developersIO
[アップデート] AgentCore CLI v1.0.0がリリースされました！

[アップデート] AgentCore CLI v1.0.0がリリースされました！

AgentCore CLI v1.0.0がついにリリースされました！プロジェクト外からもコマンドが実行できるようになったので、主な変更点と実際に試してみた結果をご紹介します！
Amazon Bedrock AgentCore
神野 雄大
2026.10.26

はじめに

こんにちは、コンサル部の神野（じんの）です。

ついにAgentCore CLI v1.0.0がリリースされました！！！なんだか感慨深いですね・・・

https://github.com/aws/agentcore-cli/releases/tag/v1.0.0

本記事では主な変更点をまとめて、実際にいくつか触ってみます！以前までのAgentCore CLI自体については下記ブログで紹介しているので昔はこうだったんだーと見るのも面白いかもしれないですね！

https://dev.classmethod.jp/articles/agentcore-cli-deploy/

前提

今回使用した環境は下記です。

項目 バージョン
AgentCore CLI 1.0.0（移行元として0.31.1も使用）
Node.js 26.7.0
リージョン us-east-1

AgentCore CLIはpnpmでグローバルインストールしておきます。

インストール
pnpm add -g @aws/agentcore@1.0.0

主な変更点

リリースノートは変更が非常に多いので、使い方に関わるものを抜き出しました・・・！

プロジェクトの外からリソースを扱えるようになった

一番大きいのがコマンドの構成です。

0.x系では、statusやinvokeなどのコマンドはプロジェクト（agentcore.jsonのあるディレクトリ）の中で実行する前提で、外で実行するとNo agentcore project found.で呼び出すことはできませんでした。

それがv1.0.0では、プロジェクトを操作するコマンド（create、deployなど）とは別に、デプロイ済みのリソースを直接扱うコマンド（harness、runtime、memory、gatewayなど）が追加されました！

リソース系のコマンドはIDを指定して使うので、プロジェクトの外からでもアカウント内のリソースを一覧したり、呼び出したり、実行環境でコマンドを実行したりできます。

0.x系はプロジェクト経由でだけリソースを扱い、v1.0.0はリソース系コマンドでプロジェクトの外からも扱える

CLIや別のツールでデプロイしたエージェントをちょっと確認したいときに、コンソールへ移動しなくて済むのは嬉しいですね！！！
地味にこの機能は欲しいなーと思っていました。

Harnessの設定ファイルがYAMLになった

Harnessの設定ファイルがharness.jsonからharness.yamlに変わりました！

0.x系は独自の書き方でしたが、v1.0.0ではHarnessのAPIと同じ構造で書きます。
同じ設定（Bedrockのモデル、メモリなし）で比べるとこんな感じです。

0.x系のharness.json
{
  "name": "legacy",
  "model": {
    "provider": "bedrock",
    "modelId": "global.anthropic.claude-sonnet-4-6"
  },
  "tools": [],
  "skills": [],
  "memory": {
    "mode": "disabled"
  }
}
v1.0.0のharness.yaml
name: legacy
model:
  bedrockModelConfig:
    modelId: global.anthropic.claude-sonnet-4-6
tools: []
skills: []
memory:
  disabled: {}

APIリファレンスと同じ項目名になったので、ドキュメントを見ながら設定を足しやすくなりました。

プロジェクトはテンプレートを選んで作る

agentcore createで言語やフレームワークを個別に指定する形から、テンプレート名を1つ選ぶ形に変わりました。

0.x系
agentcore create --project-name MyProject --name agent \
  --framework Strands --language Python --model-provider Bedrock --memory none
v1.0.0
agentcore create --name MyProject --template agent-python-strands

agentcore create --helpで一覧できるテンプレートは、たとえば下記です。

  • Strandsのエージェント（Python・TypeScript、Pythonはコンテナ版もあり）
  • LangChainのエージェント
  • Vercel AI SDKのエージェント（TypeScript）
  • A2AやAG-UIで通信するStrandsのエージェント
  • FastMCPで作るMCPサーバー

Bedrock以外のモデルを使う場合はオプションなしでagentcore createを実行してウィザードで選びます。Anthropic、OpenAI、Gemini、OpenAI互換のエンドポイント、LiteLLM（Pythonのみ）を選べます。

HarnessをIDのまま評価できるようになった

評価（eval）は0.x系でもできましたが評価対象に指定できるのはRuntimeだけでした（agentcore run eval --runtime ...）。

Harnessを評価するにはHarnessの裏で作られるRuntimeのARNを調べて--runtime-arnに渡す必要がありました（0.31.1で試したところ、この方法で評価できました）。

v1.0.0では評価のコマンドがagentcore evalの下にまとまり、評価対象の--agentにHarnessのIDをそのまま渡せます。もちろんRuntimeのIDも渡せます。

agentcore evalのメニュー。評価器、オンライン評価、データセット、バッチ評価などが並ぶ

0.x系
agentcore run eval --runtime MyAgent --evaluator Builtin.Helpfulness
v1.0.0
agentcore eval ondemand evaluate --agent <HarnessまたはRuntimeのID> \
  --session-ids <評価するセッションID> --evaluators Builtin.Helpfulness

オンライン評価（eval online-eval create）やバッチ評価（eval batch-evaluation evaluate）でも、同じように--agentでHarnessやRuntimeを指定できます。

評価器もプロジェクトに追加するだけでなく、eval evaluatorでプロジェクトなしに直接作れるようになりました。

0.x系のプロジェクトを移行できる

agentcore migrateで0.x系で作ったプロジェクトをv1.0.0の形式に変換できます。デプロイ済みのリソース名を保ったまま移行するので、作り直しは不要です。実際に試した結果は後半で紹介します。

そのほか

  • agentcore export harnessをプロジェクトの外からも実行できるようになった
  • ローカルに保存するプロジェクトの認証情報が暗号化されるようになった

0.x系から使い方が変わる点

  • agentcore createのオプションは--name、--template、--skip-install、--skip-gitの4つになった
  • 0.31.1で選べたGoogle ADKとOpenAI Agentsはv1.0.0のテンプレート一覧にはなかった
  • run evalやrun batch-evaluationなどの評価コマンドはagentcore evalの下に移った
  • Batch InsightsとOnline Insightsのコマンドとローカルに保存した評価結果の履歴（evals history）がなくなった

スクリプトやCIからCLIを使っている場合は、リリースノートを確認しておきましょう！

やってみた

引数なしでagentcoreを実行するとTUIが開きます。
なんだかシュッとしていますね。

AgentCore CLI v1.0.0のTUIのトップ画面。resourcesの下にharnessやruntimeなどのリソース系コマンドが並ぶ

上半分がプロジェクト系、resourcesの下に並んでいるのがリソース系のコマンドです。

ここから、HarnessとRuntimeのデプロイ、一覧や呼び出し、セッションの確認、移行の順に試していきます！

HarnessとRuntimeをデプロイする

まずはプロジェクトを作ってHarnessを追加しデプロイします。

実行コマンド
agentcore create --name CliV1Blog
cd CliV1Blog
agentcore add harness --name assistant --system-prompt "あなたは簡潔に日本語で答えるアシスタントです。"
agentcore deploy

作成されたapp/assistant/harness.yamlにはMCPツールやSkills、VPC、JWT認証の書き方がドキュメントのリンク付きでコメントとして記載されているので少し助かりそうです。

デプロイ先のaws-targets.jsonも、初回デプロイ時に認証中のアカウントとリージョンから自動で作られました。

デプロイ実行結果
created default deployment target: account 123456789012, region us-east-1 (agentcore/aws-targets.json)
verifying AWS account 123456789012
synthesizing CloudFormation templates
enabling CloudWatch Transaction Search
deploying AgentCore-CliV1Blog-default (usually takes a few minutes)
deployed project 'CliV1Blog' to target 'default'

さっそく呼び出してみます！

実行コマンド
agentcore invoke --harness assistant --prompt "AgentCore CLIとは何ですか？一文で答えて"

AgentCore CLIは、Amazon Bedrock AgentCoreのコマンドラインツールです。`agentcore configure`、`launch`、`invoke` などのコマンドで、AIエージェントの設定、AgentCore Runtimeへのデプロイ、呼び出しを行えます。

応答は返ってきましたが、configureやlaunchはStarter Toolkit時代のコマンドですね。モデルが持っている知識で答えているのでここはご愛嬌です！

RuntimeのほうはStrandsのテンプレートでプロジェクトを作ってデプロイしました。

実行コマンド
cd ..
agentcore create --name V1Strands --template agent-python-strands
cd V1Strands
agentcore deploy

テンプレートには足し算のツール（add_numbers）を持つStrandsのエージェントと、AgentCore Memoryの設定が入っています。Runtimeの呼び出しは次の節でプロジェクトの外から試します。

プロジェクトの外から一覧・呼び出しする

まずはプロジェクトの外でアカウント内のRuntimeを一覧してみます。

実行コマンド
cd /tmp
agentcore runtime list --json
実行結果（抜粋）
{
  "agentRuntimes": [
    {
      "agentRuntimeId": "sample_resource_memory-UeIgHSCSNd",
      "agentRuntimeName": "sample_resource_memory",
      "status": "READY"
    }
  ]
}

以前の検証で別にデプロイしたRuntimeも一覧に出てきました。

一覧だけでなくIDを指定すれば呼び出しもできます。HarnessとRuntimeをそれぞれプロジェクトの外から呼び出してみます。IDは、agentcore statusで表示されるARNの末尾や、agentcore runtime listなどの一覧で確認できます。

Harnessの呼び出し
agentcore harness invoke --id <HarnessのID> \
  --prompt "こんにちは。一言で自己紹介して" --json
応答（抜粋）
こんにちは!シェルコマンドの実行やファイル編集もできる、簡潔にお答えする日本語アシスタントです。
Runtimeの呼び出し
RSID=blog-v1-runtime-$(uuidgen | tr A-Z a-z)
agentcore runtime invoke --id <RuntimeのID> \
  --session-id $RSID --payload '{"prompt":"123 + 456 を計算して"}' --json
実行結果（bodyの抜粋）
data: {"event": {"contentBlockStart": {"start": {"toolUse": {"toolUseId": "tooluse_sUdyeN1yTvVVn9EEUD7Fgq", "name": "add_numbers", "type": "tool_use"}}, "contentBlockIndex": 0}}}
data: {"event": {"contentBlockDelta": {"delta": {"text": "123 + 456 = **"}, "contentBlockIndex": 0}}}
data: {"event": {"contentBlockDelta": {"delta": {"text": "579**"}, "contentBlockIndex": 0}}}

どちらもプロジェクトの外から呼び出せました！

Runtimeはadd_numbersツールを使って579と答えていますね。Runtimeの応答は、エージェントが返すストリーミングのイベントがそのまま入っています。トップレベルのagentcore invokeも、--runtimeにIDを渡せばプロジェクトの外で使えました。

TUIでagentcore harness listからHarnessを選ぶと、詳細画面も確認できます。

Harnessの詳細画面。execやshellのメニューと、裏で作られたRuntime・Memoryが表示される

linked resourcesに、Harnessの裏で作られたRuntimeとMemoryが表示されています。設定だけで動くHarnessの実体がどこにあるのか、コンソールを開かずに分かるのは便利ですね。

セッションの中を覗く

HarnessやRuntimeのセッションの実行環境に入って、中身を確認することもできます。この機能自体は0.31.1にもagentcore execとしてありました（--itを付けるとシェル）。ただ、個人的にこれまであまり触っていなかったので、v1.0.0でharness execやruntime shellのようにリソースごとのコマンドに分かれたこのタイミングで改めて紹介します！

まずはHarnessでセッションIDを指定してエージェントにファイルを作らせてみます。

実行コマンド
cd <作業ディレクトリ>/CliV1Blog
SID=blog-v1-session-$(uuidgen | tr A-Z a-z)
agentcore invoke --harness assistant --session-id $SID \
  --prompt "1から10までの数字の2乗を計算するPythonスクリプトをsquares.pyという名前で作業ディレクトリに保存して、実行結果も教えて"

同じセッションIDでharness execを実行し、作業ディレクトリを見てみます。

実行コマンド
agentcore harness exec --id <HarnessのID> \
  --session-id $SID --command "pwd && ls -la && cat squares.py"
実行結果（outputの中身）
/home
total 12
drwxr-xr-x 1 root root 4096 Oct 22 23:45 .
drwxr-xr-x 1 root root 4096 Oct 22 23:43 ..
-rw-r--r-- 1 root root   59 Oct 22 23:45 squares.py
for n in range(1, 11):
    print(f"{n}の2乗 = {n ** 2}")

エージェントが作ったsquares.pyが残っていますね！別のセッションIDで同じようにls -laを実行すると/homeは空だったので、セッションごとに作業ディレクトリが分かれています。

harness shellなら対話で下記のように操作できます。

agentcore harness shellでセッションに入り、エージェントが作ったsquares.pyを実行した画面

エージェントが本当にファイルを作ったのか、実行環境の中身で確かめられるのはデバッグで役に立ちそうですね！

Runtimeでもさきほど呼び出したセッションでruntime execを実行してみます。&&でつないだコマンドをそのまま渡すと期待した結果にならなかったので、sh -cでラップしています。

実行コマンド
agentcore runtime exec --id <RuntimeのID> \
  --session-id $RSID --command "sh -c 'pwd && ls -la && python3 --version'"
実行結果（outputの抜粋）
/
total 40
drwxr-xr-x   1 root root 4096 Aug 24 21:48 .
drwxr-xr-x   1 root root 4096 Aug 24 21:48 ..
lrwxrwxrwx   1 root root    7 Jan 30  2023 bin -> usr/bin
...
Python 3.14.2

runtime shellで入って、エージェントのプロセスも見てみました。

agentcore runtime shellでセッションに入り、デプロイしたmain.pyが動いているプロセスを確認した画面

デプロイした/var/task/main.pyがPython 3.14で動いているのが見えますね！Harnessはrootでしたが、Runtimeはagentcore-runtime-userというユーザーで動いていました。

0.x系のプロジェクトを移行する

移行も、HarnessとRuntimeのプロジェクトでそれぞれ試してみます。まずは0.31.1で作ってデプロイしたHarnessのプロジェクト（V0Legacy）で試してみます。

v1.0.0でそのままaddを実行すると先に移行するよう案内されました。

v1.0.0でaddを実行した結果
Error: This project uses the v0 format (agentcore.json version 1). The v1 CLI cannot add or remove resources in it. Use 'agentcore migrate' to migrate the project fully before adding or removing resources.

migrateはGitの作業ツリーがクリーンな状態で実行する必要があるので、コミットしてから実行します。

実行コマンド
cd <作業ディレクトリ>/V0Legacy
git add -A && git commit -m "v0 deployed"
agentcore migrate --yes
実行結果（抜粋）
Migration plan: V0Legacy → v1 (target default, 123456789012/us-east-1)
  Keeps the names of 2 deployed resources (harness legacy, harness-role legacy)
  Moves 0 resources in AgentCore-V0Legacy-default to new logical IDs (stack refactor)
  First v1 deploy: replaces nothing
  Changes 13 files (agentcore/agentcore.json, agentcore/cdk/…, app/legacy/harness.json, app/legacy/harness.yaml)

Migrated. Review the changes with `git diff`, then run `agentcore deploy`.

ファイルを書き換える前にHarnessとIAMロールの名前を保つことや、初回デプロイでリソースを置き換えないことが計画として表示されます。harness.jsonもharness.yamlに変換されていました。

agentcore deployで再デプロイして、agentcore statusでHarnessのARNを確認します。

移行後のHarness ARN
arn:aws:bedrock-agentcore:us-east-1:123456789012:harness/V0Legacy_legacy-UEjzc5CQi6

0.31.1でデプロイしたときと同じIDのままですね！作り直されずに引き継がれていて、移行後はaddも問題なく実行できました。

Runtimeのプロジェクトも0.31.1でStrandsのエージェントを作ってデプロイし、同じ手順で移行しました。

実行結果（抜粋）
Migration plan: V0Strands → v1 (target default, 123456789012/us-east-1)
  Keeps the names of 1 deployed resource (runtime agent)
  Moves 3 resources in AgentCore-V0Strands-default to new logical IDs (stack refactor)
  First v1 deploy: replaces nothing; updates 1 resource in place

✔ AgentCore-V0Strands-default: refactored, every physical ID unchanged
Migrated. Review the changes with `git diff`, then run `agentcore deploy`.

RuntimeではCloudFormationのスタックリファクタリングで3つのリソースの論理IDを付け替え、実体のID（物理ID）は変えずに移行したと表示されました。

デプロイ後のRuntimeのIDも0.31.1のとき（V0Strands_agent-trUPjZEz5C）と同じで、移行後もそのまま呼び出せました。

後片付け

プロジェクトからリソースをすべて外してデプロイすると、スタックが削除されます。Runtimeや移行したプロジェクトも同じ手順で削除しました。

実行コマンド
# 削除するプロジェクトのディレクトリで実行
agentcore remove all --yes
agentcore deploy --yes

おわりに

コマンドの構成から設定ファイルまで大きく変わったリリースでついにv1.0.0か・・・という感じですね！

HarnessもRuntimeも、プロジェクトの外から呼び出してセッションの中まで確認できるようになったのは嬉しいですね！細かいところはまた触れてブログにしたいと思います！

本記事が少しでも参考になりましたら幸いです。最後までご覧いただきありがとうございました！

補足

createのウィザードが短くなった

オプションなしでagentcore createを実行するとウィザードでプロジェクトを作れます。

0.31.1では、Harnessを選ぶと「名前 → モデル → APIの形式 → 実行環境 → メモリ → 詳細設定 → 確認」の7ステップでした。

0.31.1のHarnessのウィザード。名前からConfirmまで7ステップある

v1.0.0では「名前 → 種類 → モデル → 確認」の4ステップになり、細かい設定はあとからharness.yamlで足す形です。

名前を入れると、最初にconfig-based（Harness）かcode-based（Runtime）かを選びます。

agentcore createのウィザードで、config-based（Harness）かcode-based（Runtime）かを選ぶ画面

config-basedを選んだ場合はモデルを選びます。選べるのはBedrock、OpenAI、Gemini、LiteLLMの4つです。

Harnessのモデル選択。bedrock、openai、gemini、litellmの4つから選ぶ

モデルを選ぶとそのまま確認画面になります。メモリはマネージドのMemoryが有効な状態で作られます。

Harnessの場合は名前・種類・モデルの3項目を選んで確認画面になる

code-basedを選んだ場合はテンプレートとモデルプロバイダーを選びます。テンプレートは--templateで指定できるものと同じ一覧です。

code-basedを選ぶと、Runtimeのテンプレートを一覧から選べる

テンプレートを選ぶとモデルプロバイダーの選択です。Harnessの4つに加えて、AnthropicとOpenAI互換のエンドポイントも選べました。

Runtimeのモデル選択。anthropicとopenai-compatibleも選べる

この記事をシェアする

関連記事

AgentCore CLI で自作したAIエージェントを GenU に統合してみた
こーすけ
2026.03.28
AgentCore CLI を使って AI エージェントを AgentCore にデプロイしてみた
神野 雄大
2026.03.22
[AgentCore CLI] agentcore dev コマンド実行時に Agent Inspector Web UI が追加されました！
神野 雄大
2026.04.18
AgentCore CLI でゼロから AI エージェントを作って AWS にデプロイしてみた
村瀬 彪雅
2026.05.27