AWS re:Invent 2025「Agentic AI ft. Dynatrace（GameDay）」に参加してきた：Amazon Bedrock AgentCoreとMCPで構築するAIエージェントの実践

agent_lab/
├── requirements.txt             # 共通の依存パッケージ
├── hello_world_agent/           # ミッション1用：シンプルなエージェント
│   ├── hello_world_agent.py     # MCPを使わない基本実装
│   └── requirements.txt         # 依存パッケージ
└── aws_docs_agent/              # ミッション2用：MCPエージェント
    ├── aws_docs_agent.py        # MCP統合エージェント
    └── requirements.txt         # 依存パッケージ

cd /home/ubuntu/environment/GameDay/agent_lab/

# 仮想環境の作成
python3 -m venv venv
source venv/bin/activate

# 依存パッケージのインストール
pip3 install -r requirements.txt

requests
boto3
strands-agents 
strands-agents-tools
bedrock-agentcore
uv
bedrock-agentcore-starter-toolkit

from strands import Agent
from bedrock_agentcore.runtime import BedrockAgentCoreApp
from strands.models import BedrockModel

app = BedrockAgentCoreApp()

@app.entrypoint
def strands_agent_bedrock(payload):
    """
    Invoke the agent with a payload
    """
    user_input = payload.get("prompt")
    print("User input:", user_input)

    # Claude Sonnet 4を使用
    model_id = "us.anthropic.claude-sonnet-4-20250514-v1:0"
    model = BedrockModel(model_id=model_id)

    SYSTEM_PROMPT = """
    You are an expert AWS Certified Solutions Architect. 
    You can answer questions about AWS.
    """

    agent = Agent(model=model, system_prompt=SYSTEM_PROMPT)
    response = agent(user_input)

    print("Response:")
    print(response.message["content"][0]["text"])

    return response.message["content"][0]["text"]

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

cd hello_world_agent

# AgentCoreの設定
agentcore configure -e hello_world_agent.py

# エージェントのデプロイ（約3分かかります）
agentcore launch

# エージェントをテスト
agentcore invoke '{"prompt": "Hello world"}'

import logging
from bedrock_agentcore.runtime import BedrockAgentCoreApp
from mcp import StdioServerParameters, stdio_client
from strands import Agent
from strands.models import BedrockModel
from strands.tools.mcp import MCPClient

# ロギングの設定
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

app = BedrockAgentCoreApp()

# Bedrock モデルの設定
bedrock_model = BedrockModel(
    model_id="us.anthropic.claude-sonnet-4-20250514-v1:0",
    temperature=0.7,
)

SYSTEM_PROMPT = """
You are an expert AWS Certified Solutions Architect. 
You can query the AWS Documentation to help customers 
understand best practices on building on AWS.
"""

@app.entrypoint
def strands_agent_bedrock(payload):
    try:
        user_input = payload.get("prompt")
        logger.info(f"User input: {user_input}")

        # MCPクライアントの作成
        aws_docs_client = MCPClient(
            lambda: stdio_client(
                StdioServerParameters(
                    command="uvx", 
                    args=["awslabs.aws-documentation-mcp-server@latest"]
                )
            )
        )

        # エージェントの初期化
        with aws_docs_client:
            all_tools = aws_docs_client.list_tools_sync()

            agent = Agent(
                tools=all_tools, 
                model=bedrock_model, 
                system_prompt=SYSTEM_PROMPT
            )

            # レスポンスの取得
            response = agent(user_input)
            print("Response:")
            print(response.message["content"][0]["text"])

            return response.message["content"][0]["text"]

    except Exception as e:
        logger.error(f"Error processing request: {e}", exc_info=True)
        raise

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

cd aws_docs_agent

# AgentCoreの設定
agentcore configure -e aws_docs_agent.py

# デプロイ
agentcore launch

Deployment Configuration
Select deployment type:
  1. Direct Code Deploy (recommended) - Python only, no Docker required
  2. Container - For custom runtimes or complex dependencies
Choice [1]: 2

# AWS関連の質問でテスト
agentcore invoke '{"prompt": "What is Amazon S3?"}'

# デプロイ前のチェックリスト
□ MCPサーバーが正しく設定されているか確認
□ システムプロンプトがミッションに適しているか確認
□ Containerモード（オプション2）を選択することを忘れない（MCPの場合）