Build an AI-Powered Equipment Repair Assistant Using Amazon Bedrock AgentCore｜Amazon Bedrock AgentCore を活用した AI 搭載機器修理アシスタントの構築方法 | AIニュース最前線

大型農業機械の設備修理を管理する場合、適切な部品がない状態で技術者が診断を行う必要があることが多く、その結果、現場への複数回の訪問、稼働停止時間の長期化、収穫期における特に甚大な経済的損失につながります。 本記事では、[Amazon Bedrock AgentCore](https://aws.amazon.com/bedrock/agentcore/) を活用した AI 搭載の設備修理アシスタントを構築する方法を紹介します。このアシスタントは、農家や現場技術者が自然言語で機器の問題を診断し、必要な部品を特定し、メーカー承認の修理手順にアクセスできるよう支援します。本ソリューションでは、AgentCore Runtime に [Strands Agents SDK](https://strandsagents.com/) を採用し、基盤モデルとして [Amazon Nova 2 Lite](https://aws.amazon.com/nova/models/) を使用します。また、検索拡張生成（RAG: Retrieval-Augmented Generation）には [Amazon Bedrock](https://aws.amazon.com/bedrock/) の Knowledge Base を、会話の継続性には AgentCore Memory をそれぞれ活用しています。 ## ソリューション概要 本ソリューションは、Web フロントエンドと、インデックス化されたメーカー文書を用いて設備診断に関する質問に回答する AgentCore 上でホストされるエージェントを組み合わせるものです。 [Amazon Cognito](https://aws.amazon.com/cognito/) はユーザー認証を管理し、[AWS Amplify](https://aws.amazon.com/amplify/) が Web アプリケーションをホストします。機器修理エージェントは、Strands Agents SDK を用いて構築された AgentCore Runtime 上で実行されます。これは、インデックス付けされた機器マニュアル、部品カタログ、および修理ドキュメントを含む Bedrock Knowledge Base（知識ベース）を照会します。AgentCore Memory はセッション間を通じて会話履歴を維持するため、技術者は文脈を繰り返すことなく追跡質問を行うことができます。 以下の図は、これらのコンポーネントがどのように連携して動作するかを示しています。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/27/ML-18699-1.png) **アーキテクチャには、以下の主要なセクションが含まれています:** **セクション A** – **認証とフロントエンド**: CloudFormation スack は、認証のために Amazon Cognito（ユーザープール、アイデンティティプール）をデプロイし、React Web アプリケーションのホスティングに AWS Amplify を使用します。ユーザーは Cognito を通じて認証を行い、フロントエンドは AgentCore Runtime エンドポイントと直接通信します。 **セクション B** – **AgentCore Runtime**: AgentCore Runtime は Strands ベースのエージェントをホストし、/invocations エンドポイントを公開しています。フロントエンドは Cognito Bearer トークンを使用してこのエンドポイントに直接アクセスします。エージェントの invoke() エントリーポイントは、ペイロード内の path フィールド（AI 問い合わせの場合は/chat、CRUD 操作の場合は/issues）に基づいてリクエストを内部でルーティングし、組み込みのセッション管理とヘルスチェック機能を備えたバックエンド操作のための単一のエントリーポイントを提供します。 **セクション B** – **AgentCore Runtime**: AgentCore Runtime は Strands ベースのエージェントをホストし、/invocations エンドポイントを公開しています。フロントエンドは Cognito Bearer トークンを使用してこのエンドポイントに直接アクセスします。エージェントの invoke() エントリーポイントは、ペイロード内の path フィールド（AI 問い合わせの場合は/chat、CRUD 操作の場合は/issues）に基づいてリクエストを内部でルーティングし、組み込みのセッション管理とヘルスチェック機能を備えたバックエンド操作のための単一のエントリーポイントを提供します。 **セクション C** – **AI Processing**: Strands Agent は、Bedrock Knowledge Base を retrieve_and_generate API を介して呼び出すカスタム検索ツール search_equipment_knowledge を使用しています。この Knowledge Base は、Amazon S3 に保存された機器ドキュメントをインデックス化しており、ベクトル検索には Amazon OpenSearch Serverless を、意味的なマッチングには Amazon Titan Embeddings を利用します。 以下のコードスニペットは、エージェントの Knowledge Base [retrieval](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) ツールがメーカーのドキュメントを照会する方法を示しています： @tool def search_equipment_knowledge(query: str) -> str: """機器マニュアル、部品カタログ、修理ドキュメントを検索します。""" response = bedrock_agent_runtime.retrieve_and_generate( input={"text": query}, retrieveAndGenerateConfiguration={ "type": "KNOWLEDGE_BASE", "knowledgeBaseConfiguration": { "knowledgeBaseId": KNOWLEDGE_BASE_ID, "modelArn": f"arn:aws:bedrock:{REGION}::foundation-model/{MODEL_ID}", }, }, ) return response.get("output", {}).get("text", "結果が見つかりませんでした。") **セクション D** – **データとメモリ**: Amazon DynamoDB は機器のサービスチケット（問題の作成・読み取り・更新・削除操作）を保存します。AgentCore Memory は、セッション内の文脈のための短期記憶と、セッション間での事実の永続化のための長期記憶を提供します。Amazon CloudWatch と AWS X-Ray は自動的な観測可能性（オバザビリティ）を提供します。 以下の手順は、技術者が質問をした際の要求フローを説明しています： - 技術者は Web アプリケーションを開き、Amazon Cognito を通じて認証を行います。 - 技術者はチャットインターフェースを通じて質問を提出します。 - フロントエンドは、Cognito Bearer トークンと共にクエリを AgentCore Runtime の /invocations エンドポイントに送信します。 - AgentCore はトークンを検証し、リクエストをエージェントへルーティングして、過去の会話から関連するコンテキストを取得します。 - Strands Agent は、推論のためにクエリを Amazon Nova 2 Lite に送ります。 - モデルは search_equipment_knowledge ツール（Bedrock Knowledge Base を照会する）を呼び出します。 - Knowledge Base はインデックス化された機器マニュアルを検索し、ソース引用付きで関連ドキュメントを返します。 - モデルは修理手順と部品推奨を含む診断応答を合成します。 - 応答は検証用のソース明記とともに技術者に返されます。 ## Prerequisites 開始前に、以下の条件を満たしていることを確認してください： 翻訳全文 - AgentCore エージェントをデプロイするための適切な権限を持つ AWS アカウント。必要な IAM 権限については、AgentCore Runtime の IAM 権限をご参照ください。 - デプロイ先の AWS リージョンにおける Amazon Nova 2 Lite 用の Amazon Bedrock モデルアクセス権限。ご選択の他のサポート対象モデルを使用することも可能です。現在のモデル利用状況については、「AWS リージョン別のモデルサポート」をご覧ください。 - 適切な認証情報で設定された、AWS Command Line Interface (AWS CLI) v2.0 以降がインストールされていること。 - Python 3.10 以降がインストールされていること。 - ターミナルまたはコマンドプロンプトへのアクセス権限があること。 **コスト見積もり**: テストにおいては、主な費用は Amazon Bedrock モデルの呼び出し（Amazon Nova 2 Lite は入力/出力トークン百万あたりそれぞれ$0.30/$2.50）と、Bedrock Knowledge Base（アクティブ時の OpenSearch Serverless で約$0.24/時間）です。その他のサービス（AgentCore Runtime, Amazon DynamoDB, Amazon S3, Amazon Cognito, AWS Amplify）は、テスト規模であれば AWS Free Tier の範囲内に収まります。詳細な見積もりについては、[AWS プライシング・カルキュレーター](https://calculator.aws/) をご利用ください。 ***重要***: すべてのリソースを同じ AWS リージョンにデプロイしてください。CloudFormation スタック、Knowledge Base、および AgentCore 起動コマンドは、すべて同一のリージョンを使用する必要があります。 ## Knowledge Base の作成 エージェントをデプロイする前に、農業機器に関するドキュメントを用いて Amazon Bedrock Knowledge Base を作成し、コンテンツを登録してください。この Knowledge Base は、診断推奨事項や修理ガイダンスのためのソース資料として機能します。 ## ステップ 1: ドキュメントの準備 テスト用に、[John Deere Technical Information Store](https://techpubs.deere.com/) から機器のマニュアルをダウンロードしてください。また、ご自身の組織が保有する機器ドキュメントを使用することも可能です。本ブログでは、John Deere 1023E および 1025R コンパクトユーティリティトラクターのオペレーターマニュアルを使用します。 農業用機器のドキュメントを収集して整理してください: - 機器マニュアル（PDF 形式が推奨） - 技術サービスガイドおよびトラブルシューティング関連ドキュメント - パート番号と仕様を含む部品カタログ - メンテナンススケジュールおよび予防保全手順書 - セーフティプロトコルおよびメーカー警告事項 ドキュメント準備のヒント: - ドキュメントがテキスト検索可能であることを確認してください（スキャン画像ではないこと） - 一貫した命名規則を使用してください（例：Manufacturer_Model_DocumentType.pdf） - すべてのユーザーがアクセスすべきでない機密情報は削除してください ## ステップ 2: 知識ベース用の S3 バケットを作成する aws s3 mb s3://agriculture-kb-documents- aws s3 cp ./equipment-docs s3://agriculture-kb-documents- --recursive ## ステップ 3: Bedrock Knowledge Base を作成する 以下の設定で [Knowledge Base](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-create.html) を作成するための手順に従ってください。 - 知識ベース名：Agriculture-Equipment-Repair-KB - データソース：s3://agriculture-kb-documents-（ステップ 2 で作成されたバケット） - パーシング戦略：Amazon Bedrock デフォルトパーサー - チャンキング戦略：デフォルトチャンキング - エンベディングモデル：Amazon Titan Embeddings G1 – Text - ベクトルストア：新しいベクトルストアをクイック作成（Amazon OpenSearch Serverless） ## ステップ 4: 知識ベースの同期とテスト 知識ベースが作成された後、データソースを同期してドキュメントの取り込みを開始します（通常 10〜20 分）。詳細については、[データの取り込みへの同期](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-data-source-sync-ingest.html) を参照してください。Bedrock コンソールの [テスト機能](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-retrieve.html) を使用して、サンプルクエリに対して知識ベースが適切にレスポンスするか確認します。詳細ページから知識ベース ID を記録してください。 ## ソリューションのデプロイ ## ステップ 5：サポートインフラストラクチャのデプロイ - CloudFormation スタックを起動します。AWS CloudFormation コンソールにリダイレクトされます。 - スタックパラメータでは、テンプレート URL が事前に設定されています。 スタック名には、デプロイメント用の名前を入力してください（デフォルト：ag-repair-assist）。 - KnowledgeBaseId には、前セクションで記録した知識ベース ID を入力します。 - 内容を確認してスタックを作成します。 - デプロイが成功したら、CloudFormation スタックの「Outputs」タブから以下の値をメモしてください： AgentCoreExecutionRoleArn – エージェント設定時に使用 - CognitoDiscoveryUrl – エージェント設定時に使用 - UserPoolClientId – エージェント設定時に使用 - EquipmentIssuesTableName – エージェントデプロイ時に使用 - UserPoolId – フロントエンド設定時に使用 - IdentityPoolId – フロントエンド設定時に使用 - AmplifyConsoleUrl – フロントエンドデプロイメントに使用 - AmplifyAppUrl – アプリケーション URL ## ステップ 6：エージェントのデプロイ（ローカルマシンから） *AWS 認証情報を設定したローカルターミナルで、以下のコマンドを実行してください。Python 3.10 以降が必要です。* - プロジェクトディレクトリを作成し、環境を設定する mkdir agriculture-repair-agent && cd agriculture-repair-agent python3 -m venv .venv source .venv/bin/activate - AgentCore ツールキットと依存関係をインストールする pip install "bedrock-agentcore-starter-toolkit>=0.1.21" strands-agents strands-agents-tools boto3 - 次に、エージェントコードをダウンロードして展開します。これには 2 つのファイルが含まれています：agriculture_repair_agent.py（エージェントロジック）と requirements.txt（依存関係）。 - エージェントを設定します。このコマンドは、AgentCore デプロイメントの実行ロール、OAuth、メモリ設定を設定します: agentcore configure -e agriculture_repair_agent.py - プロンプトが表示されたら、以下の値を入力してください: **エージェント名:** デフォルト名（agriculture_repair_agent）を使用するには **Enter キーを押す** **要件ファイル:** requirements.txt 依存関係ファイルを確認するには **Enter キーを押す** **デプロイ構成:** **選択肢 1 を選択**。"Direct Code Deploy - Python only, no Docker required"（直接コードデプロイ - Python のみ、Docker は不要）を選択し、**Enter キーを押す**。 **Python ランタイムバージョンの選択:** 複数の Python バージョンがある場合は、**3.10 以上を選択** **実行ロール:** ステップ 5 の CloudFormation 出力から **** を貼り付けて **Enter キーを押す**。 **S3 バケット URI/パス:** ステップ 2 で作成された S3 バケットの **** を入力して **Enter キーを押す**。 **OAuth 認証子を設定しますか?:** はいを選択し、**Enter キーを押す**。 **OAuth 発見 URL の入力:** ステップ 5 の CloudFormation 出力から **** を貼り付けて **Enter キーを押す**。 **許可された OAuth クライアント ID の入力:** ステップ 5 の CloudFormation 出力から **** を貼り付けて **Enter キーを押す**。 **許可された OAuth オーディエンスの入力:** スキップするには **Enter キーを押す**（空欄のまま。アクセストークンは aud クレームではなく client_id クレームを使用します） **許可された OAuth 許可スコープの入力:** スキップするには **Enter キーを押す**（空欄のまま） **許可された OAuth カスタムクレームを JSON 文字列として入力:** スキップするには **Enter キーを押す**（空欄のまま） **リクエストヘッダーのホワイトリストを設定しますか?:** デフォルト（なし）を受け入れるには **Enter キーを押す** **メモリ構成:** 新しいメモリを作成するには **Enter キーを押す** **長期メモ機能を有効にしますか?:** **はい** 設定完了後のエージェント構成詳細 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/27/ML-18699-2.png) - エージェントを AgentCore Runtime にデプロイします。ローカルの Docker は不要です。このプロセスには約 5〜10 分かかります。 agentcore launch --env KNOWLEDGE_BASE_ID= --env TABLE_NAME= --env MODEL_ID=us.amazon.nova-2-lite-v1:0 - 完了後、出力からエージェントランタイム ARN をメモしてください。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/27/ML-18699-3.png) CloudFormation スタックは、必要な権限を持つエージェント実行ロールを作成します。追加の IAM 設定は不要です。 ## ステップ 7: フロントエンドのデプロイ - 上記リンクから ML-18699-FrontEnd.zip をダウンロードしてください。 - ステップ 5 の CloudFormation Outputs にある AmplifyConsoleUrl に移動します。 - 「Deploy updates」をクリックし、「Drag and drop method（ドラッグ＆ドロップ方式）」を選択して「Choose .zip folder」をクリックした後、"Save and Deploy"をクリックします。 - デプロイが完了するまで待ちます。 ## ウェブアプリケーションの使用 ステップ 5 の CloudFormation Outputs から AmplifyAppUrl を開きます。初回起動時、設定情報の入力を求められます。CloudFormation スタックの出力（ステップ 5）およびエージェントデプロイメント（ステップ 6）から取得した値を入力してください。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/27/ML-18699-4.png) 設定を保存した後、"Sign-Up（サインアップ）"オプションを使用してアカウントを作成し、メールを確認してサインインしてください。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/27/ML-18699-5.png) サインインすると、メインのダッシュボードが表示されます。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/27/ML-18699-6.png) 試してみたいサンプルクエリをいくつか紹介します：** 問題分析: プロンプト: ジョンディー 1023E シリーズのトラクターで、重い作業具を持ち上げる際に左側の油圧が低下しています。負荷がかかると圧力が 2500 PSI から約 1800 PSI に下がります。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/27/ML-18699-7.png) 技術者チャット: プロンプト: ジョンディー 1025R に推奨される油圧流体は何ですか？ ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/27/ML-18699-8.png) ## クリーンアップ **重要:** このソリューションによってデプロイされた AWS リソースは、削除されるまで継続的な課金が発生します。これには Amazon DynamoDB、Amazon S3、AWS Amplify ホスティング、および Amazon Cognito が含まれます。AgentCore Runtime（ランタイム）と Amazon Bedrock は使用時のみ課金されます。課金を停止するためには、以下のクリーンアップ手順をすべて完了してください。 ***警告***: S3 バケットを削除すると、保存されているすべての機器ドキュメントが永久に消去されます。保持したいファイルは、処理前に必ずバックアップしてください。 - エージェントの削除: agentcore destroy - CloudFormation スタックの削除: aws cloudformation delete-stack --stack-name ag-repair-assist - ナレッジベースの削除: [AWS Bedrock ナレッジベース コンソール](https://ap-south-1.console.aws.amazon.com/bedrock/home?/knowledge-bases) で、Agriculture-Equipment-Repair-KB を選択し、**Delete**（削除）を選択します。 - S3 バケットの空化と削除: aws s3 rm s3://agriculture-kb-documents- --recursive aws s3 rb s3://agriculture-kb-documents- ## 実装における考慮事項 **データ管理とナレッジベースの設定** メーカーが新しい機器モデルをリリースしたり、既存のドキュメントを更新したりするたびに、ナレッジベースもそれに応じて進化させる必要があります。定期的な同期スケジュールと自動化されたワークフローを組み合わせることで、システムは新しいアップロードをシームレスに処理できます。 **Amazon Bedrock AgentCore の設定** 異なるトラブルシューティング

Amazon Bedrock AgentCore を活用した AI 搭載機器修理アシスタントの構築方法

背景や根拠まで確認しますか？

関連記事