AgentCoreの主要コンポーネント

実行基盤(Harness / Runtime)に加えて、AgentCore には目的別のコンポーネントがいくつも用意されています。すべてを一度に使う必要はなく、必要な部分だけ組み合わせる形で使います。

1. Memory

エージェントに短期/長期の記憶を持たせるマネージドなコンポーネントです。前の章で DynamoDB に自前で会話履歴を保存した処理を、AgentCore 側に丸ごと任せる位置づけになります。

  • 短期メモリでは、同じセッション内でのユーザ発言・モデル応答・ツール実行結果を AgentCore 側で自動的に保存・取得する。前の章の session_id 単位の messages の put/get や MAX_MESSAGES による切り詰めロジックが不要になる
  • 長期メモリでは、セッションを跨いで残したい情報(ユーザの嗜好・過去のプロファイル・重要な事実など)を抽出戦略に基づいて非同期に保存し、必要なときに意味検索で引き出せるようにする

本講座では AgentCore Memoryで会話履歴を保持しよう で、bedrock-agentcore SDK が Strands 向けに提供する AgentCoreMemorySessionManager を Runtime エージェントに組み込み、短期メモリでのマルチターン会話と長期メモリでのセッション跨ぎの情報保持を体験します。

2. Gateway

エージェントに使わせたい Lambda 関数や REST API など、様々な形式のツールを外部の MCPクライアントに公開するマネージドなコンポーネントです。将来的に複数プロトコルへの拡張が想定されていますが、現時点で対応するプロトコルは MCP(Model Context Protocol)のみです(Amazon Bedrock AgentCore Construct Library(AWS公式ドキュメント) に「Currently MCP is the only protocol available.」と記載)。エージェント同士の連携で使われる A2A(Agent to Agent Protocol)は Gateway ではなく AgentCore Runtime 側でサポートされている点も、頭の片隅に置いておくと後で混乱しにくくなります。

前提として、MCP の位置づけを整理しておきます。MCP は、AIエージェントや IDE などの「MCPクライアント」が、外部のツールやデータソースを提供する「MCPサーバ」に、統一されたプロトコルで接続するためのオープンな仕様です。プロトコルが決まっていることで、Claude デスクトップ・IDE・独自クライアントなど「MCP を理解する」あらゆるクライアントから、同じ MCPサーバのツールを再利用できます。

AgentCore Gateway を使うと、独自に HTTP サーバを立てたり認証を設計したりする手間が省け、前の章で run_tool の分岐として書いたツールを Gateway に登録すれば、社内他システムや他のエージェントからも同じツールを再利用できるようになります。

本講座では AgentCore Gatewayでツールを統合公開しよう で Gateway を使ったマネージドな公開方法を、AgentCoreで自作アプリケーションのAI操作基盤を作ろう で Python の mcp SDK を使って AgentCore Runtime に MCPサーバを載せる DIY アプローチを、それぞれ体験します。マネージドで手早く公開したい場合は Gateway、独自の実装や特殊な要件がある場合は Runtime に MCPサーバを載せる、と使い分けます。

AWS のサービスに API Gateway という名前のよく似たサービスがありますが、役割は別物です。API Gateway は Lambda などのバックエンドを HTTP/REST エンドポイントとして公開し、任意の HTTP クライアント(ブラウザ・アプリケーション・curl など)から叩けるようにする「入口」の役割を担います。一方 AgentCore Gateway は、エージェントに使わせたいツールを MCP プロトコルで公開し、MCPクライアント(AIエージェント・Claude Desktop・IDE など)から使えるようにする「ツールを束ねる棚」の役割です。「エージェント本体を HTTP で呼びたい」というユースケースは AgentCore Gateway ではなく、API Gateway や Lambda Function URL、あるいは Next.js の Route Handler などの側の話になります(本講座では AIチャットボットを作ろう で Route Handler 経由の呼び出しを扱います)。

3. Identity

エージェントの認証・認可を担うマネージドなコンポーネントです。「誰がこのエージェントを呼び出せるか」「エージェントは呼び出し元の代わりに何にアクセスできるか」を統一的に設計する土台になります。

  • 受信認証(Inbound auth): エージェントを呼び出すユーザやアプリケーションを認証する。Amazon Cognito や他の OAuth 2.0 / OIDC プロバイダと連携でき、社内 SSO のトークンをそのままエージェント呼び出しの認証に使う、といった構成が可能
  • 送信認証(Outbound auth): エージェントがツール実行時に外部 API(Slack・GitHub・社内システムなど)にアクセスする際の認証情報を管理する

自前実装では Cognito・IAM・シークレット管理などを個別に組み合わせる必要がありますが、Identity を使うとこれらを一貫して設計できます。本講座では AgentCore Identityでアクセス制御を設計しよう で、Cognito と連携した認証設定と外部 API 向け認証情報の管理を体験します。

4. Observability

エージェントの動きを追跡するためのトレース・メトリクス収集コンポーネントです。CloudWatch と統合されていて、以下のような情報が自動で取れます。

  • トレース: 1回のエージェント呼び出しで、モデルがどのツールをいつ呼んだか、引数と結果は何だったか、最終回答に至るまでの流れ
  • メトリクス: 応答レイテンシ、トークン使用量、エラー率、ツール別の呼び出し回数など

前の章では Lambda 上でツール呼び出しの中身(どのツールがどの引数で呼ばれたか、モデルの toolUse ブロックにどんな JSON が渡ってきたか)を追うために、コード側にログ出力を仕込む必要がありました。Observability を使えば、こうしたトレース情報が Runtime に載せた瞬間から標準機能で自動的に CloudWatch に流れるようになります。

本講座では AgentCore Observabilityでエージェントを可視化しよう で、CloudWatch Transaction Search を有効化し、Runtime に載せた小さなエージェントのトレース・メトリクス・ログを GenAI Observability ダッシュボードで確認する形を体験します。

5. Browser

エージェントがヘッドレスブラウザを操作するための隔離環境です。フォーム入力・ページ遷移・スクリーンショット取得・スクレイピングなど、ブラウザで実行するタスクをエージェントに任せられます。

典型的な用途としては以下のようなケースがあります。

  • 社内Webアプリケーションからの情報取得(API が公開されていないシステムから、画面越しにデータを取ってくる)
  • ログインが必要なサイトからのデータ取得
  • 予約サイトやフォームなど「人間がブラウザで操作していた作業」の自動化

自前で構築する場合はコンテナ内で Chromium を管理し、セッション分離・タイムアウト・スケーリングを設計する必要がありますが、Browser を使えばマネージドな隔離環境がそのまま使えます。本講座では AgentCore Browserでブラウザ操作を任せよう で、実際にエージェントに Web ページからのデータ取得を任せる形を体験します。

6. Code Interpreter

エージェントが Python・JavaScript・TypeScript のコードを実行するためのサンドボックス環境です。データ処理・グラフ生成・動的な計算などを、eval の危険性を自前で対策することなく安全に実行できます。

典型的な用途としては以下のようなケースがあります。

  • ユーザからもらった CSV データを解析してグラフを生成する
  • 動的な計算(統計・回帰・シミュレーションなど)をモデルにやらせる
  • モデルが生成したコードを試しに動かして結果を検証する

前の章で扱ったツール呼び出しは、create_signature や read_fortune のように「Lambda 側であらかじめ決めておいた固定ロジックを呼び出す」形でした。Code Interpreter を使うと、モデルがその場で生成したコードをサンドボックス内で実行する形が扱えるようになり、eval の危険性を自前で対策する必要もなくなります。本講座では AgentCore Code Interpreterで動的コード実行を任せよう で、実際にサンドボックス内での Python 実行をエージェントに任せる形を体験します。

AgentCore のコンポーネント一覧の最新情報は Amazon Bedrock AgentCore(AWS公式ドキュメント) に記載があります。