ハンズオンの準備
以降の各セクションで共通して使う Lambda 関数と実行ロールを CloudFormation で用意し、Bedrock の推論プロファイル ID を環境変数として設定します。ここでの準備が整えば、以降のセクションでは index.py の書き換えとテスト実行だけで各テーマを試せます。
1. ハンズオン全体の流れ
以降のセクションでは、bedrock-agent 関数の index.py を各テーマごとに書き換えながら、以下の順で応用操作を試していきます。各セクションのコードは原則として独立して読める形にしていて、「続き」と書いてあるセクションだけは前セクションのコードを土台にした差分になります。
| グループ | セクション | 概要 |
|---|---|---|
| システムプロンプト | システムプロンプト | system パラメータでエージェントに役割・応答スタイルを持たせる |
| マルチターン会話 | マルチターン会話 | DynamoDB に履歴を保存して会話の文脈を保つ |
| 〃 | 会話履歴の長さ管理 | 上の続き。保存する履歴を直近N件だけに制限して肥大化を防ぐ |
| ツール呼び出し | ツール呼び出し | ツール定義と、モデルの要求に応じて実行するループを実装する(実装は最初から並列呼び出しにも対応済み) |
| 〃 | エラーハンドリング | 上の続き。ツール実行の失敗を status で明示的にモデルへ伝える |
2. Lambda関数の作成
Lambda 関数、Bedrock 呼び出し権限を持たせた実行ロール、そしてマルチターン会話の履歴を保存する DynamoDB テーブルを、CloudFormation テンプレートで一括作成します。関数の器作りをテンプレートに任せることで、以降のセクションでは index.py のコードそのものに集中できます。
以下のテンプレートをダウンロードしてください。
テンプレートには、以下の3つのリソースが定義されています。
| リソース | 内容 |
|---|---|
bedrock-agent-sessions |
DynamoDB テーブル。session_id(文字列)をパーティションキーに、マルチターン会話の履歴を保存する。オンデマンド課金なので使った分だけ支払う形になる |
bedrock-agent-lambda-role |
Lambda 実行ロール。Converse API を呼び出す bedrock:InvokeModel、DynamoDB を読み書きする dynamodb:GetItem / PutItem / DeleteItem、CloudWatch Logs 出力用のAWS管理ポリシー AWSLambdaBasicExecutionRole を持つ |
bedrock-agent |
Lambda 関数(Python 3.14 / arm64 / タイムアウト60秒)。この時点では中身は空のコードで、この後コンソール側で本物のコードに置き換える。ツール呼び出しループでは複数回モデル呼び出しが発生することがあるため、タイムアウトはデフォルトの3秒ではなく60秒で作成しておく。作成時に環境変数 TABLE_NAME に上の DynamoDB テーブル名が自動でセットされる |
CloudFormationのダッシュボードでスタックの作成 > 新しいリソースを使用(標準)をクリックし、スタック作成ウィザードを開きます。
2.1 ステップ1: スタックの作成
「前提条件 - テンプレートの準備」で既存のテンプレートを選択を選び、「テンプレートの指定」の「テンプレートソース」でテンプレートファイルのアップロードを選択します。「テンプレートファイルのアップロード」のファイルの選択からダウンロードした bedrock-agent.yaml を指定し、次へをクリックします。
2.2 ステップ2: スタックの詳細を指定
「スタック名」に以下の値を入力します。
| 設定項目 | 値 | 設定の基準 |
|---|---|---|
| スタック名 | ai-platform-bedrock-agent | ハンズオン用に分かりやすい名前をつける |
入力できたら次へをクリックします。
2.3 ステップ3: スタックオプションの設定
そのまま画面を下にスクロールし、「機能」セクションのAWS CloudFormation によって IAM リソースがカスタム名で作成される場合があることを承認します。にチェックを入れて次へをクリックします。
2.4 ステップ4: 確認して作成
内容を確認して、最下部の送信をクリックしてスタックを作成します。
2.5 スタックの作成完了確認
スタックのステータスが CREATE_COMPLETE になったら、スタック詳細画面の「リソース」タブに、BedrockAgentSessionsTable(bedrock-agent-sessions テーブル)、BedrockAgentLambdaRole(bedrock-agent-lambda-role ロール)、BedrockAgentFunction(bedrock-agent 関数)の3つが CREATE_COMPLETE で並んでいることを確認します。
3. 環境変数の設定
作成した Lambda 関数に、回答生成に使うモデルの推論プロファイル ID を、環境変数として渡します。DynamoDB テーブル名の TABLE_NAME は CloudFormation で自動的にセット済みなので、ここでは MODEL_ID だけを追加します。
推論プロファイル ID は、Bedrockを使ってみよう で控えたものと同じ値(例: jp.anthropic.claude-sonnet-4-6)を使います。
Lambda コンソールで bedrock-agent 関数を開き、「設定」タブ→「環境変数」を選択して「編集」をクリックします。既に TABLE_NAME が入っているのが確認できます。この状態を保ったまま、「環境変数の追加」から以下を追加して「保存」します。
| キー | 値 |
|---|---|
MODEL_ID |
推論プロファイル ID(例: jp.anthropic.claude-sonnet-4-6) |
「環境変数」欄に TABLE_NAME と MODEL_ID の2つが並んで表示されていれば、設定完了です。
| 💡 ポイント |
|---|
Bedrockを使ってみよう では lambda_function.py を編集しましたが、こちらは index.py になっています。これは CloudFormation でインラインコードを持つ Lambda 関数を作成すると、パッケージ内のファイル名が index.py になる仕様のためです。ハンドラも index.lambda_handler を指す形で作成してあるので、以降のセクションではそのまま index.py の中身を置き換える形で進めます。 |