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。