Amazon Bedrock AgentCore、Strands ハーネスとライフサイクルフックを統合
AWS は AgentCore を更新し、Strands のデフォルト設定、計画および検索用の組み込みツール、そしてより安全なエージェント実行のための決定論的なライフサイクルフックを導入しました。
英語の原文から自動翻訳されました。
Amazon Web Services は、Amazon Bedrock AgentCore ハーネスをアップグレードし、オープンソースの Strands ハーネスを組み込みました。2026 年 11 月 19 日にリリースされたこのアップデートでは、モデル選択とコンテキスト管理のためのマネージドデフォルト、タスク委任用の新しい組み込みツール、そしてエージェント実行中に開発者が決定論的なチェックを強制できるようにするライフサイクルフックが導入されています。
何が起きたか
今回の核心的な変更は、今年初めに Apache 2.0 ライセンスで公開されたオープンソースのエージェントフレームワークである Strands の機能を、マネージド AWS サービスに統合することにあります。この統合により、AgentCore を使用するエージェントでは、セッションスケーリング、ツール実行、または計算リソースのプロビジョニングといった基盤インフラストラクチャを開発者が手動で構築する必要がなくなりました。代わりに、本番環境対応のデフォルトエージェント基盤が提供され、AgentCore ランタイム内のセキュリティで保護されたカーネル分離型 microVM 上で実行されます。
このアップグレードは、既存および新規のハーネスに対して自動的に適用されます。マネージドデフォルトに依存している開発者は、更新された推奨モデル、タスク指向のシステムプロンプト、および積極的なコンテキスト管理戦略から直ちに恩恵を受けます。特定のモデル、プロンプト、またはツールセットを明示的に構成しているユーザーについては、現在の動作に変更はなく、後方互換性が確保されると同時に、新しいデフォルトを採用するユーザーには強化された機能が提供されます。
仕組み
更新されたハーネスは、Strands 基盤を、本番エージェントに必要な各種 AWS サービス(セッション永続化、オブザーバビリティ、アイデンティティ管理など)に接続することで機能します。主要な技術的改善点として、Converse API を介したサポート対象の Anthropic モデルに対する自動プロンプトキャッシュの導入があります。このメカニズムは、システムプロンプト、ツール定義、会話履歴をキャッシュするため、繰り返し呼び出しにおいて低価格のキャッシュ読み取りトークンを使用できます。さらに、ハーネスは積極的なコンテキスト管理を採用しており、設定可能な閾値に達すると古い会話ターンを要約します。これにより、他の主要なハーネスと比較してトークンコストが約 34% 削減されると報告されています。
複雑なタスクを処理するために、ハーネスには複数の組み込みツールが含まれています。todo_write ツールは、呼び出し間で構造化されたタスク計画を維持し、subagent ツールは、個別のマネージドリソースを作成せずに自己完結型のタスクを内部ワーカーへ委任します。コンテキストオフローディングにより、大きなツール結果を即時のモデルコンテキスト外へ移動でき、完全な取得が必要になるまでエージェントにはプレビューのみを提供します。これらのメカニズムは、コンテキストウィンドウの制限を管理し、長時間実行されるセッションにおける効率を向上させるのに役立ちます。
主な詳細
- ライフサイクルフック: 開発者は、AWS Lambda 関数を
before_invocation、before_tool_call、after_tool_call、after_invocationの 4 つの特定のイベントにアタッチできます。これらのフックは同期的に実行され、アクションの許可または拒否が可能であり、非決定論的な AI 動作に対する決定論的なガバナンスを実現します。 - 組み込みツール: 新しいデフォルトツールには、外部コンテキスト用の
web_fetch、細粒度のファイルシステムアクセス(read、write、edit)、およびタスク委任用のsubagentが含まれます。ツールはallowedTools設定を通じてアクセス可能です。 - コンテキスト管理: ハーネスは、最近のコンテキストを保持しつつ、古いメッセージを自動的に要約します。また、データアクセスを失うことなく即時メモリ使用量を削減するためのコンテキストオフローディングもサポートしています。
- コスト効率: 自動プロンプトキャッシュと積極的な要約により、入力処理レイテンシの削減とキャッシュ済みトークンの再利用を通じて、他のハーネスと比較してトークンコストが 34% 低いと報告されています。
- セキュリティと分離: 各セッションは、セキュリティで保護されたカーネル分離型 microVM 内で実行されます。フックはサブエージェントにも適用されるため、委任されたタスクが返金限度額などのポリシーを回避することはできません。
- CLI サポート: AgentCore CLI を使用すると、ユーザーはハーネスを直接作成および呼び出すことができます。サンプルの「Research Coordinator」は、調査、統合、レビューのためにサブエージェントを使用したマルチエージェントオーケストレーションを実演しています。
なぜ重要なのか
AI エージェントを構築するソフトウェアエンジニアにとって、主な課題の一つは、確率的なモデル出力と決定論的なビジネスロジックのギャップを埋めることでした。ライフサイクルフックの導入は、エージェントループの重要なポイントでハードコードされたチェックを挿入できるようにすることで、この課題に対処します。例えば、カスタマーサポートエージェントが、実行前にリクエストを評価する Lambda 関数によって、一定の閾値を超える返金を発行しないように防止できます。これにより、AI エージェントは予測不可能なブラックボックスから、エンタープライズの安全基準に沿ったガバナンスされたワークフローへと変貌します。
さらに、マネージドデフォルトにより、エージェントインフラストラクチャの維持に伴う運用オーバーヘッドが軽減されます。AWS は、セッションスケーリング、計算リソースのプロビジョニング、コンテキスト管理を自動的に処理することで、チームがインフラストラクチャの配管作業ではなく、エージェントロジックに集中できるようにします。サブエージェントへのタスク委任やコンテキストオフローディングが可能になったことで、エージェントはコンテキストウィンドウの制限に引っかかることなく、あるいは過剰なトークンコストを負担することなく、より複雑なマルチステップワークフローを処理できるようになります。これにより、信頼性とコスト管理が極めて重要な本番環境での洗練されたエージェントの展開が現実的になります。
できること
- ハーネス構成の見直し: マネージドデフォルトに依存している場合、新しい Strands ベースのプロンプトとツールでエージェントが期待通りに動作するかを確認してください。機能を制限する必要がある場合は、
allowedToolsを明示的に構成してください。 - ライフサイクルフックの実装: データベース書き込みや金融取引など、エージェントワークフロー内の高リスクアクションを特定し、入力値を検証するために
before_tool_callイベントに Lambda 関数をアタッチしてください。 - コスト最適化: サポートされている Anthropic モデルを使用している場合は、自動プロンプトキャッシュを有効にしてください。
truncation設定内の要約閾値を調整し、コンテキスト保持とトークン使用量のバランスを取ってください。 - サブエージェントでの実験:
subagentツールを使用して、複雑なタスクを小さく管理しやすい単位に分解してください。AgentCore CLI を使用して委任ワークフローをテストし、コンテキストがどのように共有・維持されるかを理解してください。 - CLI ツールの更新: 最新の CLI 機能にアクセスするために、
@aws/agentcorenpm パッケージをインストールまたは更新してください。Refund Desk や Research Coordinator などの提供されているサンプルを使用して、フックやマルチエージェントワークフローの構成方法を学んでください。 - フック判断の監視:
InvokeHarnessレスポンスストリーム内のhookEventエントリを確認し、ライフサイクルフックによって特定のアクションがいつ、なぜ拒否または許可されたかを監査してください。



