AWS、マルチモデルAIエージェントを「Bedrock AgentCore」へ移行する手法を公開——インフラ管理の自動化を実証

要点

• 米AWSは、複数のAIモデルを連携させるマルチモデルAIエージェントをマネージド環境「Amazon Bedrock AgentCore runtime」へ移行するソリューションを公開した。

• AgentCore runtimeを活用することで、コンテナのライフサイクルやスケーリング、認証、監視といったインフラ運用が自動化される。

• 既存のエージェントコードをデコレータでラップするだけで移行でき、特定フレームワークへの全面的な書き換えを必要としない。

• SageMaker AIやAmazon Bedrock上の複数モデルを使い分けるヘルスケアエージェントの事例を通じ、機能維持と運用負荷軽減の両立が示された。

• 米Amazon Web Services（AWS）は現地時間2026年9月18日、公式機械学習ブログ（AWS ML Blog）において、複数のAIモデルを組み合わせて動作させるマルチモデルAIエージェントを「Amazon Bedrock AgentCore runtime」へ移行する手法を公開した。自前でインフラを管理する従来構成からマネージド実行環境へ移行し、エージェントの機能を維持したまま運用負荷を軽減するアプローチを提示している。

マルチモデル運用の課題とマネージド環境への移行

近年、複数の特化型モデルや基盤モデルを連携させて高度なタスクを処理するマルチモデルAIエージェントの開発が進んでいる。しかし、複数のモデルバックエンドを束ねる環境では、コンテナオーケストレーション（複数のコンテナを一元管理して自動配置・制御する仕組み）やスケーリング設定、ID・認証管理、オブザーバビリティ（システムの動作状態を監視・可視化する機能）などが複雑化し、開発チームがエージェント本来のロジック開発よりもインフラの運用管理に追われる課題が生じていた。

従来は「Amazon Elastic Container Service（Amazon ECS）」と「AWS Fargate」を組み合わせたセルフマネージド環境が用いられてきたが、ワークロードの拡大に伴い、セッション管理や認証機能が標準で組み込まれたマネージド実行環境への移行が求められていたという。

Amazon Bedrock AgentCore runtimeの役割

こうした運用の複雑さを解消するプラットフォームとして紹介されたのが「Amazon Bedrock AgentCore」である。AgentCoreは、あらゆるフレームワークやモデルを活用してAIエージェントを大規模に構築・接続・最適化するための環境を提供する。

そのマネージドデプロイ機能である「AgentCore runtime」を利用することで、コンテナのライフサイクル管理や自動スケーリング、ID・認証管理、オブザーバビリティといった運用タスクが自動的に処理される。これにより、開発者はインフラの保守から解放され、エージェントコードの開発に専念できるようになる。

また、独自のコードを持ち込める「BYO（Bring-Your-Own）agent」アプローチに対応している点も特徴だ。既存のエージェントコードを特定のフレームワーク向けに書き直すことなく、そのままデプロイして稼働させることが可能とされている。

ヘルスケア向けマルチモデルエージェントの移行事例

ブログ内では具体的な移行例として、ヘルスケア分野のマルチモデルAIエージェントを題材とした実装が紹介された。

このエージェントは、医療クエリの内容に応じて3つのモデルバックエンドとベクトル検索（データの意味的な類似性をもとに情報を高速抽出する技術）を組み合わせ、単一のコンテナ内で処理を行う。専門的な生医学の質問には「Amazon SageMaker AI」上のドメイン特化モデル「BioM-ELECTRA-Large-SQuAD2」が割り振られ、より広範な医療推論には「Amazon Bedrock」上の基盤モデル「Meta Llama 3.1 70B Instruct」が対応する構成となっている。

従来のECSおよびFargateによる構成では、インフラ設定をすべてユーザー自身が管理する必要があった。今回の移行では、既存のエージェントロジックをAgentCore runtimeのデコレータパターンでラップするだけで、機能やモデル連携を保ったまま運用管理の自動化を達成できたと説明されている。

オープンソース連携と本番運用における安全制御

今回のサンプル実装では、数行のコードでエージェントを構築できるオープンソースライブラリ「Hugging Face smolagents」が採用された。これにより、AgentCore runtimeがあらゆるエージェントフレームワークに柔軟に対応できることが示された形だ。

なお、本ソリューションはデモンストレーション用のサンプル実装と位置づけられている。AWSは、医療情報などの機密データを扱う本番環境においては、コンテンツフィルタリングや回答の根拠検証（グラウンディング検証）を行う標準的な制御手段として「Amazon Bedrock Guardrails」を併用する必要があると言及している。