モデルパラメータの調整
メール署名の作成のように「同じ入力には必ず同じ結果が返ってほしい」タスクでは、モデルの応答が呼び出しごとに揺れると、テストや監視が難しくなります。逆に、キャッチコピーやアイデア出しのように「毎回違う切り口の応答がほしい」タスクでは、応答が固定されると使い物になりません。
1. 概要
メール署名の作成のように「同じ入力には必ず同じ結果が返ってほしい」タスクでは、モデルの応答が呼び出しごとに揺れると、テストや監視が難しくなります。逆に、キャッチコピーやアイデア出しのように「毎回違う切り口の応答がほしい」タスクでは、応答が固定されると使い物になりません。応答の決定性と多様性、あるいは応答の長さを、タスクに応じて調整する必要があります。
BedrockModel のコンストラクタ引数に応答傾向を制御するパラメータを渡せば、この調整ができます。よく使うのは以下の3つです。
| パラメータ | 意味 | 使いどころ |
|---|---|---|
temperature |
応答のランダム性(0.0〜1.0)。低いほど決定的、高いほど多様 | 事実回答は低め(0.0〜0.3)、創造的な生成は高め(0.7〜1.0) |
max_tokens |
応答の最大トークン数 | 応答が長くなりすぎるのを防ぐ、料金上限をかける |
top_p |
上位何%の候補トークンから選ぶか(0.0〜1.0) | temperature と組み合わせて多様性を絞る |
メール署名は事実回答系のタスクなので、temperature=0.0 で応答の決定性を上げ、max_tokens=512 で応答が長くなりすぎるのを防いでみます。
2. コードの書き換え
main.py を、以下の内容で全体を置き換えて保存します。前セクションからの変更は、BedrockModel(...) に temperature=0.0 と max_tokens=512 を追加した箇所のみです。
from bedrock_agentcore.runtime import BedrockAgentCoreApp
from strands import Agent, tool
from strands.models import BedrockModel
COMPANY_NAME = "DevOps株式会社"
COMPANY_TEL = "03-1234-5678"
MODEL_ID = "<モデルID>" # ap-northeast-1で利用可能なClaude Sonnetの推論プロファイルID(例: jp.anthropic.claude-sonnet-4-6)に変更してください
app = BedrockAgentCoreApp()
@tool
def create_signature(name: str, department: str, position: str, email: str) -> str:
"""ユーザからメール署名の作成を依頼されたときに使ってください。氏名・部署名・役職・メールアドレスを受け取り、所定のフォーマットのメール署名を返します。会社名と代表電話番号は Runtime 側で自動的に付与されるため、ユーザに問い合わせる必要はありません。
Args:
name: 氏名(例: '田中太郎')
department: 部署名(例: '開発部')
position: 役職(例: 'エンジニア')
email: メールアドレス(例: 'tanaka@example.com')
"""
return (
"━━━━━━━━━━━━━━━━━━━━━━\n"
f"【{name}】{COMPANY_NAME} {department} {position}\n"
f"Email: {email}\n"
f"Tel: {COMPANY_TEL}\n"
"━━━━━━━━━━━━━━━━━━━━━━"
)
agent = Agent(
model=BedrockModel(
model_id=MODEL_ID,
region_name="ap-northeast-1",
temperature=0.0,
max_tokens=512,
),
tools=[create_signature],
system_prompt=(
"あなたはメール署名を作成するアシスタントです。以下の手順で回答してください。\n"
"1. ユーザの依頼から氏名・部署名・役職・メールアドレスの4項目を抽出する\n"
"2. 4項目が揃っていれば create_signature ツールを呼び出す\n"
"3. ツールの結果をそのまま提示する。挨拶文や『以下のとおりです』などの前置き・後書きは付けない\n"
"4. 4項目のいずれかが揃わなければ、不足している項目だけを箇条書きでユーザに1度確認する"
),
)
@app.entrypoint
def invoke(payload):
prompt = payload.get("prompt", "田中太郎(開発部 エンジニア、tanaka@example.com)のメール署名を作って")
result = agent(prompt)
return {"result": str(result)}
if __name__ == "__main__":
app.run()
3. コードの解説
コードを解説します。前セクションからの変更点は BedrockModel(...) の引数に2つのパラメータを追加した箇所のみなので、その部分を抜粋して見ていきます。
model=BedrockModel(
model_id=MODEL_ID,
region_name="ap-northeast-1",
temperature=0.0,
max_tokens=512,
),
temperature=0.0 は、応答のランダム性を最小化する設定です。同じ入力に対してほぼ同じ応答が返るようになり、テストや監視の観点で扱いやすくなります。max_tokens=512 は、モデルが生成する応答の長さを 512 トークン以内に制限する設定で、ツール呼び出しの往復も含めて応答が長くなりすぎるのを防ぎ、料金の上限もかけられます。
事実回答系のエージェント(メール署名生成、社内FAQ、フォーマット固定の情報整形など)では temperature=0.0 が基本です。逆に、複数の提案を返してほしいエージェント(キャッチコピー作成、アイデア出しなど)では temperature=0.7 くらいに上げて応答の多様性を確保します。
4. 動作確認
同じ質問を 2回連続 で送ってみます。
田中太郎(開発部 エンジニア、tanaka@example.com)のメール署名を作って
temperature=0.0 にする前は、応答の細かい文言(改行位置や補足の有無)が呼び出しごとに揺れることがありましたが、今回は2回とも完全に同じ署名テキストが返るはずです。Tracesタブで応答トークン数を確認すると、512 以内に収まっていることも確認できます。
ただし、今回のように ツールが固定フォーマットの文字列を返し、システムプロンプトで応答を「結果をそのまま提示」に絞っている ケースでは、モデル側に文言を組み立てる裁量がほとんどないため、実は temperature を変えても結果は元から同じになりがちで、差が可視化されにくいのが実態です。temperature の効果が本領を発揮するのは、Q&A・要約・書き換え・キャッチコピー生成など モデルが応答文言を自由に組み立てるタスク で、そこでは値を下げるほど毎回同じ応答に固定され、上げるほど文言のブレが大きくなります。
以上のように、タスクの性質に応じてモデルパラメータを切り替える(事実回答系は temperature=0.0 で決定性を最優先/創造系は temperature=0.7 前後で多様性を確保/応答長は max_tokens で頭打ちにする)ことで、同じ SDK・同じシステムプロンプトのままエージェントの応答傾向を用途に寄せられます。パラメータは BedrockModel のコンストラクタに渡すだけなので、実運用ではエージェントの目的に応じて値を切り替えていく形になります。