AIエージェントの作成
1. 目的
生成AIをシステムに組み込む実装力は、AI時代のDevOpsエンジニアとして差別化要素になるスキルです。Amazon BedrockとClaudeを活用し、独自のナレッジを参照して回答するAIエージェントを構築してみましょう。LINEやSlack等のチャットインターフェースから利用できる仕組みまで作り込むことで、実務で求められる「AIをプロダクトに組み込む」一連の流れを体験できます。
2. やるべきこと
- エージェントが回答するナレッジ（社内ドキュメント、技術記事、FAQなど）と、参照方式（RAG・MCPなど）を検討してみましょう
- Amazon Bedrockとナレッジ参照を組み合わせた問い合わせAPIを構築してみましょう
- LINEまたはSlackのチャットBot、もしくはMCPサーバとして、ユーザがエージェントを利用できる経路を構築してみましょう
- 問い合わせ履歴をDBやS3に蓄積し、後から分析できる状態にしてみましょう
3. 余裕があれば
- Guardrailsを設定し、不適切な入力・出力を検知・ブロックする仕組みを組み込んでみましょう
- 問い合わせログを分析する基盤（Glue / Athena / QuickSightなど）を構築し、「どんな質問が多いか」「回答できなかった質問は何か」を可視化してみましょう
- SageMakerなどを使って問い合わせ内容の自動分類モデルを構築し、カテゴリ別の分析ができるようにしてみましょう
- AIエージェント自体のCI/CDパイプラインを構築し、プロンプトや設定の変更を安全にデプロイできる仕組みを整えてみましょう
4. ツール・機能の候補
※ 以下のすべてを使う必要はなく、目的に合わせて適切なものを選んでみましょう。ここに無いサービスを使っても構いません。
| ツール・機能名 | 概要 |
|---|---|
| Amazon Bedrock | Claudeをはじめとした各種基盤モデルをAPI経由で利用できるAWSのフルマネージドサービス |
| Bedrock Knowledge Bases | S3にアップロードしたドキュメントを自動でベクトル化し、RAG構成を構築 |
| Bedrock Guardrails | LLMの入出力に対する安全性・コンプライアンスのチェック |
| AWS Lambda + API Gateway | サーバレスでチャットBotのバックエンドAPIを構築 |
| LINE Messaging API | LINEチャットBotを構築するためのAPI |
| Slack Bolt SDK | SlackチャットBotを開発するためのフレームワーク |
| Model Context Protocol (MCP) | Claude DesktopやClaude CodeからカスタムツールをMCPサーバ経由で利用 |
| Amazon DynamoDB | 問い合わせログの蓄積に利用 |
| AWS Glue + Amazon Athena + Amazon QuickSight | 問い合わせログのデータ分析基盤 |
| Amazon SageMaker | 問い合わせ内容の自動分類などの機械学習モデル構築 |
5. 目安期間
3〜5週間