本文にスキップ
AI News HubLIVE
サイト内リライト6 分で読了

Amazon Bedrock と Spring AI で自律型 AI エージェントを構築する

記事の要約

Java 開発者が Amazon Bedrock と Spring AI を使って本番環境対応の自律型 AI エージェントを構築する方法を解説。ツール呼び出し、会話メモリ、レジリエンスパターン、マルチエージェントオーケストレーションを扱い、AgentCore で AWS にデプロイします。

ソースAWS Machine Learning Blog著者: Viquar Khan
Amazon Bedrock と Spring AI で自律型 AI エージェントを構築する
誤りを報告

訂正窓口はまだ利用できません。記事情報をコピーして保存できます。

訂正案内
本文へ

Java チームは通常、成熟した JVM ツールチェーン、継続的インテグレーションと継続的デリバリー(CI/CD)パイプライン、運用実績を持っていますが、AI エージェントをプロトタイプから本番環境へ移行するのは困難です。エージェントフレームワークはデフォルトではスケーラビリティ、ガバナンス、セキュリティ、運用上の懸念を解決しません。Amazon Bedrock と Spring AI はこれらのギャップを埋め、Java チームがタスクを計画し、ツールや API を呼び出し、マルチターン会話でコンテキストを維持する自律型 AI エージェントを構築できるようにします。エージェント型 AI は、単純なプロンプト応答型のやり取りから、複雑な多段階タスクを実行する自律システムへと移行しています。

Java は依然としてエンタープライズソフトウェアで広く使われているプログラミング言語の一つです。チームには既存の CI/CD パイプライン、運用ノウハウ、JVM を中心に構築された確立されたパターンがあります。Spring AI は、自動構成、依存性注入、構成可能なアドバイザーといった馴染みのある Spring パターンを通じて、AI 機能を JVM にもたらします。開発者は REST API、セキュリティ、データアクセスを構築するのと同じイディオムで AI エージェントを構築できます。

Amazon Bedrock AgentCore は、任意のフレームワークやモデルで、エージェントを大規模に構築、接続、最適化するためのプラットフォームです。AgentCore を使えば、AI エージェントを大規模に構築、デプロイ、運用できます。フレームワーク非依存かつモデル非依存であり、好みのエージェントフレームワークと基盤モデル(FM)を持ち込めます。AgentCore を通じて、マネージドランタイム、メモリ、ブラウザ自動化、コード実行、ID 管理といった必要な本番インフラにアクセスできます。

この記事では、Spring AI、Amazon Bedrock、そして spring-ai-agentcore を使って Java で自律型 AI エージェントを構築する方法を紹介します。2つのシステムの主要な実装パターンを探ります。1つ目は、ツール呼び出しとメモリを実演する単一エージェントの旅行アシスタントです。2つ目は、専門エージェント、ルールエンジン、アラートが連携するマルチエージェントのインテリジェント文書処理(IDP)システムです。

このウォークスルーを進めるには、以下の環境が必要です。Java JDK 21(必須)、Spring Boot 4.1(Spring AI 2.0 と spring-ai-agentcore 2.0 を含む)、Maven 3.9 以上、Node.js 18 以上(React フロントエンド用)、Terraform 1.5 以上、マルチアーキテクチャビルド用の Docker Buildx、認証情報が設定された AWS CLI v2、そして AWS アカウントです。

システムがエージェントと呼ばれるのは、3つの能力を兼ね備えているからです。計画:目標が与えられると、モデルはそれをステップに分解し、優先順位を付け、新しい情報が入ると計画を修正します。ツール使用:モデルはテキストを生成するだけでなく、API、データベース、コードインタープリターなどの外部関数を選択して呼び出し、現実世界で行動できます。メモリ:コンテキストはターンをまたいで(短期)、セッションをまたいで(長期)保持されるため、各意思決定はそれまでの出来事に基づいて行われます。検索拡張生成(RAG)アプリケーションは限定的なツール使用(検索)を持ちますが、計画ループはありません。エージェントは3つすべてを備え、タスクが完了するか続行できないと判断するまで、目標指向のループで動作します。

エンドツーエンドのエージェントパイプラインは11のステージで構成されます。クライアントが文書と質問を送信します。リクエストは認証とレート制限のためにランタイムゲートウェイを通過し、次に入力ガードレールが有害なコンテンツをスクリーニングします。ルーターが文書を分類し、専門エージェントにルーティングします。専門エージェントはワークフローを計画し、必要に応じてツール、Amazon Bedrock 基盤モデル、メモリ、ルールエンジンを呼び出します。信頼度が低い、またはフラグが立った結果は、根拠に基づく回答がクライアントに返される前に、人間のレビューキューに送られます。レジリエンス、可観測性、ログ記録、最小権限の AWS Identity and Access Management(IAM)がすべてのステージに適用されます。

ソリューションは、共通パターンを共有する2つのデプロイ可能なシステムで構成されます。旅行エージェントは、ツール呼び出し(天気検索、旅程検索)、ストリーミング応答、会話メモリ、レジリエンスパターンを備えた単一の自律エージェントであり、推奨される出発点です。IDP マルチエージェントシステムは、5つの専門エージェント(法務、住宅ローン、保険、税務、一般)、ルールとワークフローエンジン、アラート、可観測性を備えたマルチエージェントのインテリジェント文書処理プラットフォームで、規模に応じた本番パターンを示します。

両システムは次のアーキテクチャを共有します。Spring AI ChatClient、Spring AI agentcore、Amazon Bedrock Converse API を使用する Spring Boot アプリケーション。AgentCore ランタイム(Amazon Bedrock AgentCore の機能)はマネージドデプロイの契約(POST /invocations、GET /ping)を定義します。AgentCore メモリによる短期および長期コンテキスト。@Tool アノテーション付きメソッドによるツール呼び出し。Java レコードにマッピングされた構造化出力。AWS Graviton に最適化された ARM64 コンテナイメージ。インフラプロビジョニング用のモジュラー Terraform。

旅行アシスタントは、2つのエントリポイントを持つ単一の Spring Boot アプリケーションを実行します。React UI 用の REST エンドポイントと、AgentCore ランタイムが必要とする /invocations および /ping 契約です。Spring AI は Converse API を通じて Amazon Bedrock への呼び出しをオーケストレーションし、ツール呼び出しを同一プロセス内でローカルに解決します。Server-Sent Events(SSE)は、トークンが生成されるとクライアントにストリーミングします。AgentCore メモリは、セッション内の短期コンテキストとセッション間の長期コンテキストの両方を提供するため、エージェントは外部状態管理なしで会話履歴を保持します。

IDP マルチエージェントシステムは、5つの専門エージェント(法務、住宅ローン、保険、税務、一般)を通じて文書をルーティングします。各エージェントは共有の AbstractDocumentAgent テンプレートに基づいて構築されています。ClassifierAgent が各文書を読み取り、適切な専門エージェントに転送します。専門エージェントは Amazon Bedrock のマルチモーダル Converse API を使用して、信頼度スコア付きの構造化 JSON を抽出します。ルールエンジンは application.yml の Spring Expression Language(SpEL)式を抽出結果に対して評価します。ALERT または BLOCK の重大度ルールは AlertService を通じてディスパッチされます。信頼度の低い文書は人間のレビューに送られます。メトリクス、監査証跡、レジリエンス、可観測性がすべてのステージに適用されます。

複数のエージェントが連携する場合、それらがどのように調整するかがシステムの動作を決定します。このソリューションでは3つのパターンを使用します。ルーターパターン:軽量オーケストレーターが受信リクエストを検査し、適切な専門エージェントにルーティングします。IDP マルチエージェントシステムでは、ルーターが文書タイプのメタデータを検査し、法務、住宅ローン、保険、税務、または一般エージェントに転送します。ルーターはドメインロジックを持たず、ディスパッチ層としてのみ機能します。並列ファンアウト(オプションの拡張):基本ソリューションはルーターとエバリュエーターパターンを実装しています。バッチエンドポイントは文書を順次処理します。文書に複数の視点が同時に必要な場合は、並列ファンアウトをドロップイン拡張として追加できます。専門エージェントに同時にディスパッチし、ルールエンジンが実行される前に結果を集約します。組み合わせ分析の実時間は、すべての呼び出しの合計ではなく、最も遅い単一エージェント呼び出しによって制限されます。エバリュエーターパターン:専門エージェントが調査結果を返した後、ルールエンジンが設定可能なビジネスルールに対して結合出力を評価します。ALERT または BLOCK の重大度をトリガーするルールは、プラグイン可能な AlertService を通じて人間のレビューのためにディスパッチされます。

Amazon Bedrock AgentCore ランタイムは、エージェントのライフサイクルとスケーリングを管理します。ランタイムは受信リクエストをエージェントにルーティングし、その健全性を監視します。エージェントは2つのエンドポイントを公開する必要があります。POST /invocations はリクエストを受信し、JSON または SSE ストリーミングとして応答を返します。GET /ping は健全性ステータス(Healthy または HealthyBusy)を報告します。長時間実行タスクはビジー状態を通知する必要があります。そうしないと、ランタイムがエージェントをスケールダウンする可能性があります。

Spring AI AgentCore SDK を使用すると、単一のアノテーションがこの契約を自動的に処理します。@AgentCoreInvocation アノテーションは /invocations と /ping エンドポイントを自動構成し、JSON シリアライゼーションを処理し、ストリーミング応答の SSE フレーミングを管理し、健全性ステータスを報告します。同じプロジェクトが React UI 用の REST エンドポイントも公開するため、エージェントは1つのコードベースから AgentCore ランタイムとブラウザの両方にサービスを提供します。ストリーミングに関する注意:前述の最小例はモデルストリームを直接返しますが、これはチャット UI に最適です。エージェントが複数引数のツール呼び出しを行う場合は、ブロッキング call() で応答を組み立ててから結果をチャンク化してストリーミングし、ツール引数が確実にバインドされるようにします。

要点と分析を開く

記事インテリジェンス

エンジニア中級

要点

  • Spring AI は自動構成や依存性注入など馴染みのある Spring パターンで JVM に AI 機能をもたらす。
  • Amazon Bedrock AgentCore はフレームワーク非依存のマネージドランタイム、メモリ、ブラウザ自動化などの本番インフラを提供する。
  • ソリューションには、ツール呼び出しとメモリを備えた単一エージェントの旅行アシスタントと、マルチエージェントのインテリジェント文書処理システムの2つの例が含まれる。
  • エージェント連携にはルーター、並列ファンアウト、エバリュエーターの3つのパターンを使用する。

要点と分析は自動生成され、誤りを含む場合があります。原典をご確認ください。