本文にスキップ
AI News HubLIVE
サイト内リライト7 分で読了

次世代AgentCoreランタイムでエージェントを安全かつ効率的に実行

記事の要約

Amazon Bedrock AgentCoreランタイムが大幅にアップデートされ、セッション起動が最大15倍高速化、コンピュートが4倍に拡張、効率が68%向上、分離境界がデータストレージにまで拡大し、使用量ベースの課金が導入されました。

ソースAWS Machine Learning Blog著者: Madhu Parthasarathy
次世代AgentCoreランタイムでエージェントを安全かつ効率的に実行
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

AIエージェントは単発のプロンプトを超え、今では何時間にもわたってマルチステップのワークロードを実行します。METRによれば、フロンティアエージェントが自律的に完了できるタスクの長さは約4ヶ月ごとに倍増しており、McKinseyの調査では大企業の40%がAIエージェントの規模を拡大していると報告されています(1年前は27%)。エージェントがより長時間、より自律的に動作するにつれ、焦点は「エージェントに何ができるか」から「いかに安全に、確実に、経済的に大規模運用できるか」へと移っています。エージェントは従来のソフトウェア以上のことを行います。コードを実行し、ブラウザを操作し、機密データにアクセスし、ユーザーに代わって行動します。これらの機能は新たなセキュリティとインフラストラクチャの要求を生み出し、本番環境への展開には強力な分離が不可欠となります。

すべてのエージェントセッションには、安全で隔離された環境が必要です。しかし、その分離を大規模に提供するには根本的な課題があります。パフォーマンス、コスト、効率のバランスを取ることです。事前にプロビジョニングされた環境はアイドル時でもリソースを消費し、コストを押し上げます。オンデマンド環境は無駄な容量を削減しますが、コールドスタートの遅延を招き、エージェントの実行を遅らせます。どちらのアプローチもトレードオフなしには効率的にスケールしません。組織が少数のエージェント展開から数千の同時セッションの実行へと移行するにつれ、カスタムサンドボックスの構築と管理はますます複雑で高コストかつ予測困難になります。

課題は明らかです。Deloitteによれば、オーケストレーションされたマルチエージェントシステムを拡張した組織はわずか15%で、70%がエージェントをまだ信頼し統制できていないと回答しています。エージェントのスケーリングは、セキュリティ、速度、コストの間の選択であってはなりません。次世代のエージェントインフラストラクチャは、強力な分離、高速起動、弾力性のあるスケーリング、使用量ベースの経済性を提供する必要があります。AIエージェントが本番環境に移行する中で、安全な実行はボトルネックではなく、スケールを可能にする基盤であるべきです。本番環境への最速の道は、最も安全な道でもあるべきです。

次世代AgentCoreランタイム

Amazon Bedrock AgentCoreは、開発者がエージェントを安全かつ大規模に構築、接続、最適化できるよう支援するために構築されました。AgentCoreランタイムは、その中のマネージドコンピュートレイヤーです。開発者はインフラストラクチャを構築または維持することなく、エージェントをデプロイして実行するための完全マネージド環境を利用できます。ローンチ以来、顧客はエージェントをますます複雑なワークロードへと推し進めてきました。ワークロードの成長に伴い、実行環境への要求も高まっています。より多くのコンピュート、より柔軟な課金、そして信頼境界をコンピュートだけでなくデータにも拡張することです。エージェントが大規模に本番環境へ到達するのは、その基盤インフラストラクチャがスケールとスピードの両方のために構築されている場合に限ります。

本日、これらの要求に応えるAgentCoreランタイムのアップデートを発表します。核心的な保証は変わりません。すべてのセッションは独自のハードウェア分離されたFirecrackerマイクロ仮想マシン(MicroVM)で実行され、独自のアイデンティティ、ポリシー、監査証跡を持ちます。これらのアップデートは、その保証の範囲内で可能なことを拡大します。セッションの起動は最大15倍高速化され、コンピュートは4倍に拡張され、実行効率は最大68%向上し、分離境界は完全に維持されます。

新機能は以下の通りです。

待ち時間を増やさずにより大きなワークロードを実行

高度化するエージェントを構築するチームは、より柔軟性を求めていました。分離されたセッション内でメモリとコンピュートをスケールし、ワークロードの要求に合わせることです。大規模なコードベースのコンパイルからブラウザ駆動のワークフロー、ローカルモデル推論まで、実行環境はそれに追従する必要があります。

セッションは以前のバージョンと比較して4倍にスケールし、最大8 vCPUと32 GB、最大10 GBのコンテナイメージをサポートします。イメージサイズや同時実行数に関係なく、セッションは2秒以内に起動します。コールドスタートを管理するためのウォームプールや事前プロビジョニングされたクラスタは不要になりました。

「次世代AgentCoreランタイムへの移行により、エージェントセッションのコールドスタートがピークトラフィック時でもほぼ1分から5秒未満に短縮されました。また、30秒を超える起動遅延も解消され、週間エージェント数は2倍以上に増加しました。」

— Coinbase エンジニアリング担当バイスプレジデント Siwei Shen氏

「MissionはAmazon Bedrock AgentCoreランタイムを使用して、ユーザーが複雑なデータシステムをナビゲートすることなく物件や販売のインサイトを取得できる自然言語クエリエージェントを強化しています。両ランタイムバージョンの初期比較では、同じワークロードで推論リクエストのコールドスタートが35%高速化し、ヘルスチェックの起動が77%高速化され、呼び出しあたりの実測ランタイムコストが17%削減されました。新しいAgentCoreランタイムは、エンタープライズエージェントを本番環境に導入する際に、より高速なエージェント体験とより効率的なリソース利用の魅力的な組み合わせを提供します。」

— Mission Cloud チーフAI・データサイエンティスト Ryan Ries博士

「私たちのアプローチは、Zuoraのクラウドを自動化とAIエージェントで可能な限り運用することであり、それはランタイムが効率的で信頼性が高い場合にのみ機能します。次世代AgentCoreランタイムは、多くのユースケースで呼び出しあたりのメモリフットプリントを約60%削減し、安定したレイテンシでより多くのトラフィックを処理しました。これにより、プラットフォーム全体でエージェントワークロードを拡大する際のコストプロファイルが強化されます。」

— Zuora クラウド・セキュリティ担当バイスプレジデント Brad Ruppert氏

「Rescaleプラットフォームは、エージェント型デジタルエンジニアリングで研究開発およびエンジニアリングチームの製品開発を加速します。当社のエンジニアリング特化型エージェントは、シミュレーション入力を検証し、ジョブのトラブルシューティングを行い、ハードウェアを選択し、レポートを生成しますが、エンジニアは常に制御を維持します。Amazon Bedrock AgentCoreランタイムにより、基盤となるエージェントインフラストラクチャを構築または運用することなく、これらのエージェントを本番環境にデプロイしてスケールできるため、顧客に新しいエージェントをより迅速に提供できます。」

— Rescale エンジニアリング担当バイスプレジデント Mark Whitney氏

アイドル状態のエージェントへの支払いを停止

チームがエージェントを本番環境に近づけるにつれ、エージェントの実際の動作を反映した課金を求めていました。エージェントは多くの時間をモデルの応答、ツール呼び出し、または人間の判断を待つことに費やします。エージェントは待機時間ではなく、実行した作業に対して課金されるべきです。

ランタイムはエージェントがメモリを解放してから数分以内にメモリを回収し、アイドル状態のエージェントはゼロにスケールします。インタラクション間に自然な一時停止があるマルチターンエージェントの場合、セッションあたりのメモリ消費が最大68%削減されます。常時稼働エージェントの場合、コミット済みベースライン価格がセッションごとのメモリベースラインを設定し、最小値として課金され、オンデマンドでベースラインの4倍までバーストできます。これにより、安定したワークロードにAWS Lambda MicroVMレートでの予測可能な料金を提供します。ランタイムはコンピュートをより効率的に使用するため、同じ作業に対して支払う金額が少なくなります。これにより、本番ロールアウトの障壁となることが多い財務面の会話が容易になります。

「次世代Amazon Bedrock AgentCoreランタイムは、エージェントの起動を高速化し、メモリをより効率的に使用することで、より応答性の高いAI体験の提供を支援します。消費を実際の使用量に合わせることで、クライアントはコストを実際の需要に結びつけながら、エージェントソリューションを拡張する自信を得られます。」

— デロイト コンサルティング LLP AI・データリーダー プリンシパル Ashwin Patil氏

「AgentCoreランタイムは、顧客のデータ、ツール、ビジネスプロセスを中心にエージェント製品とプラットフォームを構築するためのマネージド基盤を提供します。次世代AgentCoreランタイムは、初期化された環境を復元し未使用のメモリを回収することで、その基盤をより応答性が高くリソース効率の良いものにします。コストとレイテンシの削減が顧客のビジネス運営方法に大きな違いをもたらすため、最新バージョンでの構築を始めています。」

— Caylent 最高技術責任者 Randall Hunt氏

分離がデータにまで拡大

多くの企業は、エージェントのセキュリティモデルに根深いギャップに直面しています。エージェントは分離されたセッション内で実行されますが、必要とするデータはその境界の外にあります。長時間実行されるエージェントは、ファイル、認証情報、ツール出力など、進行に伴ってコンテキストを取得します。チームはデータの出入りに関する独自のルールを構築することになり、新しいエージェントごとに複雑さとリスクが増します。

コンピュートで止まる分離は、境界の半分に過ぎません。次世代AgentCoreランタイムはこのギャップを埋めます。各セッションは引き続き独自のハードウェア分離環境で実行され、独自のアイデンティティ、アクセスポリシー、監査証跡を持ちます。エージェントはFUSEサポート付きのAmazon S3バケットなどのファイルシステムに動的にマウントして作業を保存できるようになりました。データはジョブ全体を通じて信頼境界内に留まり、一度定義した単一のコントロールセットによって管理されます。

「Oktaでは、AgentCoreランタイムとLambda MicroVMの組み合わせが、エージェントがコードを検査し、テストスイートを実行し、一時的なサンドボックス内でプルリクエストを開くために必要な分離実行環境とコンテキストメモリを提供します。当社のアイデンティティ管理ポリシー制御と組み合わせることで、AgentCoreランタイムとLambda MicroVMは、ワークスペースの漏洩や権限昇格のリスクなしに自律型エンジニアリングエージェントを安全にスケールできることを示しています。」

— Okta エンジニアリング担当シニアバイスプレジデント Monica Bajaj氏

「車購入者の下取り評価から、ディーラーがサービス予約や取引の構成を行うのを支援するまで、Amazon Bedrock AgentCoreはCox Automotiveのブランド全体で数十のエージェントソリューションを支えています。単一のガバナンスされたエージェントプラットフォームを持つことで、ビジネス全体のチームが自信を持ってパイロットから本番環境へ移行できます。」

— Cox Automotive 製品・エンジニアリング担当バイスプレジデント Chris Dillon氏

私たちのコミットメント

本番環境に到達するエージェントは、実際のデータ、実際のリスク、実際の説明責任を伴い、ユーザーに代わって行動することを信頼できるものです。信頼は後から追加する機能ではなく、構築するランタイムそのものです。今回のリリースはその未来への一歩です。より大きなセッション、効率的なリソース使用、信頼境界内のストレージを、作業を信頼できるものにする分離を緩めることなく実現します。re:Inventまでに、セッションごとのスコーピングにより、セッションラベル付き認証情報を通じて各セッションが独自のストレージフォルダにバインドされ、そこから構築を続けます。

はじめに

次世代AgentCoreランタイムは本日より、北米、南米、欧州、アジアパシフィックのAWSリージョンで利用可能です。Amazon Bedrock AgentCoreにアクセスして構築を開始するか、Amazon Bedrockコンソールを開いて探索を始めてください。

著者について

要点と分析を開く

記事インテリジェンス

投資家中級

要点

  • セッションはウォームプールなしで2秒以内に起動し、最大10GBのコンテナイメージをサポートします。
  • セッションは8 vCPUと32GBのメモリまで拡張でき、コンピュート容量は以前の4倍です。
  • メモリ効率が最大68%向上し、アイドルセッションはゼロにスケールし、課金は実際の使用量に基づきます。
  • 分離はデータにまで拡大し、エージェントはFUSEサポート付きのAmazon S3などのファイルシステムを動的にマウントでき、単一の信頼境界内で管理されます。

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。