MENU
カテゴリー
＼気になるカテゴリーをクリック！／
AWS Bedrock AIエージェント完全ガイド【Amazon Q活用術も解説】
この記事にはPRを含む場合があります。
AWSでAIエージェントを動かしたいけど、サービスが多すぎてどれを使えばいいのかわからない
そう感じている方は、かなり多いのではないでしょうか。AWSのAIエージェント関連サービスは、ここ1年で急速に充実しました。ただ、公式ドキュメントが英語中心で情報が散らばっているため、全体像をつかむのが難しいんですよね。
この記事では、AWS Bedrock Agentsを中心に、Amazon Q Business・Amazon Q Developerまで含めたAWSのAIエージェントサービスの全体像と具体的な使い方を解説します。
まず結論をお伝えすると、AWSでAIエージェントを構築するなら「Amazon Bedrock Agents」が本命です。既存のAWSインフラとシームレスに連携でき、エンタープライズ向けのセキュリティ要件もクリアできます。
一方、コードを書かずに社内ナレッジ検索を実現したいなら「Amazon Q Business」、開発者の生産性を上げたいなら「Amazon Q Developer」が最適でしょう。
AIエージェントの基礎知識から体系的に学びたい方には、60分でわかる！AIエージェント超入門がわかりやすくまとまっています。AWSサービスの理解にも役立つ一冊です。
この記事でわかること
- Amazon Bedrock Agentsの仕組みと構築手順
- Amazon Q Business・Q Developerの特徴と使い分け
- 料金体系（従量課金）とコスト最適化のコツ
- エンタープライズ向けセキュリティ・運用設定
目次
AWS Bedrock AIエージェントとは？基本を理解する
AWS Bedrock AIエージェントとは、Amazon Bedrockの基盤モデルをベースに、外部ツールやデータソースと連携して自律的にタスクを実行するAIのことです。
まず、AWSが提供するAIエージェント基盤の概要から見ていきましょう。
AWSが提供するAIエージェント基盤の全体像
AWSのAIエージェント関連サービスは、大きく3つに分かれます。Bedrock Agents、Amazon Q Business、Amazon Q Developerです。それぞれ役割が違うので、混同しないことが大事ですね。
Bedrock Agentsは「自分でカスタムのAIエージェントを構築するためのフレームワーク」です。Claude、Llama、Mistralなど複数の基盤モデルから選べて、Lambda関数やAPI、S3のデータと自由に接続できます。
たとえば、社内の在庫管理システムと連携して「在庫が少ない商品を自動で発注する」エージェントを作る、といった使い方が可能です。
Bedrock Agentsが注目される3つの理由
なぜ多くの企業がBedrock Agentsに注目しているのか。理由はシンプルで、以下の3つです。
- 複数の基盤モデルを切り替え可能
- 既存のAWSインフラとネイティブ連携
- エンタープライズグレードのセキュリティ
特に大きいのが、既存のAWSインフラとの連携です。すでにAWSを使っている企業は、S3、Lambda、DynamoDB、RDSなどの既存リソースをそのままエージェントに接続できます。新しいインフラを構築する必要がないので、導入のハードルが大きく下がるんですよね。
たとえば、EC2で動いている社内システムのAPIをBedrock Agentsのアクショングループに登録すれば、エージェントが「データベースを検索して結果をSlackに通知する」といった一連の処理を自律的に実行してくれます。
インフラエンジニアにとっては、慣れた環境でAIエージェントを導入できるのが大きな安心材料でしょう。
従来のチャットボットとの本質的な違い
従来のチャットボットは「決められた質問に決められた回答を返す」だけでした。Bedrock Agentsは、それとはまったく別物です。
一番の違いは「自律的に判断して行動する」点です。チャットボットは1問1答の繰り返しですが、Bedrock Agentsは1つの指示を受けると、必要なステップを自分で分解し、ツールを呼び出し、結果を統合して最終回答を生成します。
具体的には、「先月の売上レポートを作って」と指示すると、エージェントは以下のステップを自動実行します。
- DynamoDBから売上データを取得
- 前月比・前年比を計算
- グラフを生成してS3に保存
- レポートをまとめてメール送信
Amazon Bedrock Agentsの仕組みと構築手順
Amazon Bedrock Agentsを実際に構築するには、アクショングループ、ナレッジベース、オーケストレーションの3つの要素を理解する必要があります。
では、エージェントを動かすための構成要素から確認していきます。
エージェントを動かす3つの構成要素
Bedrock Agentsは、以下の3つの要素で成り立っています。
- アクショングループ: エージェントが実行できるアクション（API呼び出し、Lambda関数など）の定義
- ナレッジベース: エージェントが参照できるドキュメントやデータの集合（RAG用）
- オーケストレーション: 基盤モデルがユーザーの指示を分析し、どのアクションをどの順番で実行するかを判断する仕組み
イメージとしては、「オーケストレーション」が司令塔、「アクショングループ」が手足、「ナレッジベース」が記憶です。ユーザーが指示を出すと、司令塔が「この指示を実行するには、まずナレッジベースを検索して、次にこのAPIを呼んで」と判断し、手足を動かします。
このアーキテクチャのメリットは、各要素を独立して拡張できることです。新しいAPIを追加したければアクショングループに足すだけ。参照データを増やしたければナレッジベースにドキュメントを追加するだけ。エージェント全体を作り直す必要がありません。
Bedrock Agentsの構築ステップ
実際にBedrock Agentsを構築する手順は、以下のとおりです。
- AWSマネジメントコンソールでBedrock Agentsのページを開く
- 「エージェントを作成」をクリックして名前と説明を入力
- 基盤モデルを選択（Claude 3.5 Sonnet、Llama 3など）
- エージェントの指示（システムプロンプト）を記述
- アクショングループを定義（OpenAPIスキーマ + Lambda関数）
- ナレッジベースを関連付け（S3バケットのドキュメント）
- テストコンソールで動作確認
特に重要なのがステップ4の「エージェントの指示」です。ここに書く内容が、エージェントの行動品質を大きく左右します。「あなたは社内のIT問い合わせ対応エージェントです。まずナレッジベースを検索し、該当する回答がない場合のみチケットを作成してください」のように、行動の優先順位まで明記するのがコツですね。
ナレッジベース（RAG）の設定方法
ナレッジベースは、Bedrock AgentsにRAG（検索拡張生成）機能を持たせるための仕組みです。社内ドキュメント、FAQ、マニュアルなどをS3にアップロードすると、自動でベクトル化されてエージェントが参照できるようになります。
設定手順はシンプルです。
- S3バケットにドキュメント（PDF、TXT、HTML、Markdownなど）をアップロード
- Bedrockコンソールで「ナレッジベースを作成」を選択
- データソースとしてS3バケットを指定
- 埋め込みモデル（Amazon Titan Embeddingsなど）を選択
- ベクトルストア（OpenSearch Serverless推奨）を設定
ポイントは、ドキュメントのチャンク分割設定です。デフォルトのままだと、長いドキュメントが適切に分割されず検索精度が落ちることがあります。最初は300トークン程度のチャンクサイズで試し、回答精度を見ながら調整するのがおすすめですよ。
また、ナレッジベースの同期は自動ではありません。ドキュメントを更新したらコンソールから手動で同期するか、EventBridgeでS3のオブジェクト変更イベントをトリガーに自動同期を設定しておくとよいでしょう。
Amazon Q BusinessでAIエージェントを活用する方法
Amazon Q Businessは、コードを書かずに社内向けAIアシスタントを構築できるサービスです。Bedrock Agentsほどの自由度はありませんが、導入のスピードは圧倒的に速いでしょう。
まず、Amazon Q Businessの特徴と得意分野を確認しましょう。
Amazon Q Businessの特徴と得意分野
Amazon Q Businessは、企業内のナレッジ検索・要約に特化したAIアシスタントです。社内のドキュメントやデータソースを接続するだけで、従業員が自然言語で質問し、回答を得られる環境が整います。
たとえば、人事部が「福利厚生の申請方法を従業員がすぐ調べられるようにしたい」というケースでは、Amazon Q Businessが最適です。就業規則のPDFや申請フローのドキュメントを接続しておけば、従業員が「育児休暇の申請手順を教えて」と聞くだけで、該当するドキュメントから回答を生成してくれます。
対応データソースとセットアップ手順
Amazon Q Businessは40以上のデータソースに対応しています。主要なものは以下のとおりです。
- Amazon S3
- SharePoint Online
- Confluence
- Salesforce
- Google Drive
- Slack / Microsoft Teams
- ServiceNow / Jira / Zendesk
セットアップ手順も難しくありません。
- Amazon Q Businessコンソールでアプリケーションを作成
- 接続したいデータソースのコネクタを選択
- 認証情報（OAuthトークンなど）を設定
- 同期するデータの範囲を指定
- IAM Identity Centerでユーザーアクセスを管理
- Webインターフェースで動作確認
データソース1つあたりの構築時間ってどのくらいかかるの？
30分から1時間くらいだよ。複雑なシステム連携なしで社内AIアシスタントが立ち上がるから、かなりお手軽。
Bedrock Agentsとの使い分け基準
Amazon Q BusinessとBedrock Agents、どちらを使うべきか迷う場面は多いはずです。判断基準をまとめました。
スクロールできます
| 比較項目 | Amazon Q Business | Bedrock Agents |
|---|---|---|
| 用途 | 社内ナレッジ検索・QA | カスタムAIエージェント構築 |
| 構築難易度 | 低い（ノーコード） | 中〜高（Lambda・API定義） |
| カスタマイズ性 | 限定的 | 非常に高い |
| 外部API連携 | プリセットコネクタのみ | 自由にAPI追加可能 |
| 推奨シーン | FAQ対応・ドキュメント検索 | 業務自動化・複雑なワークフロー |
簡単に言えば、「既存ドキュメントの検索・要約だけでいい」ならAmazon Q Business、「外部APIと連携してアクションまで実行させたい」ならBedrock Agentsです。もちろん、両方を組み合わせて使うことも可能ですよ。
Amazon Q DeveloperでAIエージェント開発を加速する
Amazon Q Developerは、開発者向けのAIコーディングアシスタントです。コード生成・デバッグ・テスト作成・リファクタリングまで、開発ライフサイクル全体をAIがサポートします。
まず、Amazon Q Developerの主要機能を見ていきましょう。
Amazon Q Developerの主要機能
Amazon Q Developerには、開発者の生産性を上げるための機能が数多く搭載されています。主要なものは以下の5つです。
- コード生成: 自然言語の指示からコードを生成
- コード変換: Java 8→Java 17への自動アップグレードなど
- デバッグ支援: エラーの原因特定と修正案の提示
- テスト生成: ユニットテストの自動作成
- セキュリティスキャン: コード内の脆弱性を自動検出
特に注目したいのが「コード変換」機能です。レガシーコードのモダナイゼーションは、多くの企業が抱える課題でしょう。Amazon Q Developerは、Java、Python、TypeScriptなどのコードを分析し、新しいバージョンへの移行を自動化します。
AWSの公式発表では、Amazon Q Developerを使った開発者は、コーディングタスクの完了速度が平均57%向上したというデータもあります。日々の開発作業で繰り返し発生するボイラープレートコードの記述や、テストコードの作成を任せることで、開発者はより創造的な作業に集中できるようになりますね。
IDEとの連携方法
Amazon Q DeveloperはVS Code、JetBrains IDE（IntelliJ IDEA、PyCharmなど）に対応しています。インストール手順は以下のとおりです。
- VS Codeの拡張機能マーケットプレイスで「Amazon Q」を検索
- 「Amazon Q」拡張機能をインストール
- AWS Builder IDまたはIAM Identity Centerでサインイン
- エディタ内でコード補完・チャットが利用可能に
AWS Builder IDを使えば、個人アカウントでも無料枠で利用できます。企業で使う場合はIAM Identity Center経由でSSOを設定し、チーム全体のアクセスを一元管理するのがおすすめです。
インストール後は、コードを書いている途中にリアルタイムで補完候補が表示されます。Tabキーで確定するだけなので、GitHub Copilotを使ったことがある方なら、すぐに馴染めるでしょう。
エージェント開発での活用シーン
Amazon Q Developerは、Bedrock Agentsの開発時にも強力な味方になります。具体的にはこんな場面で活用できます。
- Lambda関数のコード生成
- OpenAPIスキーマの作成支援
- Bedrock Agents用のシステムプロンプト改善
- CloudFormationテンプレートの自動生成
たとえば、Bedrock Agentsのアクショングループに使うLambda関数を開発する際、Amazon Q Developerに「DynamoDBから特定条件のレコードを取得して、Slack Webhookに通知するPython Lambda関数を書いて」と指示すれば、ベースとなるコードが数秒で生成されます。あとは認証情報やテーブル名を環境変数に差し替えるだけです。
エージェント開発に限らず、AWSのサービスを使ったコーディング全般で頼れるアシスタントなので、まだ試していない方はぜひ一度使ってみてください。
AWS Bedrock AIエージェントの料金体系を理解する
AWS Bedrock AIエージェントの料金は従量課金モデルです。「使った分だけ払う」仕組みなので、初期費用ゼロで始められます。ただし、料金の構成要素が複数あるため、事前に理解しておくことが重要ですね。
まず、Bedrock Agentsの料金構成から確認します。
Bedrock Agentsの料金構成
Bedrock Agentsの料金は、以下の3つの要素で構成されています。
- 基盤モデルの推論コスト: 入力・出力トークンあたりの従量課金
- ナレッジベースのコスト: ベクトルストア利用料 + 埋め込みモデルの推論コスト
- Lambda実行コスト: アクショングループで呼び出すLambda関数の実行料金
基盤モデルの推論コストが最も大きな割合を占めます。たとえば、Claude 3.5 Sonnetの場合、入力1,000トークンあたり$0.003、出力1,000トークンあたり$0.015です（2026年3月時点、東京リージョン）。
それでも、月間1,000回程度のエージェント実行であれば、基盤モデルのコストは数十ドル程度に収まるケースがほとんどです。
Amazon Q Business・Q Developerの料金
Amazon Q BusinessとAmazon Q Developerは、エージェントとは異なるシンプルな料金体系です。
スクロールできます
| サービス | プラン | 月額料金（1ユーザー） |
|---|---|---|
| Amazon Q Business | Lite | $3/月 |
| Amazon Q Business | Pro | $20/月 |
| Amazon Q Developer | Free Tier | 無料 |
| Amazon Q Developer | Pro | $19/月 |
Amazon Q Businessの場合、50人のチームでProプランを使うと月額$1,000です。社内FAQ対応の人件費と比較すれば、十分にROIが見込めるのではないでしょうか。
Amazon Q Developerの無料枠（Free Tier）では、コード補完やチャットなどの基本機能が使えます。個人で試してみるだけなら、まずは無料枠から始めるのがよいでしょう。
コストを抑えるための実践テクニック
Bedrock Agentsの料金を最適化するためのテクニックを紹介します。
- モデルの使い分け: 簡単なタスクには軽量モデル、複雑なタスクにはSonnet
- キャッシュの活用: 同じクエリへの応答をキャッシュしてモデル呼び出しを削減
- ガードレールの設定: 不要なトピックをブロックし無駄なトークン消費を防止
- プロビジョンドスループット: 大量利用時は事前確保で割引を受ける
特に効果が大きいのは、モデルの使い分けです。Bedrock Agentsでは、エージェントごとに使用するモデルを変えられます。社内FAQのような定型的な問い合わせにはHaikuクラスの軽量モデルを、データ分析レポートの生成にはSonnetクラスの高性能モデルを割り当てると、コストを50%以上削減できるケースもあります。
AWS Bedrock AIエージェントのセキュリティと運用
エンタープライズでAIエージェントを運用するうえで、セキュリティは最も重要な要素です。AWSのサービスは、この点において他のプラットフォームより優位性があります。
まず、IAMとVPCによるアクセス制御から見ていきましょう。
IAMとVPCによるアクセス制御
Bedrock AgentsのセキュリティはAWSのIAM（Identity and Access Management）をベースにしています。エージェントに対して「どのリソースにアクセスできるか」を細かく制御できるのが強みです。
たとえば、人事向けエージェントには「人事関連のS3バケットとDynamoDBテーブルのみ読み取り可能」、経理向けエージェントには「経理データベースのみアクセス可能」といった形で、最小権限の原則を実装できます。
VPC（Virtual Private Cloud）内でBedrock Agentsを実行すれば、エージェントの通信をプライベートネットワーク内に閉じることも可能です。VPCエンドポイントを使えば、インターネットを経由せずにBedrockにアクセスできるため、機密性の高いデータを扱う金融機関や医療機関でも安心して導入できます。
これは、パブリッククラウドのAIサービスを使うことに不安を感じている企業にとって、大きな安心材料になるはずです。
ガードレールで出力を安全に管理
Bedrock Guardrailsは、AIエージェントの入出力をフィルタリングする機能です。以下のような制御が可能です。
- トピック制御: 特定トピックに関する回答をブロック
- コンテンツフィルター: 有害・差別的表現を自動検出・除去
- PII検出: 個人情報の入出力をマスキング
- ワード制御: 禁止ワードを含む回答をブロック
実運用では、PII検出が特に重宝します。ユーザーがうっかりクレジットカード番号を入力しても、ガードレールが自動で検出してマスキングしてくれます。エージェント側の回答に個人情報が含まれる場合も同様です。
ガードレールの設定はBedrockコンソールから行えて、既存のエージェントに後から追加することもできます。最初はゆるめに設定して、運用しながら徐々に締めていくアプローチがおすすめですよ。
監査ログとモニタリングの設定
エンタープライズ運用では、「誰がいつ何をエージェントに聞いたか」を記録する監査ログが欠かせません。AWSでは以下のサービスを組み合わせてモニタリング環境を構築します。
- CloudTrail: API呼び出しの記録
- CloudWatch: メトリクス監視（レイテンシ、エラー率）
- CloudWatch Logs: エージェントの入出力ログ
- X-Ray: 処理フローのトレーシング
CloudWatchでアラームを設定しておけば、エラー率が閾値を超えたときにSNS経由で通知を受け取れます。たとえば「直近5分間のエラー率が10%を超えたらSlackに通知」のようなルールを設定できます。
また、Bedrock Agentsのトレーシング機能を有効にすると、エージェントがどのステップでどのツールを呼び出し、何トークン消費したかを詳細に追跡できます。コスト最適化やパフォーマンス改善にも直結する重要な設定です。
AWS Bedrock AIエージェントに関するよくある質問
AWS Bedrock AIエージェントに関するよくある質問をまとめました。
- Bedrock Agentsは東京リージョンで使えますか？
はい、2026年3月現在、Amazon Bedrock Agentsは東京リージョン（ap-northeast-1）で利用可能です。ナレッジベースやガードレールも東京リージョンで使えます。
- Bedrock Agentsで使える基盤モデルは何ですか？
Claude 3.5 Sonnet、Claude 3 Haiku、Llama 3、Mistral Large、Amazon Titan Textなどが利用可能です。対応モデルは随時追加されています。最新の対応状況はAWS公式ドキュメントで確認してください。
- Bedrock Agentsの無料枠はありますか？
Bedrock Agents自体に無料枠はありません。ただし、AWSアカウント作成後12ヶ月間は、一部の基盤モデルに無料利用枠が設定されています。Amazon Q Developerは個人向け無料枠（Free Tier）があります。
- Bedrock AgentsとLangChainの違いは何ですか？
LangChainはオープンソースのAIアプリケーションフレームワークで、クラウドに依存しません。Bedrock AgentsはAWSのマネージドサービスで、インフラ管理が不要です。AWSにロックインされる一方、運用の手間は大幅に減ります。
- 社内のオンプレミスデータとBedrock Agentsを連携できますか？
AWS Direct ConnectやVPN接続を使えば、オンプレミス環境のデータをBedrock Agentsから参照できます。Lambda関数経由でオンプレミスのAPIを呼び出す構成が一般的です。
- Bedrock Agentsの応答速度はどのくらいですか？
基盤モデルや処理内容によりますが、単純なQAで2秒から5秒程度、複数ステップのタスク実行で10秒から30秒程度が目安です。ストリーミングレスポンスを有効にすれば、体感速度は改善されます。
まとめ：AWS Bedrock AIエージェントで業務自動化を始めよう
この記事では、AWSのAIエージェントサービスであるBedrock Agents、Amazon Q Business、Amazon Q Developerの特徴と使い方を解説しました。
改めてポイントを整理すると、以下のとおりです。
- Bedrock Agents: カスタムAIエージェントの構築基盤。自由度が高く、既存AWSインフラと連携可能
- Amazon Q Business: ノーコードの社内ナレッジ検索AI。導入が速い
- Amazon Q Developer: 開発者向けコーディング支援AI。無料枠あり
- 料金: 従量課金で初期費用ゼロ。モデルの使い分けでコスト最適化
- セキュリティ: IAM、VPC、ガードレール、監査ログで企業レベルの要件をクリア
AWSをすでに使っている企業にとって、Bedrock Agentsは最も自然な選択肢です。既存のインフラ資産を活かしながら、段階的にAIエージェントを導入していけます。
「まずは小さく始めて、効果を確認してからスケールする」というアプローチがおすすめです。
よし、まずはBedrock Agentsの画面を開いてみよう
うん、その最初の一歩が大事だよ。触ってみれば、思ったよりシンプルだって気づくはず。
AWSのAIエージェント開発をさらに深く学びたい方には、以下の書籍がおすすめです。
開発から運用までを体系的にカバーしたAIエージェント開発/運用入門は、Bedrock Agentsを含むエージェント構築の実践知識が詰まった一冊です。
また、現場での運用を重視する方は現場で活用するためのAIエージェント実践入門も参考になります。AWSのセキュリティ設定やコスト管理を踏まえた実務ノウハウが学べます。
コメント