LambdaからBedrockを呼び出す
Playgroundでモデルの動きが確認できたので、次はLambdaからBedrockを呼び出します。呼び出しに使う推論プロファイル ID を控えたうえで、実行用のIAMロールを作成し、Lambda関数にConverse APIをシンプルに呼び出すコードを書いて、Playgroundで見たのと同じ体験がコードからも得られることを確認します。
1. 推論プロファイル ID を控える
LambdaからConverse APIを呼び出す際に指定する 推論プロファイル ID を、まず控えておきます。Claude Sonnet 4.6 は東京リージョンでは推論プロファイル経由での呼び出しが必要で、Playgroundで選んだプロファイル(JP Anthropic Claude Sonnet 4.6)の ID をLambdaでも使います。
Bedrockコンソール左メニューの「推論プロファイル」を開きます。「システム定義の推論プロファイル」一覧が表示されるので、検索フィールドで名前を入力するか、リストから JP Anthropic Claude Sonnet 4.6 の行を探します。「推論プロファイル ID」列に表示されている jp.anthropic.claude-sonnet-4-6 のような 推論プロファイル ID を、右のコピーアイコンから控えておきます。

| 💡 ポイント |
|---|
モデルカタログ画面に表示される anthropic.claude-sonnet-4-6 はモデル ID(基盤モデル自体の識別子)で、こちらではありません。推論プロファイル ID(jp. プレフィックス付き)は、モデルとルーティング先リージョンをまとめた呼び出しエンドポイントの識別子です。東京リージョンではこちらを使う必要があります。 |
2. Lambda関数用のIAMロールを作成する
Bedrockを呼び出せるIAMロールを用意しないと、Lambdaからモデル呼び出しに失敗します。今回はLambdaの実行ロールに、Bedrockのモデル呼び出し権限を付与したロールを新しく作成します。
まずロールの器を作り、そのあとに Bedrock 呼び出し権限をインラインポリシーで追加する順で進めます。
2.1 ロールを作成する
IAMコンソールで左メニューの「ロール」を開き、右上の「ロールを作成」をクリックします。

ステップ1「信頼されたエンティティを選択」で、以下を選択して右下の「次へ」をクリックします。
信頼されたエンティティタイプ: 「AWSのサービス」を選ぶ(Lambdaが引き受けるロールのため)サービスまたはユースケース: 「Lambda」を選ぶユースケース: 「Lambda」を選ぶ

ステップ2「許可を追加」で、検索フィールドに AWSLambdaBasicExecutionRole と入力し、表示されたポリシーのチェックボックスをオンにします。CloudWatch Logsへの書き込みに必要な最低限の権限を付与するAWS管理ポリシーです。

そのまま画面下部までスクロールして、右下の「次へ」をクリックします(許可の境界を設定 はオプションなので触りません)。

ステップ3「名前、確認、および作成」で、ロール名に bedrock-hello-lambda-role を入力します。

下にスクロールして信頼ポリシー・許可ポリシーの内容を確認したら、右下の「ロールを作成」をクリックします。

「ロール bedrock-hello-lambda-role が作成されました」の緑バナーが表示され、ロール一覧に bedrock-hello-lambda-role が現れれば、ロールの作成は完了です。

2.2 Bedrock 呼び出し権限をインラインポリシーで追加する
続いて、作成したロールに Bedrock 呼び出し権限を追加します。ロール一覧から bedrock-hello-lambda-role をクリックして詳細画面を開き、「許可を追加」→「インラインポリシーを作成」を選択します。

ポリシーエディタが開きます。右上のタブを JSON に切り替えて、以下の内容を貼り付けます。
{
"Version": "2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": "bedrock:InvokeModel",
"Resource": "*"
}
]
}
bedrock:InvokeModel は、Bedrock でのモデル呼び出しに対応するIAMアクションです。InvokeModel API だけでなく、今回コードで直接使う Converse API もこの権限で許可されます(Converse は内部的に InvokeModel を呼び出す形になっており、bedrock:Converse という独立したアクションは存在しません)。
なお、本章では検証を優先して "Resource": "*" を指定していますが、実運用では呼び出しを許可するモデル(推論プロファイル)の ARN を明示して権限を絞るのがベストプラクティスです。IAM 権限の絞り方は Guardrailsで安全なモデル呼び出しを設計しよう の IAM 設計のセクションで、Guardrails 適用強制の Condition と一緒に扱います。
貼り付けたら、右下の「次へ」をクリックします。

「確認して作成」画面で、ポリシー名に bedrock-hello-lambda-policy を入力します。下部の「このポリシーで定義されている許可」で Bedrock サービスの権限が付与されていることを確認し、右下の「ポリシーの作成」をクリックします。

「ポリシー bedrock-hello-lambda-policy が作成されました」の緑バナーが表示され、bedrock-hello-lambda-role の許可ポリシー一覧に AWSLambdaBasicExecutionRole(AWS管理)と bedrock-hello-lambda-policy(カスタマーインライン)の2つが並んでいれば、ロールの準備は完了です。

3. Lambda関数を作成する
Bedrock を呼び出す Lambda 関数を作成します。先ほど作成した実行ロール bedrock-hello-lambda-role を割り当てたうえで、タイムアウトと環境変数(推論プロファイル ID)を設定するところまで進めます。
3.1 関数の器を作る
Lambdaコンソールで左メニューの「関数」を開き、右上の「関数を作成」をクリックします。

「関数を作成」画面で、以下の設定を入力します。
作成方法: 「一から作成」を選ぶ(サンプルは使わず自分でコードを書くため)関数名:bedrock-helloを入力(Bedrock の動作確認用と分かる名前)ランタイム: 「Python 3.14」を選ぶ(本章でのサンプルコードに合わせる)

続いて画面下部の「▼ その他の設定」を展開します。「カスタム実行ロール」のトグルをオンにして、IAM アクセス許可 に先ほど作成した bedrock-hello-lambda-role を選択します。指定できたら、右下の「関数を作成」をクリックします。

「関数 "bedrock-hello" を正常に作成しました」の緑バナーが表示され、関数の詳細画面に遷移すれば、関数の器の作成は完了です。

3.2 タイムアウトを1分に伸ばす
デフォルトのタイムアウトは3秒で、Bedrockの応答(数秒〜十数秒)を受け取り切る前に Lambda がタイムアウトしてしまいます。1分 に伸ばします。
関数詳細画面で「設定」タブを開き、左メニューの「一般設定」を選択して、右上の「編集」をクリックします。

「基本設定を編集」画面で、タイムアウトを 1 分 0 秒 に変更します。他の項目(メモリ・実行ロールなど)はそのままで、右下の「保存」をクリックします。

3.3 環境変数に推論プロファイル ID を設定する
続いて、先ほど控えた推論プロファイル ID を Lambda の環境変数として設定します。コードにハードコードしてしまうとモデルを差し替えたくなった時にコード変更&再デプロイが必要になりますが、環境変数にしておけば Lambda コンソール側で値を書き換えるだけで対応できます。実運用でも「開発/本番でモデルを切り替える」「新モデルへの入れ替え」などで環境変数化がよく採用されます。
「設定」タブの左メニューから「環境変数」を選択して、右上の「編集」をクリックします。

「環境変数を編集」画面で「環境変数の追加」から、以下を入力して右下の「保存」をクリックします。
| キー | 値 |
|---|---|
MODEL_ID |
先ほど控えた推論プロファイル ID(例: jp.anthropic.claude-sonnet-4-6) |

これで Lambda 関数の器・タイムアウト・環境変数の準備が整いました。続いてコードを書いていきます。
4. Lambda関数のコードを書く
Lambda関数のコードを、Bedrock の Converse API を1回呼び出して応答テキストを返すシンプルな形に書き換えます。先ほど設定した環境変数 MODEL_ID をコードから読み込む形にします。
Lambda関数の「コード」タブを開き、エクスプローラーで lambda_function.py を選択して、以下の内容に置き換えます。
import os
import boto3
MODEL_ID = os.environ["MODEL_ID"]
REGION = "ap-northeast-1"
bedrock = boto3.client("bedrock-runtime", region_name=REGION)
def lambda_handler(event, context):
question = event.get("question", "こんにちは")
response = bedrock.converse(
modelId=MODEL_ID,
messages=[{"role": "user", "content": [{"text": question}]}],
)
answer = response["output"]["message"]["content"][0]["text"]
return {"answer": answer}
コードを解説します。
MODEL_ID = os.environ["MODEL_ID"]
REGION = "ap-northeast-1"
bedrock = boto3.client("bedrock-runtime", region_name=REGION)
os.environ["MODEL_ID"] で、先ほど Lambda に設定した環境変数から推論プロファイル ID を読み込みます。boto3.client("bedrock-runtime", ...) で Bedrock ランタイム API のクライアントを作成しています。ここが Lambda から Bedrock を呼び出すための入口です。
response = bedrock.converse(
modelId=MODEL_ID,
messages=[{"role": "user", "content": [{"text": question}]}],
)
converse を呼び出してモデルに質問を投げます。messages はユーザとモデルのやり取りを表す配列で、今回は「ユーザからの質問1件」だけを含む1問1答の形式にしています。会話履歴を積んで文脈を保つマルチターン会話や、モデルにツールを渡すツール呼び出しループは、この後の LambdaによるBedrockの応用操作を身につけよう で扱います。
answer = response["output"]["message"]["content"][0]["text"]
Converse のレスポンス構造から、モデルの応答テキストだけを取り出しています。response["output"]["message"]["content"] は複数のブロックを含む配列(テキストだけでなくツール呼び出しなども入り得る)ですが、シンプルな1問1答では最初のテキストブロックを取ってくれば十分です。
コードを貼り付けたら、左サイドバーの DEPLOY セクションにある「Deploy」ボタン(ショートカット: ⇧⌘U / Windows は Ctrl+Shift+U)を押して、Lambda に反映します。左下の「Undeployed Changes」の警告表示が消えれば、デプロイは完了です。

| 💡 ポイント |
|---|
| 今回書いたのは、Bedrockを呼び出すための必要最低限のコードです。実運用では、エラー時のリトライやタイムアウト制御に加えて、有害・機密の入出力を止める Guardrails・呼び出し状況の可視化・IAM のリソース単位での最小化などの観点が加わります。Guardrails と IAM 設計は Guardrailsで安全なモデル呼び出しを設計しよう で、AgentCore 経由呼び出しの可視化は AgentCore Observabilityでエージェントを可視化しよう で扱います。 |
5. 動作確認する
Lambda関数のコード画面から、テストイベントを作って動作を確認します。
左サイドバー下部の TEST EVENTS セクションで「+ Create new test event」をクリックします。

右側に「Create new test event」パネルが開くので、以下を入力して右上の「Save」ボタンを押します。
Event Name:hello-testEvent JSON: 以下のJSONを貼り付ける
{
"question": "AWSのAmazon Bedrockを初学者向けに3つのポイントで説明してください。"
}

保存が完了すると、TEST EVENTS の「Private saved events」配下に hello-test が追加されます。追加された行にマウスを載せると再生ボタン(Invoke Function with Saved Test Event)が表示されるので、それを押してテストを実行します。

数秒〜十数秒で OUTPUT タブに実行結果が表示され、Response 欄に以下のようなJSONが返れば成功です。
{
"answer": "# Amazon Bedrockを初学者向けに解説..."
}

Playgroundで試したときと同じような応答がLambdaからも返れば、コード経由でもBedrockを呼び出せる状態が整っています。Response の下の Function Logs にはリクエストIDや実行時間(Duration)が出るので、CloudWatch Logsを開かなくてもこの画面で最小限の実行ログは確認できます。