Amazon Bedrock AgentCoreを活用したビジネスサポート用AIエージェントの構築

現代の企業環境では、HRの日常業務を自動化することが効率向上の鍵です。Works Human Intelligence（WHI）は、日本の大企業や公益法人向けに統合HRシステム「COMPANY」を提供しています。AWS Generative AI Innovation Center（GenAIIC）との協力により、WHIはAmazon Bedrock AgentCoreを活用して2つのAIエージェントを構築し、コストを大幅に削減し、運用効率を向上させました。

通勤手当エージェント

このエージェントは、従業員の引っ越しなどのイベントで発生する通勤手当申請の承認プロセスを自動化します。当初、WHIはLangGraph、Amazon ECS、AWS Fargateを使用して概念実証を進めていました。しかし、Amazon Bedrock AgentCoreのリリースに伴い、チームは移行を検討しました。彼らはGenAIICと協力して、AgentCoreを利用した「COMPANY」と統合されたAIエージェントを構築し、マルチエージェント環境、認証、認可を実現したいと考えました。

解決策：アーキテクチャを単一のECSタスクからAgentCore Runtime上で個別にサブエージェントを起動する方式に変更。DynamoDBとCognitoでマルチテナント管理を実施。Slackをエントリポイントとし、認証後に適切なサブエージェントがリクエストを処理。結果：LangGraphは引き続き使用するものの、サブエージェントは別のRuntimeで動作し、将来の拡張が容易に。AgentCore Observabilityへの切り替えにより運用コストも削減。

ブラウザ操作エージェント

このエージェントはブラウザを介してHRシステムにアクセスし、内容の確認、操作、証拠の収集を顧客に代わって実行します。当初はLangGraphとPlaywright MCPを使用して構築されていましたが、不要な会話履歴の除去、戻り値の最適化、プロンプトキャッシングにより、トークンを88%削減。しかし、独自実装に依存しており、Strand Agentsへの移行が困難でした。

解決策：Strand Agentsを使用してエージェントを構築。複数のブラウザ操作ツールをテストし、fast playwrightが最もトークン消費が少ないことを確認。ワークフロー：ナレッジベースから最適な操作テンプレートを検索→プレースホルダーを別のナレッジベースの情報で置換→ブラウザを操作して情報確認→変更案を作成し提示→ユーザー承認後、再びブラウザを操作して変更を実行。エージェントは不完全な入力や部分的なタスクにも柔軟に対応可能。アーキテクチャ：AgentCore RuntimeをVPC内に配置し、NATゲートウェイで固定IP経由でアクセス。S3バケットで短期情報を保存。

結果：プロンプトキャッシング、システムプロンプトの最適化、サブエージェントの改善、モデル変更（Claude Sonnet 4.5からHaiku 4.5）により、コストが$14.5から$0.4に、97%削減。連続した複数変更や指示が不明瞭な場合に人間に質問するなどの複雑なタスクも成功裏に処理。

まとめ：本協業により、WHIはAIエージェントの実行基盤をAgentCore Runtimeに移行し、マネージドサービスによるログ確認で開発効率が大幅に向上。Strand Agentsの採用により、最小限の実装で柔軟に動作するエージェントを実現。今後もモデル評価とコスト最適化を継続予定。詳細はAmazon Bedrock AgentCoreの入門ガイドまたはハンズオンラボをご覧ください。