_codebuild" {
assume_role_policy = jsonencode({
Statement = [{
Action = "sts:AssumeRole"
Condition = {
StringEquals = {
"aws:SourceAccount" = "mask"
}
}
Effect = "Allow"
Principal = {
Service = "codebuild.amazonaws.com"
}
}]
Version = "2012-10-17"
})
description = "CodeBuild execution role for Bedrock AgentCore ARM64 builds"
force_detach_policies = false
max_session_duration = 3600
name = "AmazonBedrockAgentCoreSDKCodeBuild-ap-northeast-1-mask"
name_prefix = null
path = "/"
permissions_boundary = null
tags = {}
tags_all = {}
}
# __generated__ by Terraform from "AmazonBedrockAgentCoreSDKRuntime-ap-northeast-1-mask"
resource "aws_iam_role" "example_role_runtime" {
assume_role_policy = jsonencode({
Statement = [{
Action = "sts:AssumeRole"
Condition = {
ArnLike = {
"aws:SourceArn" = "arn:aws:bedrock-agentcore:ap-northeast-1:mask:*"
}
StringEquals = {
"aws:SourceAccount" = "mask"
}
}
Effect = "Allow"
Principal = {
Service = "bedrock-agentcore.amazonaws.com"
}
Sid = "AssumeRolePolicy"
}]
Version = "2012-10-17"
})
description = "Execution role for BedrockAgentCore Runtime - strands_claude_getting_started"
force_detach_policies = false
max_session_duration = 3600
name = "AmazonBedrockAgentCoreSDKRuntime-ap-northeast-1-mask"
name_prefix = null
path = "/"
permissions_boundary = null
tags = {}
tags_all = {}
}
💡importの不具合
`aws_codebuild_project`の`concurrent_build_limit = 1`はなぜかインポートした際に0になってました。
1に変更してplan後に差分がなかったのでこれが正ですが、生成ができなかった理由は追及してません。
Terraform化したことで、AgentCore周辺の基本的な構成がはっきりしてきました。
感想
記事が長くなったので一旦ここで切ります。
構成図を眺めてTerraform化してみるとAWSの一般的なCI/CDパイプラインの部分は理解できますが、AgentをホストするRuntimeがどのような機能を担うのかよくわかりません。
この詳細を追うのがAgentCoreプラットフォームを理解する重要な観点になると考えました。
今は認証等を実装しつつあるので、今後はその記事を出せればと思っています。
執筆：@sato.yu
レビュー：Ishizawa Kento (@kent)
（Shodoで執筆されました）
