View a markdown version of this page

Amazon Bedrock AgentCore Browser を使用してウェブアプリケーションを操作する - Amazon Bedrock AgentCore

Amazon Bedrock AgentCore Browser を使用してウェブアプリケーションを操作する

Amazon Bedrock AgentCore ブラウザは、エージェントがウェブアプリケーションとやり取りするための安全で隔離されたブラウザ環境を提供します。コンテナ化された環境で実行され、ウェブアクティビティをシステムと分離します。これには、セッション分離、ライブ表示による組み込みオブザーバビリティ、CloudTrail ログ記録、セッション再生機能などのセキュリティ機能が含まれます。

組み込みツールとブラウザおよび CI ツールを示すアーキテクチャ。

Amazon Bedrock AgentCore Browser は、セッションベースのウェブブラウジングと包括的なオブザーバビリティを提供します。ワークフローは 4 つの主要なステップで構成されます。

  1. ブラウザツールを作成する

    まず、ブラウザツールを作成して、エージェントがウェブアプリケーションとやり取りし、フォームに入力し、ウェブサイトを移動し、フルマネージド環境で情報を抽出するためのウェブブラウジング機能を有効にします。 AWS 管理ブラウザ (aws.browser.v1) を選択してすばやくセットアップするか、セッション記録、カスタムネットワーク設定、特定の IAM 実行ロールなどの高度な機能を備えたカスタムブラウザを作成できます。

  2. ブラウザセッションを開始する

    設定可能なタイムアウトを使用して分離されたセッションを起動します (デフォルト: 15 分、最大: 8 時間）。複数のセッションを同時に実行します。

  3. ブラウザを操作する

    セッションが開始されたら、WebSocket ベースのストリーミング APIs を使用してブラウザとやり取りできます。自動化エンドポイントを使用すると、エージェントはウェブサイトへの移動、要素のクリック、フォームの入力、スクリーンショットの撮影などのブラウザアクションを実行できます。Strands、Nova Act、Playwright などのライブラリを使用して、これらのやり取りを簡素化できます。一方、ライブビューエンドポイントを使用すると、エンドユーザーはブラウザセッションをリアルタイムで監視し、ライブストリームを介して直接操作できます。

  4. セッションのモニタリングと記録

    すべてのブラウザセッションには、リアルタイムモニタリング用の Live View、セッション記録 (カスタムブラウザで使用可能）、リアルタイムパフォーマンスインサイト用の CloudWatch メトリクスなどのオブザーバビリティが組み込まれています。セッション記録は、DOM の変更、ユーザーアクション、コンソールログ、ネットワークイベントをキャプチャします。録画されたセッションは Amazon S3 バケットに保存され、 AWS コンソールから再生して、ビデオ再生、タイムラインナビゲーション、ユーザーアクションの追跡、トラブルシューティングと最適化のための包括的なログなど、詳細な分析機能を利用できます。

エージェント開発にリモートブラウザを使用する理由

リモートブラウザは、ローカルマシンではなく別の環境で実行されます。エージェント開発の場合、リモートブラウザを使用すると、AI エージェントは人間と同じようにウェブとやり取りできます。主な機能は次のとおりです。

  • ウェブサイトのナビゲート、フォームの入力、クリックボタン、動的コンテンツの解析

  • 自動的にスケールするサーバーレスインフラストラクチャ

  • スクリーンショットによる視覚的な理解

  • ライブインタラクティブビューによる人間の介入

  • セキュリティのためのセッション分離

  • 複雑なウェブアプリケーションのナビゲーション

  • 包括的な監査機能

セキュリティ機能

ブラウザツールには、環境の保護に役立ついくつかのセキュリティ機能が含まれています。

  • 分離: システムとは別のコンテナ化された環境

  • エフェメラルセッション: 各使用後にリセットされる一時セッション

  • time-to-liveが切れた場合の自動終了

トピック