Amazon Bedrock AgentCoreとAmazon Bedrock Knowledge Basesを使用したインテリジェントイベントエージェントの構築

Amazon Bedrock AgentCore と Amazon Bedrock Knowledge Bases を活用したインテリジェントなイベントエージェントの構築 大規模な会議やイベントでは、数百セッションやワークショップ、スピーカーのプロフィール、会場マップ、そして常に変化するスケジュールなど、膨大な量の情報が生成されます。基本的な AI アシスタントはイベントの物流に関する単純な質問には答えることができますが、参加者が複雑で数日間にわたる会議を効果的にナビゲートするために必要とするパーソナライズされたガイダンスや文脈認識を提供できないケースがほとんどです。さらに重要なのは、これらのプロトタイプを実証から本番環境へ移行する際、エンタープライズセキュリティ、数千名の同時ユーザーへのスケーラビリティ、そして信頼性の高いパフォーマンスを実現するには、通常、インフラストラクチャの開発に数ヶ月を要することです。 この記事では、Amazon Bedrock AgentCore のコンポーネントを活用して、すぐに本番環境で利用可能なイベントアシスタントを迅速にデプロイする方法を示します。参加者の好みを記憶し、時間をかけてパーソナライズされた体験を構築するインテリジェントなコンパニオンを作成しますが、本番環境へのデプロイにおける重労働は Amazon Bedrock AgentCore が担当します。具体的には、カスタムストレージソリューションなしで会話の文脈と長期的な好みを維持するための「Amazon Bedrock AgentCore Memory」、セキュアなマルチ IDP 認証のための「Amazon Bedrock AgentCore Identity」、サーバーレススケーリングとセッション分離のための「Amazon Bedrock AgentCore Runtime」です。また、管理された RAG（Retrieval-Augmented Generation）およびイベントデータの検索には Amazon Bedrock Knowledge Bases を使用します。 最終的には、あらゆる対話を通じてより有益になっていくアシスタントのデプロイ方法を学びます。これは、参加者が最も価値のあるセッションを見つけられるようにする能動的なガイドであり、インフラ管理を一切行わずに、エンタープライズグレードのセキュリティと信頼性をもって、数千名の同時開催の会議参加者に対応できる準備が整います。 Amazon Bedrock AgentCore が初めての方は、この実装に取り組む前に、以下のブログ記事を確認して基礎概念を理解することをお勧めします: Amazon Bedrock AgentCore Runtime（ランタイム） Amazon Bedrock AgentCore Memory（メモリ） Amazon Bedrock AgentCore Identity（アイデンティティ） ソリューションアーキテクチャ それでは、インテリジェントイベントエージェントのアーキテクチャとワークフローを見ていきましょう。完全な実装は、この GitHub リポジトリで公開されており、ご自身の AWS アカウントでこのソリューションをデプロイするためのガイド付きノートブックが用意されています。 ![](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/02/17/ML-19838-1.png) ソリューションの動作原理 それでは、異なるセクションを詳しく見ていきましょう: 1. ユーザーログインとアイデンティティ取得 ユーザーは Amazon Cognito（AgentCore Identity は Okta、Auth0、OIDC 準拠 IDP など他のアイデンティティプロバイダーもサポート）を使用してアプリケーションにログインし、認証が成功するとベアートークンが発行されます。このトークンにはユーザーに関する情報が含まれており、ワークフロー全体を通じて認証およびユーザー固有データの取得に使用されます。 2. エージェントの呼び出しと初期化 ユーザーがアプリケーションと対話してクエリを送信すると、アプリケーションは Amazon Bedrock AgentCore Runtime を呼び出し、3 つの主要パラメータを渡します：ユーザーのクエリ、セッション ID（例：SessionA 最初の対話において、Strands Agent は Amazon Bedrock AgentCore Runtime 内で初期化され、Amazon Bedrock AgentCore Memory の長期ストレージから利用可能なすべてのユーザー設定を取得し、パーソナライズされたコンテキストで自身を準備します。同じセッション内のその後の対話では、エージェントはすでに確立したコンテキストを用いて会話を継続します。 3. メッセージ処理 エージェントは、Amazon Bedrock AgentCore Memory の短期ストレージにユーザーとアシスタントの両方のメッセージを保存し、actor_id を含みます。 各メモリ戦略は、パターン認識と自然言語理解（Natural Language Understanding）を用いて生会話データを分析し、ユーザー設定などの特定の種類の価値ある情報を特定し、長期保持に値する意味のある洞察を抽出します。その後、システムはこの抽出された情報を標準化されたメモリレコードとして構造化し、関連メタデータでタグ付けして、長期メモリの専用名前空間に保存します。これにより、エージェントは複数のセッションにわたってユーザーに対する理解を徐々に洗練させていくことができます。 4. 知識とメモリの検索 ユーザーの要求に応えるために、エージェントは専門的なツールをトリガーする可能性があります。Amazon Bedrock のナレッジベースを呼び出して、セッションの説明、スケジュール、スピーカーの経歴など、最新のイベント詳細を取得できます。 5. レスポンス生成 エージェントは、長期記憶（パーソナライズされた参加者履歴）からの洞察、短期記憶（セッション内の直近のメッセージ）からのコンテキスト、およびナレッジベースからの現在のイベントデータという 3 つの層で強化されたクエリを処理します。その後、文脈に即したパーソナライズされたレスポンスを生成します。このアーキテクチャにより、「明日どのセッションに参加すべきか」といった単純なクエリが、パーソナライズされた体験へと変換されます。エージェントはユーザーが昨日気に入ったトピックを思い出し、現在の会話を考慮し、ユーザーの興味や履歴に合わせた具体的な推奨事項で応答します。 ソリューションコンポーネント 次に、ソリューションの各コンポーネントの役割について理解しましょう。 エージェント（AgentCore Runtime およびアイデンティティ統合） イベントアシスタントソリューションの中核を担うのは、Amazon Bedrock AgentCore Runtime です。これはエージェントをホストするための安全なサーバーレス環境を提供するコンポーネントです。Runtime は、独立したマイクロ VM で実行され、それぞれが専用の CPU、メモリ、ファイルシステムリソースを持つセッションを通じて、ユーザーとのインタラクションの完全なライフサイクルを管理します。このセッションの分離により、数千名の会議参加者が同時にパーソナライズされたエージェントインスタンスと対話しても、セッション間のデータ汚染が生じることはありません。 ![](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/02/17/ML-19838-4-edited.png) セキュリティと認証は、Amazon Bedrock AgentCore Identity によって処理され、これは Amazon Cognito（および他の IDP）とシームレスに統合されます。参加者がイベントアシスタントへクエリを送信すると、Amazon Bedrock AgentCore Identity は、インタラクションを続行する前に Amazon Cognito からのベアラートークンを検証します。このベアラートークンはヘッダーを通じて伝播され、エージェントはこのトークンを取得して Amazon Cognito のディスカバリーサーバーを呼び出し、ユーザーの sub およびその他の関連ユーザー情報を抽出します。本ユースケースでは、ユーザーの sub を actor_id として使用します。 Runtime のスケーラブルなホスティングインフラストラクチャと Identity の認証フレームワークを組み合わせることで、イベントアシスタントはより安全に大規模会議に対応しつつ、各参加者に対して一貫してパーソナライズされたガイダンスを提供することができます。 Amazon Bedrock AgentCore Memory は、単なる Q&A ツールから真にパーソナライズされたガイドへと変えるための重要な文脈認識機能を提供します。このサービスは短期記憶と長期記憶で構成されており、両者が連携することで、参加者とイベントアシスタントの間で継続的かつ進化し続ける関係性を可能にします。 短期記憶：会話の捕捉 短期記憶は、インタラクションが始まる場所です。会話が進行するにつれて、エージェントは各メッセージ交換を不変のイベントとして短期記憶に同期して保存します。これらのイベントは actor_id によって階層的に整理されます。 この組織構造には2つの重要な目的があります。第一に、各会話の時系列ナラティブを維持し、対話の自然な流れを保つことです。第二に、厳密な分離を提供することです。セッション A1 におけるアクター A の会話は、セッション B や他のアクターのセッションとは完全に独立しています。これによりプライバシーが確保され、エージェントは関連しないデータをロードすることなく、正確に必要な会話文脈を即座に取得できます。エージェントは短期記憶から直近のメッセージを素早く取得して会話の連続性を維持します。参加者が「そのセッションは何時ですか？」といったフォローアップ質問をした場合、エージェントは直前の会話履歴に即座アクセスできるため、どのセッションについて話されたかを把握しています。 ![](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/02/17/ML-19838-5-edited.png) 長期記憶：永続的な知性の構築 短期記憶は発言された内容を捉えるのに対し、長期記憶は重要な要素を抽出します。会話が行われる間、AgentCore Memory サービスはこれらの対話を自動的に処理し、セッションを超えて持続する意味のある洞察を特定して保存します。当社のイベントエージェントは、セッション形式、トピック、またはプレゼンテーションスタイルに関する明示的な嗜好を捉えるために「ユーザーの好み（User Preferences）」戦略を使用しています。例えば、「講義よりも実践的なワークショップを好む」や「サーバーレスおよび機械学習のトピックに興味がある」といった内容です。 これらの好みは、長期記憶内の専用名前空間（例：/event-agent/actor-A/preferences）に保存されます。 エージェントとメモリのオーケストレーション Strands エージェントと AgentCore Memory の間のシームレスな統合は、エージェントフックによってサポートされています。これは、エージェントのライフサイクル全体を通じて自動的にメモリ操作をトリガーするイベント駆動型の接点です。以下の図に示す通り： 「Agent Initialized Event」フックは、セッション開始時に長期記憶からユーザーの好みを取得し、参加者の興味や好みのセッションタイプを読み込んで、最初のクエリからパーソナライズされた推奨を提供できるようにします。 「Message Added Event」フックは、各ユーザーメッセージとアシスタントメッセージを捕捉し、会話履歴を維持するために同期して短期記憶に保存します。 注：AgentCore は自動的にメモリツールを実装する自動メモリマネージャーを提供していますが、このソリューションではフックを使用し、イベントアシスタントの特定のワークフローに対してメモリオペレーションがいつどのように呼び出されるかを精密に制御することで、微調整された最適化を実現しています。 これらの自動操作に加え、情報が不足している場合は、エージェントは「セッションデータの取得」ツールを使用して、Amazon Bedrock のナレッジベースから現在のイベント詳細を照会します。 このデュアルアプローチ—起動時に必要なコンテキストをプリロードし、必要に応じて詳細を選択的に取得する—は、不要な情報でセッションコンテキストを肥大化させることなく、速度と精度の両方を提供します。 ![](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/02/17/ML-19838-7-edited.png) Amazon Bedrock ナレッジベース AgentCore Memory はパーソナライズされたコンテキストと会話履歴を維持しますが、大規模なカンファレンスでは数百のセッション詳細、スピーカープロフィール、会場マップ、スケジュール更新など、効率的な整理と検索が必要な構造化情報が膨大に生成されます。 Amazon Bedrock Knowledge Bases は、ファウンデーションモデルをデータソースに接続することで、検索拡張生成（RAG）をサポートする完全管理型サービスです。ドキュメントの取り込み、処理、インデックス化を自動的に処理し、ベクトルデータベースに保存されるベクトル埋め込みに変換します。これにより、エージェントは意味や文脈に基づいて情報を取得するセマンティック検索を実行できるようになります。 このアーキテクチャでは、知識ベースが Strands フレームワーク内の専用ツールとして実装されています。参加者がセッション、スピーカー、会場運営に関する具体的な質問をした際、エージェントはこのツールを呼び出して、正確で最新の情報を取得します。メモリと知識ベースの統合は強力な組み合わせを生み出します。例えば、「どの AI セッションに参加すべきか」という質問に対し、エージェントは知識ベースからセッション詳細を取得すると同時に、参加者が以前に表明した興味に基づいて推奨事項をフィルタリングし優先順位をつけるためにメモリを活用します。これにより、事実に基づく完全性と個人的な関連性の両方を備えた回答が可能となり、大規模カンファレンスの圧倒的な複雑さを管理可能で個別化されたガイダンスへと変換するのを支援します。 本稿では、Amazon Bedrock AgentCore コンポーネントを活用してイベントアシスタントを迅速にプロダクション環境へ展開する方法について探求しました。

Amazon Bedrock AgentCoreとAmazon Bedrock Knowledge Basesを使用したインテリジェントイベントエージェントの構築

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト