Amazon Bedrock AgentCore を活用したタンパク質研究コパイロットの構築方法

タンパク質研究者は、構造的に類似した候補を見つけるために数千のペプチド配列を手動で検索するという時間のかかる課題に直面しています。これは遅く、エラーが発生しやすく、結果を解釈するには深い専門知識が必要です。タンパク質研究のコパイロットを構築することで、大規模データセット全体で構造的に類似したペプチドを検索する方法を変革できます — 自然言語クエリ、自動埋め込み生成、AI による結果要約を単一の会話型インターフェースで実現します。 この投稿では、3 つの機能を組み合わせた会話型のタンパク質研究アシスタントの構築方法を示します： -構造的な検索パラメータを抽出するための自然言語クエリ解析。 -専門的な言語モデルを使用したタンパク質埋め込みに対するベクトル類似度検索。 -検索結果の AI 生成による科学的要約。 このシステムは、[Strands Agents SDK](https://github.com/strands-agents/sdk-python) を使用して 1 つのエージェント内で 3 つの専門ツールをオーケストレーションし、[Amazon Bedrock AgentCore](https://aws.amazon.com/bedrock/agentcore/) にデプロイして本番環境で提供され、ペプチド埋め込みは Amazon Aurora PostgreSQL-Compatible Edition の pgvector に保存されます。 この投稿を終える頃には、以下を実行する方法を示すエンドツーエンドのエージェントアプリケーションを構築していることになります： - 「デングウイルスペプチド LPAIVREAI に類似する 10 のペプチドを検索」などの自然言語ユーザー入力を、Strands Agents SDK のツール使用パターンを用いて構造化されたツールパラメータに変換します。 - 結合された重み付きのカスタム機械学習モデル（ESM-C 300M）を、Amazon SageMaker AI サーバーレスエンドポイントとしてデプロイし、高速なコールドスタートを実現します。 - Amazon Aurora PostgreSQL 上の pgvector を用いたベクトル類似度検索とメタデータフィルタリングを、単一のクエリ内で統合します。 - ネストされた LLM エージェントを含む複数の専門ツールを、単一の Bedrock AgentCore ランタイム内でオーケストレーションし、検索結果の科学的要約を生成します。 ## 前提条件 本記事の手順を追うためには、以下の準備が必要です： - Amazon Bedrock の基盤モデル（Anthropic Claude Sonnet 4.6）へのアクセス権限を持つ AWS アカウント。 - Python 3.12 以降。 - 適切な認証情報を設定した AWS Command Line Interface (AWS CLI)。 - Amazon Bedrock、Amazon SageMaker AI、Amazon Aurora、Amazon Elastic Container Service (Amazon ECS)、および AWS CodeBuild に対する IAM 権限。 - bedrock-agentcore-starter-toolkit のインストール（pip install bedrock-agentcore-starter-toolkit）。 - IEDB ウイルスエピトープデータセット。 推定デプロイ時間：30〜45 分。コスト見積もりについては、Bedrock、SageMaker AI、Aurora Serverless v2、および AWS Fargate の AWS プライシングページをご確認ください。 ## ソリューションの概要 このコパイロットは、1 つの Strands エージェントが 3 つの専門ツールを調整して研究ワークフロー全体を処理する「ツール使用」パターンに従います。研究者が自然言語でクエリを入力すると、エージェントはそのクエリを構造化されたパラメータに解析し、タンパク質埋め込み（protein embeddings）を用いて類似ペプチドを検索し、科学的な文脈を付与して結果を要約します。 以下の図はアーキテクチャを示しています： ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/03/ML-19630-1.jpeg) このアーキテクチャには 5 つのコンポーネントがあります： - AWS Fargate で実行されている Streamlit フロントエンドが会話型インターフェースを提供します。これは AgentCore ランタイムへクエリを送信し、結果をダウンロード可能なテーブルを含む構造化形式で表示します。 - Amazon Bedrock AgentCore ランタイム内で動作する 1 つの Strands エージェントがワークフローをオーケストレーションします。このエージェントは Bedrock Converse API を介して Anthropic Claude Sonnet 4.6 を使用し、@tool デコレータで定義された 3 つのツールにアクセス可能です。 - パーサーツール：自然言語クエリから構造化された検索パラメータ（配列、種別フィルター、結果制限）を抽出するために、専用の Strands エージェント（LLM-as-parser パターン）を利用します。 - サーチャーツール：ESM-C 300M を実行する Amazon SageMaker AI サーバーレスエンドポイントを通じてタンパク質の埋め込みベクトルを生成し、Amazon Aurora PostgreSQL の pgvector とコサイン類似度検索を実行します。 - サマライザーツール：もう一つの専用の Strands エージェントを使用して検索結果を分析し、さらなる調査のための提案を含む簡潔な科学的要約を生成します。 この単一ランタイム・マルチツール設計は、関心の分離を明確に保ちつつデプロイをシンプルに維持します。各ツールは固有の機能をカプセル化しており、オーケストレーターエージェントがユーザーのクエリに基づいていつどのようにそれらを呼び出すかを決定します。 ## ESM-C 300M を用いたタンパク質エンベディング 類似性検索の中核を担うのは、EvolutionaryScale（ESM ベース）から提供されるタンパク質言語モデル「ESM-C 300M」です。このモデルは、アミノ酸配列の構造的および機能的な特性を捉えた 960 次元のエンベディング（埋め込み表現）を生成します。生物学的機能が類似する 2 つのペプチドは、ベクトル空間上で近接したエンベディングを生成するため、アラインメント（配列対照合わせ）を必要とせずに類似性検索が可能となります。 ESM-C 300M は、Amazon SageMaker AI のサーバーレスエンドポイントとしてデプロイされており、アイドル時にはスケールゼロとなり、呼び出し間もコストが発生しません。モデルの重みは推論時に HuggingFace からダウンロードする必要がないよう、デプロイアーティファクトにバンドルされています。これは、コールドスタート遅延が問題となるサーバーレスエンドポイントにおいて極めて重要な対策です。 推論ハンドラーはモデルアーキテクチャを直接構築し、事前パッケージ化された重みを読み込みます： ```python from esm.models.esmc import ESMC from esm.tokenization import get_esmc_model_tokenizers def model_fn(model_dir): weights_path = os.path.join(model_dir, "weights", "esmc_300m.pt") model = ESMC( d_model=960, n_heads=15, n_layers=30, tokenizer=get_esmc_model_tokenizers(), use_flash_attn=False, ) state_dict = torch.load(weights_path, map_location="cpu") model.load_state_dict(state_dict) model.eval() return model ``` 予測ハンドラー（predict_fn）はタンパク質配列を受け取り、それを符号化して平均プーリングされたエンベディングを返します。 def predict_fn(input_data, model): sequence = input_data["sequence"] protein = ESMProtein(sequence=sequence) protein_tensor = model.encode(protein) logits_output = model.logits( protein_tensor, LogitsConfig(sequence=True, return_embeddings=True) ) embeddings = logits_output.embeddings mean_embeddings = embeddings[:, 1:-1, :].mean(dim=1) return mean_embeddings[0].detach().cpu().tolist() The endpoint is deployed as a serverless configuration with 6144 MB memory and a max concurrency of 5, using the PyTorch 2.6.0 CPU inference container. The model packaging script downloads weights once via from_pretrained, saves the state dict, and bundles it with the inference code into a model.tar.gz with the required code/ directory structure for SageMaker AI. ## Vector search with Aurora PostgreSQL and pgvector Peptide embeddings are stored in Amazon Aurora PostgreSQL-Compatible Edition Serverless v2 with the pgvector extension. The database schema is straightforward: CREATE TABLE peptides ( id SERIAL PRIMARY KEY, sequence TEXT NOT NULL, embedding vector(960), properties JSONB, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); CREATE INDEX peptides_embedding_idx ON peptides USING ivfflat (embedding vector_cosine_ops) WITH (lists = 100); プロパティの JSONB カラムには、生物学的メタデータ（種、由来生物、由来分子、エピトープ位置など）が格納されており、ベクトル検索とメタデータフィルタリングを組み合わせることが可能です。例えば、「デングウイルスの LPAIVREAI に類似するペプチドを検索」というクエリは、埋め込みカラムに対するコサイン類似度検索と、properties->>'species' に対するフィルタリングの両方をトリガーします。 データ読み込みパイプラインは IEDB ウイルスエピトープデータセットから読み取り、SageMaker AI エンドポイント（Amazon SageMaker AI endpoint）を介して各ペプチド配列の埋め込みベクトルを生成し、Amazon RDS Data API を使用してデータベースに挿入します。初期ロードでは 1,000 個の線形ペプチドがサンプリングされます： ```python def import_peptides(df): for i, row in tqdm(df.iterrows(), total=len(df)): sequence = row["Epitope_Name"] embedding = get_embedding(sequence) # SageMaker AI endpoint call properties = { "species": row["Epitope_Species"], "source_organism": row["Epitope_Source Organism"], "source_molecule": row["Epitope_Source Molecule"], # ... additional metadata } run_statement( "INSERT INTO peptides (sequence, embedding, properties) " "VALUES (:sequence, :embedding::vector, :properties::jsonb)", params=[...] ) ``` データベースへのアクセスは、Amazon Relational Database Service (Amazon RDS) Data API を通じて行われるため、エージェントランタイムがデータベースに直接ネットワーク接続する必要はありません。HTTPS 経由で通信するため、AgentCore のデプロイにおけるネットワーク要件が簡素化されます。 ## Strands Agents SDK を用いたエージェントの構築 [Strands Agents SDK](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-frameworks/strands-agents.html) は、ツール使用型エージェントを構築するための明確な抽象化を提供します。各ツールは @tool で装飾された Python 関数であり、エージェントは関数のドキュストリング（docstring）と型ヒントから自動的に LLM 向けのツール説明を生成します。 ## ツール定義 パーサーツールは、構造化された出力抽出器として機能する専用の Strands エージェントに委譲します： from strands import Agent, tool from strands.models import BedrockModel parser_agent = Agent( model=BedrockModel(model_id="us.anthropic.claude-sonnet-4-6", region_name="us-east-1", streaming=False), system_prompt="""あなたはペプチドクエリパーサーです。自然言語のクエリから構造化された検索パラメータを抽出してください。有効な JSON オブジェクトのみを返してください。""" ) @tool def parse_peptide_query(query: str) -> str: """自然言語によるペプチドクエリを構造化された検索パラメータに変換します。 Args: query: ペプチドに関するユーザーの自然言語クエリ。 翻訳全文 戻り値: シーケンス、種別、制限などの抽出されたパラメータを含む JSON 文字列。 """ result = parser_agent(f"このクエリを解析してください: {query}") parsed = json.loads(str(result)) return json.dumps(parsed) 検索ツールは、SageMaker AI の埋め込み生成と pgvector による類似度検索を組み合わせています: @tool def search_similar_peptides(sequence: str, species: str = "", limit: int = 20) -> str: """ESM 埋め込みを使用して、指定されたシーケンスに類似するペプチドを検索します。 Args: sequence: ペプチドのアミノ酸配列（例："LPAIVREAI"）。 species: オプションの種別フィルター（例："デングウイルス"）。 limit: 返す結果の最大数。 Returns: 類似ペプチドとそのプロパティを含むリストを格納した JSON 文字列。 """ # SageMaker AI から埋め込みを取得 resp = sagemaker_client.invoke_endpoint( EndpointName=endpoint, ContentType="application/json", Body=json.dumps({"sequence": sequence})) embedding = json.loads(resp["Body"].read().decode())["embedding"] # オプションのメタデータフィルター付きベクトル類似度検索 sql = "SELECT sequence, properties, " sql += "(embedding :query_embedding::vector) AS cosine_distance " sql += "FROM peptides" if species: sql += " WHERE properties->>'species' = :species" sql += " ORDER BY cosine_distance LIMIT :limit" results = run_sql(sql, params) return json.dumps({"results": peptides, "count": len(peptides)}) 翻訳全文 翻訳全文 戻り値: 検索結果の簡潔な科学的要約。 """ results = json.loads(search_results_json) summary = summarizer_agent(f"Original query: {original_query}" f"Results: {results}") return str(summary) ## オーケストレーターエージェント オーケストレーターはすべての要素を結びつけます。ユーザーのクエリを受け取り、どのツールを呼び出し、どのような順序で実行するかを決定します: SYSTEM_PROMPT = """あなたはペプチド研究アシスタントです。あなたには3 つのツールがあります: 1. parse_peptide_query - 自然言語によるクエリを構造化されたパラメータに解析する 2. search_similar_peptides - ESM エンベディング（埋め込み表現）を使用して類似ペプチドを検索する 3. summarize_results - 科学的知見を用いて検索結果を要約する 翻訳全文 すべてのユーザークエリに対して、以下のワークフローに従ってください: 1. まず、parse_peptide_query を使用して配列とパラメータを抽出します 2. 次に、抽出した配列を使用して search_similar_peptides を実行します 3. 最後に、summarize_results を使用して洞察を提供します 必ず 3 つのステップをすべて完了してください。""" strands_agent = Agent( model=BedrockModel(model_id="us.anthropic.claude-sonnet-4-6", region_name="us-east-1", streaming=False), tools=[parse_peptide_query, search_similar_peptides, summarize_results], system_prompt=SYSTEM_PROMPT ) この設計は「エージェントをツールとして使用する」パターンを採用しています。パーサーとサマライザー自体が Strands エージェントですが、@tool デコレータでラップされ、オーケストレーターに対して呼び出し可能なツールとして公開されます。オーケストレーターはこれらのツールが内部で LLM（大規模言語モデル）を使用していることを知らず、また気にする必要もありません。オーケストレーターはそれらを関数として呼び出すだけです。これにより、オーケストレーションロジックをクリーンに保ちつつ、必要な箇所では各ツールが LLM の能力を活用できるようになります。 ## Amazon Bedrock AgentCore へのデプロイメント [Amazon Bedrock AgentCore](https://aws.amazon.com/bedrock/agentcore/) は、AI エージェントのホスティング用の管理ランタイムを提供します。エージェントコードは AWS CodeBuild を通じて構築・デプロイされるコンテナ化された環境で実行されます。ローカルでの Docker インストールは不要です。 ## エージェントのエントリーポイント AgentCore ランタイムは、ペイロードとコンテキストを受け取るエントリーポイント関数を期待します: from bedrock_agentcore.runtime import BedrockAgentCoreApp app = BedrockAgentCoreApp() @app.entrypoint def invoke(payload, context): query = payload.get("query") or payload.get("prompt") result = strands_agent(query) return { "status": "success", "original_query": query, "parsed_query": _tool_outputs.get("parsed_query", {}), "search_results": _tool_outputs.get("search_results", []), "summary": _tool_outputs.get("summary", str(result)), "session_id": context.session_id } if __name__ == '__main__': app.run() The entrypoint captures tool outputs in a shared dictionary so that the response includes structured data (parsed query, search results table, summary text) instead of the agent’s final text output alone. This structured response is what the Streamlit frontend uses to render tables and expandable sections. ## Infrastructure as code The deployment uses AWS CloudFormation for all infrastructure. The VPC stack creates private subnets with NAT gateways and VPC endpoints for Amazon Bedrock, Amazon RDS Data API, and AWS Secrets Manager — helping to ensure the agent runtime can reach all required services without traversing the public internet. Amazon Aurora PostgreSQL-Compatible Edition Serverless v2 database will be required with automatic scaling from 0.5 to 4 ACUs (1–8 GB RAM). An AWS Lambda-backed custom resource initializes the pgvector extension and creates the peptides table during stack creation: DBCluster: Type: AWS::RDS::DBCluster Properties: Engine: aurora-postgresql EnableHttpEndpoint: true # Amazon RDS Data API ServerlessV2ScalingConfiguration: MinCapacity: 0.5 MaxCapacity: 4 ## Deploy the solution The solution requires the following components, deployed in order: ** Warning:** Complete the deployment steps in order. Skipping steps may result in deployment failures. - VPC and networking — Private subnets with NAT gateways and VPC endpoints for Amazon Bedrock, the Amazon RDS Data API, and AWS Secrets Manager, so the agent runtime can reach all required services without traversing the public internet. - Aurora PostgreSQL database — An Amazon Aurora PostgreSQL-Compatible Edition Serverless v2 cluster with the pgvector extension enabled and the peptides table initialized via a Lambda-backed AWS CloudFormation custom resource. - SageMaker AI endpoint — A serverless endpoint running ESM-C 300M with 6144 MB memory and a max concurrency of 5, using the PyTorch 2.6.0 CPU inference container. - Peptide data — The IEDB virus epitope dataset is loaded into the database by generating embeddings for each sequence via the SageMaker AI endpoint and inserting them using the Amazon RDS Data API. - AgentCore runtime and Streamlit UI — The Strands agent is deployed to an Amazon Bedrock AgentCore runtime via AWS CodeBuild (no local Docker required), and the Streamlit frontend is deployed to AWS Fargate. ## Streamlit フロントエンド フロントエンドは軽量な Streamli です。

Amazon Bedrock AgentCore を活用したタンパク質研究コパイロットの構築方法

背景や根拠まで確認しますか？

このニュースを、実務の判断につなげる

関連記事

調べる

選ぶ

サイト