生成 AI は、実験的なプロトタイプから、本番環境で確実に動作し、スケーラブルで、実際のパフォーマンス制約下で動作することが期待されるシステムへと急速に進化しました。組織がデモや概念実証を超えて進むにつれて、推論レイテンシ、スケーラビリティ、状態管理、運用の可視性に関する課題にますます直面しています。今日、高性能な AI エージェントを構築するには、強力なモデルだけでなく、一貫したパフォーマンスを提供し、インタラクション間でコンテキストを維持し、本番環境でのエージェントの推論と動作に関する深い可視性を提供する実装が必要です。
この記事では、LangGraph エージェントをオーケストレーターとして使用し、Amazon Bedrock AgentCore Memory および Amazon Bedrock AgentCore Observability と統合して、AWS 上で高度にスケーラブルなサーバーレス マルチエージェント生成 AI システムを構築するソリューションを提供します。
私たちのアプローチは、AWS Lambda や AWS Step Functions などのサーバーレステクノロジーを組み合わせて、高度にスケーラブルなサーバーレス マルチエージェントオーケストレーションを構築します。開発者はこれらのサービスを使用して、自動的にスケーリングし、イベントにリアルタイムで応答し、インフラストラクチャ管理を不要にする LangGraph エージェントを構築できます。これにより、動的でバースト的なエージェントワークロードに最適です。これらのサービスを組み合わせることで、永続的な状態管理、リトライ、きめ細かいコスト制御を備えた複雑なマルチツールエージェントワークフローをオーケストレーションできます。
LangGraph の明示的なグラフベースの実行モデルは、エージェント間の確定的な調整、並列処理、条件付きルーティングを可能にし、複雑なマルチエージェントワークフローの推論とデバッグを容易にします。オーケストレーションロジックをエージェントの動作から分離することで、専門エージェントを独立して追加、削除、進化させながら、明確で監査可能な実行パスを維持できます。これは、予測可能な動作、拡張性、マルチエージェント推論に対する構造化された制御を必要とする本番システムにとって特に価値があります。
AgentCore Observability は、各呼び出しの詳細な可視性を提供することでこれらの機能を拡張し、分散サーバーレスコンポーネント全体のモデル入出力、レイテンシ、ツールチェーンメトリクスをキャプチャします。AgentCore Memory の統合メモリサービスにより、エージェントはセッション間で短期の会話コンテキストと長期知識を維持できます。
ソリューション概要
当社の LangGraph と AgentCore ベースのサーバーレス マルチエージェントオーケストレーションシステムは、生成 AI を活用したマルチエージェントキャンペーンレビューシステムであり、多様なペルソナを使用して人間によるレビューを調整し、マーケティングキャンペーンが法的整合性とブランド基準を維持しながらターゲットオーディエンスに真に響くようにします。これは、キャンペーンを並行して分析する 3 つの専門 AI エージェントで構成されています。ペルソナレビューエージェントは多様な人口統計的視点からコンテンツをレビューし、共鳴スコアを提供します。検証エージェントは法的整合性とブランドガイドラインの順守を検証します。最終化エージェントはフィードバックを実用的な推奨事項に統合します。ユーザーは React フロントエンドを通じてキャンペーン文書をアップロードし、結果をポーリングしてレビューが利用可能になると表示します。
LangGraph を使用してオーケストレーターと専門エージェントを実装し、システムをステートフルな実行グラフとしてモデル化します。各ノードは個別のエージェント機能（ペルソナレビュー、コンプライアンス検証、フィードバック統合）を表し、エッジはこれらのステップ間の制御フローを定義します。オーケストレーターは実行をルーティングし、専門エージェントの並列ブランチをトリガーし、最終集約のために出力を収集する監督グラフとして実装されます。LangGraph オーケストレーターと専門エージェントは一緒に Docker コンテナとしてパッケージ化されます。
AWS Lambda を AWS のサーバーレス管理ランタイムとして使用し、Strands エージェントを自動スケーリング、リアルタイムのイベント応答、インフラストラクチャ管理の排除を実現します。オーケストレーターエージェントは、Amazon API Gateway によって提供される REST インターフェースとして機能を公開します。
AgentCore Observability を使用して、エージェントワークフローの各ステップの詳細な可視化を提供し、開発者が実行パスを検査し、中間出力を監査し、パフォーマンスのボトルネックをデバッグできるようにします。AgentCore Observability 内では、Amazon CloudWatch で運用パフォーマンスダッシュボードと、トレース、セッション数、レイテンシ、期間、トークン使用量、エラー率などの主要メトリクスのテレメトリをリアルタイムで可視化します。
AgentCore Memory を 2 つの主要なユースケースに使用します。具体的には、独立したエージェント実行全体でコンテキストと共有メモリを提供するマルチエージェント共有メモリと、マルチターン会話のサポートです。AgentCore Memory は会話状態と履歴を保存するための組み込みサポートを提供するため、この実装を拡張して AI アシスタントの自然言語インターフェースを提供できます。
前提条件
次の前提条件を完了します。
- Amazon Bedrock でモデルアクセスを確認します。このソリューションでは、Amazon Bedrock 上の Anthropic Claude 4.5 Sonnet を使用します。
- AWS コマンドラインインターフェース (AWS CLI) をインストールします。
- AWS SAM CLI v1.100.0+ をインストールします。
- Docker v20.x+ をインストールします。
- Node.js v18.x+ をインストールします。
- Python v3.11+ をインストールします。
依存関係
Strands Agents の実装には次の依存関係があり、Dockerfile にパッケージ化されています。
- langchain>=0.2.0
- langgraph==0.3.31
- langgraph-prebuilt~=0.1.8
- langgraph-sdk~=0.1.61
- langchain-aws>=0.2.18
- langchain_tavily
- requests
- bedrock-agentcore
- boto3
ソリューションのデプロイ
ソリューションは GitHub リポジトリからダウンロードできます。以下のステップバイステップのガイダンス（GitHub リポジトリの README にも正確に記載）に従って、AWS 環境にソリューションをデプロイしてアクセスします。
ステップ 1: リポジトリをクローンします。 ステップ 2: AWS 認証情報を設定します。 ステップ 3: Amazon DynamoDB ペルソナテーブルをセットアップします。 ステップ 4: AWS SAM アプリケーションをビルドします。 ステップ 5: インフラストラクチャをガイド付きデプロイします。 ステップ 6: デプロイ出力を取得します。 ステップ 8: フロントエンド環境を設定します。 ステップ 9: フロントエンドをビルドしてデプロイします。 ステップ 10: アプリケーションにアクセスします。
クリーンアップ
継続的な料金が発生しないように、ソリューションを試した後にアカウントをクリーンアップします。CloudFormation スタックと DynamoDB テーブルを削除します。
結論
この記事では、LangGraph、Amazon Bedrock AgentCore、サーバーレス AWS サービスを組み合わせることで、チームが高度にスケーラブルで本番環境に対応したマルチエージェント生成 AI システムを構築できる方法を示しました。LangGraph の明示的なグラフベースの実行モデルをオーケストレーションに使用し、AWS Lambda ベースのランタイムを実行に使用することで、開発者は確定的な制御フロー、自動スケーリング、最小限の運用オーバーヘッドで複雑で並行したエージェントワークフローを調整できます。統合された AgentCore Memory と Observability は、実際のエージェントデプロイメントにおける最も一般的な課題である状態管理と可視性に対処し、エージェント実行間で共有された永続的なコンテキストを提供し、エージェントの動作、パフォーマンス、コストに関する深い洞察を提供します。
これらの機能は、AWS 上でエンタープライズグレードの AI エージェントを構築するための反復可能なアーキテクチャパターンを形成します。キャンペーンレビューシステム、デジタルアシスタント、またはその他のマルチエージェント推論ワークフローを実装する場合でも、このアプローチにより、オーケストレーションを実行から切り離し、需要に応じて弾力的にスケーリングし、エージェントの推論と相互作用の完全な透明性を維持できます。構造化されたオーケストレーションには LangGraph を、管理されたランタイム、メモリ、可観測性には Amazon Bedrock AgentCore を使用することで、実験的なプロトタイプから信頼性が高くスケーラブルな本番生成 AI システムに自信を持って移行できます。