![[レポート] Building an AWS solutions architect agentic app with Amazon Bedrock に参加しました #DEV331 #AWSreInvent](https://images.ctfassets.net/ct0aopd36mqt/3IQLlbdUkRvu7Q2LupRW2o/edff8982184ea7cc2d5efa2ddd2915f5/reinvent-2024-sessionreport-jp.jpg)
[レポート] Building an AWS solutions architect agentic app with Amazon Bedrock に参加しました #DEV331 #AWSreInvent
2024.12.10Amazon Bedrock を使用した AWSソリューションアーキテクト エージェントアプリの構築についての紹介です。
概要
Navigating through complex cloud solutions can be a daunting task. In this session, see how generative AI can help solve this problem by building an AWS solutions architect agentic app. Using Amazon Bedrock, learn how to build an app that can query AWS documentation, deploy infrastructure, create diagrams, and more. The session ends with a live demo, where the generative AI app handles a variety of tasks, significantly reducing manual effort and error. Gain practical insights and the know-how to build generative AI agentic apps to alleviate similar pain points.
以下、翻訳です。
複雑なクラウドソリューションをナビゲートするのは大変な作業です。このセッションでは、AWS ソリューションアーキテクトのエージェントアプリを構築することで、ジェネレーティブ AI がこの課題を解決する方法を説明します。Amazon Bedrock を使用して、AWS ドキュメントのクエリ、インフラストラクチャのデプロイ、ダイアグラムの作成などを実行できるアプリの構築方法を学びます。セッションの最後にはライブデモが行われ、ジェネレーティブ AI アプリがさまざまなタスクを処理し、手作業による労力とエラーを大幅に削減します。ジェネレーティブ AI エージェントアプリを構築するための実用的な洞察とノウハウを習得し、同様の問題点を軽減します。
スピーカーのNamrata ShahさんはYoutuberでもあり、AWSのチュートリアルやハンズオンを投稿しているようです。NamrataHShah | Youtube
今は、ビルダーにとって最高の時期です。なぜなら、過去に構築したものをすべて再考する方法があり、テキストの生成や画像の生成、GenAIの大規模言語モデルを活用して、これまで構築してきたものを実際に再現、再発明する方法があるからです。
アジェンダ
- Builder tools
- Why agentic workflows
- Let's build a solutions architect agentic app
Builder tools
まずはビルダー ツールについて説明です。
AWS Generative AI Stack
INFRASTRUCTURE TO BUILD AND TRAIN AI MODELS
AIモデルや基盤モデルを構築、トレーニング、デプロイするためのインフラストラクチャに関するツールがあります。
-
Amazon SageMaker
- モデルの構築、トレーニング、デプロイを実行するフルマネージドサービス
-
AWS Trainium
- モデルのトレーニングに使用するチップ
-
AWS Inferentia
- モデルの推論プロセスを向上させるチップ
MODELS AND TOOLS TO BUILD GENERATIVE AI APPS
どのタイプのモデルを使用するか決定したら、そのモデルを Amazon Bedrock で使用できます。Amazon Bedrock にはナレッジベース、ガードレール、エージェントなどの機能がありこれらの機能を使用してエージェントワークフローアプリを構築します。
- Amazon Bedrock
- Generative AIを簡単に構築・デプロイできるフルマネージドサーバーレスサービス
APPLICATIONS TO BOOST PRODUCTIVITY
Amazon Q は Bedrock上で構築された最も有名なアプリケーションの一つです。
今回のセッションではコーディングを Amazon Q Developer、Amazon Q を使用してコードの説明をしてもらいます。それに加えて、Amazon Q Business はビジネスユーザーのための、洞察と、自動化を提供するために使用します。
-
Amazon Q Business
- ビジネスユーザーのあらゆる種類のインサイト、自動化を提供
-
Amazon Q Developer
- ユーザーと一緒に機能するコーディングアシスタント
Amazon Bedrock
基盤モデルや、AIモデルを自分で構築するために必要なサービスは全て揃っていますが、誰もがモデルを構築したいわけではありません。このスライドは、サードパーティのモデルの一覧です。例えば、テキスト要約のモデルを見ると、テキスト要約をサポートする Amazon Titan モデルがあることがわかります。
何かモデルを探しているときは、このスライドで確認できます。
Amazon Q Developer
Q Developerについて
- ソフトウェア開発ライフサイクル(SDLC)全体にわたるエクスペリエンスを再考
- 開発者やITプロフェッショナルが安全でスケーラブルかつ可用性の高いアプリケーションを構築、管理できるように支援
- コードの記述、デバッグ、テスト、最適化、アップグレードを高速化
- 対話しながら、新しいAWSの機能を探し、馴染みのないテクノロジーを学び、ソリューションを検討
AWS Qは初めからセキュリティーとプライバシーを考慮して構築されており、組織が生成AIを安全に使用することを容易にしています。
Q Developerは、開発者と一緒に作業するコーディング アシスタントで、基本的には、どのようなコードを書くべきかを教えてくれます。
Agentic workflows について
AIエージェントは、状況を認識して目標を達成するために行動し、経験とやり取りに基づいて行動を適応させる自立システムです。
"エージェント的"というコンセプトは、エージェントのような性質のスペクトルを表し、単純な二分分類を超えたAIシステムの微妙な見方を可能にします。
if then ステートメントのようなルールベースもあれば、従来の機械学習モデルや、中間のこの質問の質問もあり、さまざまなことを試して、これはエージェントか、エージェントではないかと言わずに、いろいろなものを混ぜ合わせています。
Agentic worksflowsの４つのキーデザインパターン
- Reflection
- 反省: 自己検討と改善
- Tool use
- 情報とデータの処理に外部機能を使用
- Planning
- 複雑な目標に向けた多段階の計画をプランし、実行
- Multi-agent collaboration
- 複数のAIエージェントが連携して問題解決を強化
なぜ、Agentic systemを構築するのか。
- Enhanced problem-solving
- 複雑なタスクを分解し、戦略を適応
- Increased autonomy
- 最小限の監督で多様なシナリオに対応
- Improved efficiency
- 複数ステップのプロセスを自動化し、反復的なタスクを軽減
- Scalability
- 増大する複雑さを管理、モジュール方式で機能を拡張
AWS solutions architect agentic app
- Query AWS documentation
- クエリに対して即座にコンテキストに応じた応答を提供
- Deploy infrastructure
- クラウドのセットアップと構成を自動化
- Create diagrams
- 複雑なアーキテクチャを簡単に視覚化
Live coding
実際のユースケースを示して、エージェントを使用してそのダイアグラムを描いてみます。以下リンクからデモが見れます。
Amazon Bedrock コンソールで、これがエージェントビルダーです。
Claude 3.5を選んで、「あなたはAWS認定ソリューションアーキテクトです。あなたの役割は、AWSでの構築に関するベストプラクティスをお客様に理解していただくことです。お客様にポイントを強調しながら、回答をマークダウン形式で回答します。」とエージェント向けの指示をします。
Action groups
ここには4つの異なるツールがあります。Lambda関数を作成するツール、AWSダイアグラムを記述し、AWSダイアグラムを描画し、Webサイトを取得してそれをテキストに変換します。
また、Knowledge Basesもアタッチして、AWSフレームワークについて質問があれば、回答が得られます。
実際にエージェントにアクセスしてみます。Streamlitを使って、フロントエンドを作成しています。
デモの内容
-
Knowledge Baseを活用
- ナレッジベースを呼び出し、「クラウドセキュリティのベストプラクティスは？」と質問し、ナレッジベースから正確な情報を取得。
- ナレッジベースを利用することで、文脈に基づいた正確な情報を提供可能に。
-
AWSアーキテクチャの作成
- 既存のアーキテクチャ図を解析し、構造を説明。
- エージェントに新しいAWSアーキテクチャ図を生成させ、その内容を自動で説明。
-
コード生成とデプロイ
- アーキテクチャ図を基に、Python CDKスクリプトを生成。
- スクリプトをさらに展開し、AWSのインフラをデプロイできるコードを出力。
-
Amazon Qによるリアルタイムコード編集
- デプロイ済みのLambda関数を呼び出すPythonコードを生成し、実行可能な形に編集。
- Amazon Qの補助でコードの修正
Recap
- Amazon Qを活用して機能を構築する
- Amazon Bedrockは、LLMアプリを構築するための基盤を提供している
- AIを個人のワークフローに統合
最後のメッセージ
AIを会社やプレイブックで最大限に活用する方法や、組織に統合する方法について特別な情報を持っている人はいません。
セッションの冒頭で、「今はビルダーになるのに最適な時期」と言っていましたが、僕も共感しました。
Workshop
自分のアカウントで実行できるワークショップもありますので、興味がある方はQRコードを保存しておいてください。
まとめ
AIを業務に取り入れることで、生産性を大幅に向上できます。
Amazon BedrockやAmazon Qを活用することで、エージェント型ワークフローを簡単に構築し、反復的なタスクを効率化できることを学びました。
