2次会のお店探しが大変なので、新橋居酒屋検索AI エージェント 「シンバシくん」 を Bedrock AgentCoreで作ってみた

{"prompt": "焼き鳥が食べたい"}

焼き鳥ですね！新橋エリアで焼き鳥のお店を探してみますね🍗

## 🤖 AIおすすめ
1. **炭火焼鳥 塚田農場 新橋レンガ通り店**
   - 🚶 徒歩5分
   - ⭐ 4.0（223件）
   - 💴 予算：3,000〜4,000円
   - 🕒 現在営業中！

## 🔥 人気店（評価順）
2. **日本酒居酒屋 酒々井**
   - 🚶 徒歩4分
   - ⭐ 4.7（175件）
   - 💴 予算：3,000〜4,000円
   - 🕒 現在営業中！

3. **焼き鳥 鳥一**
   - 🚶 徒歩5分
   - ⭐ 4.5（186件）
   - 💴 予算：3,000〜4,000円
   - 🕒 現在営業中！

全部で66件見つかりました！

shinbashi-izakaya-finder/
├── agent/
│   ├── __init__.py
│   ├── config.py      # 設定（APIキー、座標、重み）
│   ├── utils.py       # ユーティリティ関数
│   ├── tools.py       # エージェントツール（3つ）
│   └── main.py        # メインエージェント
├── requirements.txt
└── .bedrock_agentcore.yaml  # AgentCore設定（自動生成）

"""
"""
シンバシくん - 新橋専門居酒屋AIアシスタント
AgentCore Runtime用
"""
from strands import Agent
from strands.models import BedrockModel
from bedrock_agentcore.runtime import BedrockAgentCoreApp

# ツールをインポート
from agent.tools import search_restaurants, check_availability, make_reservation

# AgentCoreアプリ初期化
app = BedrockAgentCoreApp()

# Bedrockモデル設定
model = BedrockModel(
    model_id="apac.anthropic.claude-sonnet-4-20250514-v1:0",
    region_name="ap-northeast-1"
)

# エージェント設定
agent = Agent(
    model=model,
    tools=[search_restaurants, check_availability, make_reservation],
    system_prompt="""あなたは「シンバシくん」、新橋エリア専門の居酒屋検索AIアシスタントです。

## 役割
- 新橋駅周辺の居酒屋・レストランを検索して提案
- ユーザーの条件（ジャンル、予算、人数、禁煙など）に合わせたおすすめ
- 営業時間チェックと予約サポート

## 性格
- フレンドリーで親しみやすい
- 新橋の飲み屋事情に詳しい
- 幹事の気持ちがわかる

## 対応言語
- 日本語で応答してください

## 注意事項
- 必ず search_restaurants ツールを使って検索してください
- 曖昧な質問には確認してから検索してください
- 結果は見やすく整形して提示してください
"""
)

@app.entrypoint
def invoke(payload):
    """
    エージェント呼び出しエントリーポイント

    Args:
        payload: {"prompt": "焼き鳥食べたい"} 形式

    Returns:
        エージェントの応答
    """
    prompt = payload.get("prompt", "")

    if not prompt:
        return {"error": "promptが必要です"}

    # エージェント実行
    result = agent(prompt)

    return {"result": str(result)}

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

"""
設定ファイル
APIキー、座標、スコアリング重みなど
"""
import os

# ===================================
# APIキー（AgentCoreの環境変数から取得）
# ===================================
HOTPEPPER_API_KEY = os.getenv('HOTPEPPER_API_KEY')
GOOGLE_PLACES_API_KEY = os.getenv('GOOGLE_PLACES_API_KEY')

# ===================================
# 🚉 新橋駅の座標（ここを変えれば他のエリアにも対応可能！）
# ===================================
SHINBASHI_LOCATION = {
    "lat": 35.6655,  # 緯度
    "lng": 139.7583  # 経度
}

# ===================================
# 検索パラメータ
# ===================================
SEARCH_RADIUS = 800       # 検索半径（メートル）← 新橋駅から800m以内
MAX_RESULTS = 30          # API最大取得件数
TOP_RESULTS = 10          # ユーザーに表示する件数

# ===================================
# スコアリング重み（最大38点）
# ===================================
SCORING_WEIGHTS = {
    'both_sources': 10,      # 両サイト掲載（信頼性）
    'has_coupon': 5,         # クーポンあり
    'high_rating': 5,        # 高評価4.5以上
    'good_rating': 3,        # 良評価4.0以上
    'many_reviews': 3,       # レビュー100件以上
    'some_reviews': 1,       # レビュー50件以上
    'has_photo': 2,          # 写真あり
    'non_smoking': 3,        # 禁煙・分煙
    'open_now': 4,           # 現在営業中
    'close_to_station': 2,   # 駅近300m以内
}

SHIBUYA_LOCATION = {
    "lat": 35.6580,  # 渋谷駅の緯度
    "lng": 139.7016  # 渋谷駅の経度
}

@tool
def search_restaurants(
    genre: str,
    budget: int = 3000,
    num_people: int = 2,
    open_now_only: bool = False,
    non_smoking_only: bool = False
) -> dict:
    """
    新橋エリアでレストランを検索

    Args:
        genre: ジャンル（焼き鳥、居酒屋、イタリアンなど）
        budget: 予算（1人あたり、円）
        num_people: 人数
        open_now_only: 営業中のみ検索するか
        non_smoking_only: 禁煙のみ検索するか

    Returns:
        検索結果（AIレコメンド、店舗リスト、総件数）
    """
    # ホットペッパーとGoogle Places両方で検索
    hotpepper_results = search_hotpepper(genre, "新橋")  # ← ここも新橋固定
    google_results = search_google_places(genre, "新橋")

    # 両APIの結果をマージ（店名で名寄せ）
    merged = {}
    for hp in hotpepper_results:
        normalized_name = normalize_restaurant_name(hp['name'])
        merged[normalized_name] = hp

    for gp in google_results:
        normalized_name = normalize_restaurant_name(gp['name'])
        if normalized_name in merged:
            # 両方に掲載されている店 → 信頼性UP
            merged[normalized_name]['source'] = 'both'
            # Google情報（評価、電話番号など）を追加
            merged[normalized_name]['rating'] = gp.get('rating')
            ...

    # スコアリング
    for restaurant in filtered:
        restaurant['score'] = calculate_score(restaurant)

    # スコア順にソート
    filtered.sort(key=lambda x: x['score'], reverse=True)

    return {
        'recommendation': recommendation,
        'results': top,
        'total_found': len(all_results)
    }

@tool
def check_availability(
    restaurant_id: str,
    date: str,
    time: str,
    num_people: int
) -> dict:
    """
    レストランの営業時間をチェック

    Args:
        restaurant_id: 店舗ID
        date: 予約日（YYYY-MM-DD）
        time: 予約時間（HH:MM）
        num_people: 人数
    """
    # 営業時間内かチェック（簡易版：17時〜23時）
    hour = reservation_datetime.hour

    if 17 <= hour < 23:
        return {
            'available': True,
            'message': f"✅ {time}は営業時間内です"
        }

@tool
def make_reservation(
    restaurant_name: str,
    restaurant_id: str,
    date: str,
    time: str,
    num_people: int,
    customer_name: str,
    phone: str,
    special_request: str = ""
) -> dict:
    """
    レストラン予約をリクエスト
    """
    # 営業時間チェック
    availability = check_availability(restaurant_id, date, time, num_people)

    if not availability.get('available'):
        return {'status': 'unavailable', 'message': availability['message']}

    # 予約ID生成
    reservation_id = f"REQ-{uuid.uuid4().hex[:8].upper()}"

    # ホットペッパー予約ページへ誘導
    reservation_url = f"https://www.hotpepper.jp/str{restaurant_id}/"

    return {
        'status': 'pending',
        'reservation_id': reservation_id,
        'message': f"予約リクエストを受け付けました\n予約ページ: {reservation_url}"
    }

def normalize_restaurant_name(name: str) -> str:
    """
    店舗名を正規化（マッチング精度向上）

    例: 「新橋 炭火焼鳥 鳥心 本店」→「炭火焼鳥鳥心」
    """
    # 地名削除（新橋、銀座など）
    name = re.sub(r'(新橋|しんばし|銀座|汐留)', '', name)
    # 支店名削除
    name = re.sub(r'(本店|支店|新橋店)', '', name)
    # 空白削除
    name = re.sub(r'\s+', '', name)
    return name.strip()

def calculate_distance(lat1, lng1, lat2, lng2) -> float:
    """2点間の距離を計算（Haversine公式）"""
    R = 6371000  # 地球の半径（メートル）
    # ... 計算処理
    return distance  # メートル単位

def is_open_now(periods) -> bool:
    """現在営業中かチェック"""
    jst = timezone(timedelta(hours=9))
    now = datetime.now(jst)
    # ... 営業時間判定
    return True or False

def calculate_score(restaurant: Dict) -> int:
    """レストランのスコアを計算（10要素、最大38点）"""
    score = 0

    if restaurant.get('source') == 'both':
        score += 10  # 両サイト掲載
    if restaurant.get('coupon_urls'):
        score += 5   # クーポンあり
    # ... 他の要素

    return score

# Strands Agents（AWS公式SDK）
strands-agents>=1.18.0

# Bedrock AgentCore Runtime
bedrock-agentcore>=0.1.0

# HTTP通信
requests>=2.31.0

# Google Places API
googlemaps>=4.10.0

from strands import tool

@tool
def search_restaurants(
    genre: str,
    budget: int = 3000,
    num_people: int = 2,
    non_smoking_only: bool = False
) -> dict:
    """
    新橋エリアでレストランを検索

    Args:
        genre: ジャンル（焼き鳥、居酒屋、イタリアンなど）
        budget: 予算（1人あたり、円）
        num_people: 人数
        non_smoking_only: 禁煙のみ検索するか

    Returns:
        検索結果（AIレコメンド、店舗リスト、総件数）
    """
    # 実装...

SCORING_WEIGHTS = {
    'both_sources': 10,      # 両サイト掲載（信頼性）
    'has_coupon': 5,         # クーポンあり
    'high_rating': 5,        # 高評価4.5以上
    'good_rating': 3,        # 良評価4.0以上
    'many_reviews': 3,       # レビュー100件以上
    'some_reviews': 1,       # レビュー50件以上
    'has_photo': 2,          # 写真あり
    'non_smoking': 3,        # 禁煙・分煙
    'open_now': 4,           # 現在営業中
    'close_to_station': 2,   # 駅近300m以内
}

cd shinbashi-izakaya-finder
python3.11 -m venv venv
source venv/bin/activate
pip install --upgrade pip

pip install bedrock-agentcore-starter-toolkit strands-agents requests googlemaps

# aws-vaultを使っている場合
aws-vault exec target -- agentcore configure -e agent/main.py

aws-vault exec target -- agentcore launch

HOTPEPPER_API_KEY=あなたのAPIキー
GOOGLE_PLACES_API_KEY=あなたのAPIキー

aws-vault exec target -- agentcore invoke '{"prompt": "焼き鳥が食べたい"}'

Response:
{"result": "素晴らしいですね！新橋エリアで焼き鳥のお店を48件見つけました🎯\n\n## 🏆
AIおすすめ：「鳥よし」\n新橋駅から**徒歩1分**とアクセス抜群で、信頼性も高いお店です！クーポンもありお得です👍\n\n## 📍
おすすめ焼き鳥店トップ3\n\n### 1️⃣ **鳥よし** （徒歩1分・81m）\n- **予算**: 3,001～4,000円\n- **特徴**:
ホットペッパーとGoogle両方掲載で信頼性◎\n- **営業**: 月～木16:00-23:00、金15:00-翌5:00、土日12:00-23:00\n- **評価**: ⭐4.4
(174件)\n- **クーポン**: あり✨\n\n### 2️⃣ **焼鳥 ごくう 奥** （徒歩1分・93m）\n- **予算**: 7,001～10,000円（高級店）\n-
**特徴**: 全面禁煙でワンランク上の焼き鳥\n- **営業**: 月～土17:00-23:00\n- **評価**: ⭐4.4 (57件)\n\n### 3️⃣ **焼鳥 ハレツバメ
新橋店** （徒歩4分・294m）\n- **特徴**: 人気の焼き鳥チェーン店\n- **評価**: ⭐4.7 (988件) - 高評価���\n- **営業**:
詳細は要確認\n\nどちらのお店がお気に入りでしょうか？人数や予算、禁煙希望などがあれば、さらに詳しくご案内できますよ！🍻\n"}

aws-vault exec target -- agentcore invoke '{"prompt": "1人です。予算5000円以内で、馬刺しが食べれて日本酒が飲めるお店ありますか？できれば喫煙所あると嬉しいです。"}'

Response:
{"result": "おお！すばらしい検索結果が出ましたよ！\n\n特に注目すべきは**「馬並み家
新橋」**ですね！このお店は馬肉料理専門店で、まさにあなたのご希望にピッタリです。\n\n## 🐎 **最もおすすめ：馬並み家 新橋**\n-
**評価**: 4.5 ★（960件のレビュー）\n- **距離**: 新橋駅から徒歩3分（236m）\n- **電話**: 03-3508-5131\n- **予算**:
5000円以内で十分楽しめます\n- **特徴**: \n  - 馬肉料理専門店なので、新鮮で上質な馬刺しが味わえます\n  - 日本酒の品揃えも豊富\n
- 1人でもカウンター席でゆっくりできる\n  - 喫煙についても対応している可能性が高い（専門店なので柔軟対応）\n\n##
その他のおすすめ店舗\n\n### 🍻 **漁火 新橋店**\n- **評価**: 4.4 ★（981件のレビュー）\n- **距離**: 新橋駅から徒歩1分（57m）\n-
**電話**: 090-1215-6429\n- 一番近い！馬刺しがあるか要確認\n\n### �� **楽が気**\n- **評価**: 4.1 ★（1111件のレビュー）\n-
**距離**: 新橋駅から徒歩1分（41m）\n- **電話**: 03-5408-1898\n- アクセス抜群！\n\n**馬並み家
新橋**が一番あなたの条件に合っていると思います！馬刺し専門店なので間違いなく美味しい馬刺しが食べられますし、日本酒も充実してい
るはずです。\n\n営業時間や空席状況を確認してみましょうか？それとも予約を取ってみますか？\n"}

Response:
{"result":
"「馬並み家」というお店をお探しですね！申し訳ございませんが、私は新橋エリア専門の検索システムを使用しており、特定の店名での検索
機能がないため、そのお店の詳細情報をお調べすることができません。\n\nもしよろしければ、以下の方法でお手伝いできます：\n\n1.
**ジャンルで検索** -
馬並み家がどのようなジャンル（居酒屋、焼肉、和食など）のお店か教えていただければ、新橋エリアで似たようなお店をご提案できます\n\
n2. **条件で絞り込み** -
ご予算、人数、禁煙希望などの条件を教えていただければ、それに合うお店を検索いたします\n\n馬並み家はどのようなジャンルのお店でし
ょうか？それとも他にご希望の条件がございますか？\n"}

aws-vault exec target -- agentcore invoke '{"prompt": "1人です。予算5000円以内で、馬刺しが食べれて日本酒が飲めるお店ありますか？できれば喫煙所あると嬉しいです。"}' --session-id test-session-00000000000000000001