Amazon Bedrock AgentCoreとは？料金・できること・使い方まで徹底解説！

今、AI導入の最前線は、単に質問に答えるだけのRAG（検索拡張生成）から、具体的なタスクを完遂するAIエージェントへとシフトしています。その中心にあるのが、AWSが提供するフルマネージドサービスAmazon Bedrock Agentsです。

本記事では、特にその中核となるAgentCore（エージェントの頭脳と実行制御）の仕組みを解剖します。2025年7月にプレビュー版が発表され、2025年10月14日に一般公開されたAmazon Bedrock AgentCoreは、あらゆるフレームワークとモデルを用いて、高機能なAIエージェントを安全かつ大規模に構築・デプロイ・運用するためのプラットフォームです。

モジュール式のサービス群（Runtime／Identity／Memory／Code Interpreter／Browser／Gateway／Observability）を必要に応じて単独または組み合わせて利用でき、サーバーレス基盤・セッション分離・長時間実行・観測性といった本番運用に不可欠な要件を満たします。

本記事では、Amazon Bedrock AgentCoreの料金・できること・7つの構成サービスの技術的詳細・既存サービスとの違い・Pythonを用いた実装コード使い方までを徹底的に解説します。

AIエージェントに強い会社の選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIエージェントに強い会社選定を依頼

Amazon Bedrock AgentCoreとは？

Amazon Bedrock AgentCoreは、AIエージェントを本番環境で安全かつスケーラブルに開発して運用するためのプラットフォームであり、任意のオープンソースフレームワークや任意のモデルと連携できます。

開発者は、エージェントの有効性を高めるツールと機能、エージェントを安全にスケールするための専用インフラ等を利用できます。サービスはコンポーザブルであり、LangGraph・CrewAI・Strands Agentsなどのフレームワークや任意のプロトコル・モデルと併用できます。

Amazon Bedrock Agentsとの違い

Amazon Bedrock Agentsは、企業のシステム・API・データソースと接続し、基盤モデルを使ってユーザーのリクエストを分析し、必要な情報を取得しながら多段階タスクを自動化するためのサービスです。AWSコンソール上で手軽に定義できる、オールインワン型のアプローチと言えます。

メモリ保持・検索拡張生成・コード解釈・ガードレール・マルチエージェント協調などの機能があらかじめ組み込まれています。

一方で、Amazon Bedrock AgentCoreは、AIエージェントを本番環境で安全かつ大規模に運用するためのモジュール化されたインフラ基盤です。

つまり、「Bedrock AgentsがAIエージェントを誰でも簡単に作れるビルダー」であるのに対し、「Bedrock AgentCoreはエンジニアがこだわりのアーキテクチャを実装するためのパーツ群」という位置づけになります。

今後はAmazon BedrockにおけるAIエージェント開発・運用では、AgentCoreの方が主流になると考えられます。

公式サイト

AIエージェントに強い会社の選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIエージェントに強い会社選定を依頼

Amazon Bedrock AgentCoreの7つのサービスとできること

Amazon Bedrock AgentCoreは、7つのサービスによって構成されており、エージェントの安全かつ大規模なデプロイ・エージェントの強化・運用状況の監視を一貫して行える環境を提供します。以下では、各サービスの概要と、それによってできることをまとめて紹介します。

AgentCore Runtime：スケーラブルでセキュアなデプロイ

AgentCore Runtimeは、安全なサーバーレス環境でエージェントを実行するための基盤です。任意のフレームワーク（LangGraph、CrewAI、Strandsなど）やモデルと連携し、最大8時間の長時間ワークロードの実行も可能です。

完全なセッション分離により、ユーザーやタスクごとに隔離された実行環境が確保され、セキュリティを維持しつつスケールできます。

インフラ管理が不要なため、準備・構築にかかるコストを大幅に削減しながら、本番対応のエージェントを容易にデプロイできます。

AgentCore Identity：セキュアなアクセス管理

Identityは、エージェントがAWSリソースや外部ツールへ安全にアクセスするためのID管理機能を提供します。既存のIDプロバイダーと互換性があり、認証・権限の委譲が自動化されるため、新しい認証システムを構築する必要はありません。

必要最小限の権限だけをエージェントに付与できるため、高度なセキュリティ基準を保ちながら外部サービスとの連携が可能になります。

AgentCore Memory（パーソナライズされた応答を実現）

Memoryは、短期メモリ（多ターンの会話向け）と長期メモリ（複数セッション間で共有可能）の両方を提供します。これにより、エージェントは過去の対話内容、ユーザー情報、文脈を保持し、一貫性のある質の高い応答が可能になります。

複雑なメモリインフラを管理する必要がなく、何を記憶し、どう活用するかを柔軟に制御できます。

AgentCore Browser（ウェブ操作の自動化）

Browserツールは高速で安全なクラウドベースのブラウザランタイムを提供します。エージェントがウェブサイトを操作したり、情報を取得したりする複雑なワークフローを自動化できます。

インフラ管理なしで自動スケールされるため、大規模なブラウザ操作タスクにも対応できます。

AgentCore Code Interpreter（安全なコード実行）

Code Interpreterは、サンドボックス環境でコードを安全に実行できる機能です。データ処理、可視化、計算などの複雑なタスクをエージェントが自動的に実行できます。

高度な設定やフレームワーク統合にも対応しており、複雑なワークフローや分析処理をエージェントに任せることができます。

AgentCore Gateway：外部ツールとのシームレスな連携

Gatewayは、API・Lambda・既存サービスをエージェント互換のツールへ簡単に変換できる仕組みを提供します。AgentCore GatewayはMCP（Model Context Protocol）をネイティブサポートしています。

AI業界で標準化が進むMCPは、AIが外部ツール（Google Drive, Slack, 社内DBなど）と会話するための共通規格です。 一度MCP準拠でツールを作れば、モデルやフレームワークが変わっても再利用可能です。

Gatewayにより、エージェントを社内ツール・SaaS・外部APIとスムーズに接続でき、業務プロセスを横断して自律的に行動するエージェントを構築できます。 コードやセキュリティ実装に費やす時間を大きく削減可能です。

AgentCore Observability：テスト・監視・デバッグ

Observabilityは、CloudWatchベースの包括的なモニタリング機能を提供し、エージェントの挙動をリアルタイムで可視化できます。トークン使用量、レイテンシ、エラー率、セッション時間などの運用メトリクスを追跡し、問題の特定やパフォーマンス改善に役立てることができます。

ワークフロー全体をトレースして確認できるため、品質保証やコンプライアンス対応にも適しています。さらに、OpenTelemetryとの互換性により、既存の監視基盤へ容易に統合できます。

より詳しくは、こちらをご覧ください。

Amazon Bedrock AgentCoreの料金

AgentCoreは初期費用や最低料金のない従量課金の消費ベース価格で、各サービスは単独または組み合わせて利用できます。

以下の表は、各サービスの課金方式と単価になります。なお、CPU/メモリ系は秒単位で計測され、1時間あたりの値段が記載されています。

上記は、2025年11月時点の情報になります。随時変更の可能性があるため、詳しくは公式ページをご確認ください。

AIエージェントに強い会社の選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIエージェントに強い会社選定を依頼

Amazon Bedrock AgentCoreの使い方

公式チュートリアルの手順に沿って使い方を詳しく解説していきます。

前提条件とツールキットの準備

以下は前提条件となります。

• AWS権限（AWSのコンソールからアクセストークンを発行、ターミナルで認証）
• AWS CLI v2以降
• Python 3.10以降

また、AgentCore starter toolkitのインストールが必要です。

# 仮想環境の構築とactivate
python -m venv .venv
source .venv/bin/activate  # Linux, mac
.venv\Scripts\activate  # Windows

# パッケージをインストール (version 0.1.21 or later)
pip install "bedrock-agentcore-starter-toolkit>=0.1.21" strands-agents strands-agents-tools boto3

エージェントの作成と設定

Strands SDKを用いたサンプルのagentcore_starter_strands.pyを作成し以下のコードを貼り付けます。

以下は、標準的なフレームワーク strands を使用した実装例です。 ポイントは、AgentCoreMemorySessionManager をバインドするだけで、複雑なDB設計なしに「永続的な記憶」が手に入る点です。

import os
from strands import Agent
from strands_tools.code_interpreter import AgentCoreCodeInterpreter
from bedrock_agentcore.memory.integrations.strands.config import AgentCoreMemoryConfig, RetrievalConfig
from bedrock_agentcore.memory.integrations.strands.session_manager import AgentCoreMemorySessionManager
from bedrock_agentcore.runtime import BedrockAgentCoreApp

app = BedrockAgentCoreApp()

MEMORY_ID = os.getenv("BEDROCK_AGENTCORE_MEMORY_ID")
REGION = os.getenv("AWS_REGION")
MODEL_ID = "us.anthropic.claude-3-7-sonnet-20250219-v1:0"

@app.entrypoint
def invoke(payload, context):
    actor_id = "quickstart-user"

    # Get runtime session ID for isolation
    session_id = getattr(context, 'session_id', None)

    # Configure memory if available
    session_manager = None
    if MEMORY_ID:
        memory_config = AgentCoreMemoryConfig(
            memory_id=MEMORY_ID,
            session_id=session_id or 'default',
            actor_id=actor_id,
            retrieval_config={
                f"/users/{actor_id}/facts": RetrievalConfig(top_k=3, relevance_score=0.5),
                f"/users/{actor_id}/preferences": RetrievalConfig(top_k=3, relevance_score=0.5)
            }
        )
        session_manager = AgentCoreMemorySessionManager(memory_config, REGION)

    # Create Code Interpreter with runtime session binding
    code_interpreter = AgentCoreCodeInterpreter(
        region=REGION,
        session_name=session_id,
        auto_create=True
    )

    agent = Agent(
        model=MODEL_ID,
        session_manager=session_manager,
        system_prompt="""You are a helpful assistant with code execution capabilities. Use tools when appropriate.
Response format when using code:
1. Brief explanation of your approach
2. Code block showing the executed code
3. Results and analysis
""",
        tools=[code_interpreter.code_interpreter]
    )

    result = agent(payload.get("prompt", ""))
    return {"response": result.message.get('content', [{}])[0].get('text', str(result))}

if __name__ == "__main__":
    app.run()

また、同じディレクトリにrequirements.txtを作成し、以下のコードを貼り付けます。

strands-agents
bedrock-agentcore
strands-agents-tools

次に、エージェントを構成するために、以下のコマンドを実行します。何度かキー入力が求められますが、基本的にはEnterキーを押していけば問題は発生しません。

agentcore configure -e agentcore_starter_strands.py

もし、「Configuration failed: Unable to locate credentials」といったエラーが出た場合は、AWS権限設定とAWS CLIのインストールが済んでいるか再度ご確認ください。

デプロイとステータス確認

以下のコマンドでメモリのプロビジョニング、コンテナビルド、ECRプッシュ、Runtimeへのデプロイ、トレース設定、エンドポイント有効化までを実施します。5分程度時間がかかることもあるようです。

agentcore launch

エージェントのデプロイに成功したら、以下でメモリ構成（短期／長期）やObservabilityの有効化状況を確認できます。

agentcore status

メモリとCode Interpreterの動作確認

Amazon Bedrock AgentCoreでは、短期メモリ（STM）・長期メモリ（LTM）・Code Interpreter を通じて、情報の保持とコード実行を行えます。

短期メモリ（STM）の動作確認

短期メモリは同一セッション内でのみ情報を保持し、マルチターン対話で一時的なコンテキストを扱います。まず情報を記憶させ、その後同じセッション内で取り出せることを確認します。

短期メモリに保存して、同じセッション内から取得する例は以下の通りです。

# 情報を記憶させる（セッションIDは33文字以上）
agentcore invoke '{"prompt": "Remember that my favorite agent platform is AgentCore"}'

# 同じセッションで記憶内容を取得
agentcore invoke '{"prompt": "What is my favorite agent platform?"}'

期待される応答例：

"Your favorite agent platform is AgentCore."

長期メモリ（LTM）の動作確認

長期メモリはセッションをまたいで情報を保持するのが特徴です。長期メモリはバックグラウンドで情報抽出が行われるため、新しいセッションを開始する前に抽出が完了するまで待つ必要があります。

まず、最初のセッションで情報を保存します。

# Session 1: 長期メモリに保存される情報を入力
agentcore invoke '{"prompt": "My email is user@example.com and I am an AgentCore user"}'

エージェントを起動すると、AgentCore がバックグラウンドで抽出処理を実行します。通常、この抽出には 10〜30 秒ほどかかります。このバックグラウンド処理により、ユーザーの対話レスポンスをブロックせずに、裏側で重い記憶処理を回せるのがAgentCoreの強みです。

ファクトが表示されない場合は、さらに数秒待機します。

次に、別のセッションを開始して、保存された内容が取得できることを確認します。

sleep 20

# Session 2: 別のランタイムセッションから最初のセッションで抽出された情報を取得
SESSION_ID=$(python -c "import uuid; print(uuid.uuid4())")
agentcore invoke '{"prompt": "Tell me about myself?"}' --session-id $SESSION_ID

期待される応答例：

"Your email address is user@example.com."
"You appear to be a user of AgentCore, which seems to be your favorite agent platform."

Code Interpreterの動作確認

Code Interpreterはサンドボックス環境で安全にコードを実行し、データ処理や可視化などのタスクをエージェントから自動的に実行させるための機能です。データを格納したうえで、可視化の生成などを行わせることで動作を確認できます。

まず、データを格納します。

# データを保存
agentcore invoke '{"prompt": "My dataset has values: 23, 45, 67, 89, 12, 34, 56."}'

続いて、データ分布の可視化を生成させます。

# 可視化の生成
agentcore invoke '{"prompt": "Create a text-based bar chart visualization showing the distribution of values in my dataset with proper labels"}'

エージェントが matplotlib を用いた可視化用のコードを自動生成し、テキストベースの棒グラフやその説明を返した場合はうまくいっています。

詳しくは、公式チュートリアルをご参照ください。

AIエージェントに強い会社の選定・紹介を行います

今年度AI相談急増中！紹介実績1,000件超え！

・ご相談からご紹介まで完全無料
・貴社に最適な会社に手間なく出会える
・AIのプロが貴社の代わりに数社選定
・お客様満足度96.8%超

完全無料・最短1日でご紹介 AIエージェントに強い会社選定を依頼

Amazon Bedrock AgentCoreについてよくある質問まとめ

まとめ

AgentCoreは、コンポーザブルな7つのサービスをサーバーレス基盤上で提供し、エージェントのデプロイ・強化・モニタリングを一体で支援します。

任意のフレームワークとモデルに対応し、7つのサービスを組み合わせることで短時間で本番対応エージェントを立ち上げられます。

しかし、自由度が高いモジュール型のサービスであるため、既存の社内システムとの接続設計や、コスト対効果を最大化するためのアーキテクチャ選定には高度な専門知識が求められます。AgentCoreの導入による開発工数の削減や、セキュリティリスクの低減を検討される際はエンタープライズAIの構築実績が豊富な専門家への相談をお勧めします。