オーケストレーションモデル: ルールベースから AI ネイティブへ - AWS 規範ガイダンス
を使用したルールベースのオーケストレーション AWS Step FunctionsAmazon Bedrock エージェントによる AI ネイティブオーケストレーションルールベースまたは AI ネイティブ: 使用するタイミングイベント駆動型オーケストレーション戦略的視点

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

オーケストレーションモデル: ルールベースから AI ネイティブへ

イベント駆動型サーバーレス AI システムでは、オーケストレーションは、イベントがシステムの動作をトリガーおよび形成する方法を決定する接続ロジックです。では AWS、オーケストレーションは 2 つの主要なモデルに従うことができます。

  • ルールベースのオーケストレーションは、ワークフローとステートマシンを使用する開発者によって定義されます。

  • AI ネイティブオーケストレーションは、エージェントと大規模言語モデル (LLMs) を活用して、インテントとコンテキストに基づいて理由、計画、行動を行います。

各モデルは、柔軟で事後対応型、インテリジェントなシステムを構築する上で異なる役割を果たします。これらを組み合わせることで、デベロッパーは手続き型オートメーションから自律的な目標駆動型システムに移行できます。

を使用したルールベースのオーケストレーション AWS Step Functions

Step Functions は、、Amazon SageMaker AWS Lambda、Amazon Bedrock、Amazon DynamoDB、Amazon Simple Storage Service (Amazon S3) などのサービスをオーケストレーションするためのビジュアルワークフローエンジンを提供します。 Amazon SageMaker ロジックは、ステップが明示的に定義され、遷移が条件ベースであるという点で決定的です。

Step Functions を使用したルールベースのオーケストレーションの主な利点は次のとおりです。

  • ビジュアルワークフローコンソールによる強力な監査可能性と可視性

  • 組み込みのエラー処理、再試行、並列処理

  • 明確に定義されたパスを持つ線形または分岐制御フローに最適

次の図は、ドキュメントの取り込みと処理のユースケース例のワークフローを示しています。

ドキュメントの取り込みと処理のルールベースのオーケストレーションの例。

この例では、法律会社が次のステップでアップロードされた契約の分析を自動化します。

  1. イベントトリガー – 法的文書は Amazon S3 バケットにアップロードされ、Amazon EventBridge イベントがトリガーされ、Step Functions ワークフローにルーティングされます。

  2. ワークフロー – Step Functions は次のステップを実行します。

    1. ドキュメント処理 – Lambda 関数は、ドキュメントの初期光学文字認識 (OCR) をクリーンアップして実行します。

    2. テキスト抽出 – Amazon Textract は、ドキュメントからキーテキストとデータを抽出します。

    3. 分析 – Amazon Comprehend はテキストを分析して、リスクレベルと感情を分類します。

    4. 要約 – Amazon Bedrock は、契約の簡潔な要約を生成します。

    5. データストレージ – 結果はインデックス作成のために Amazon OpenSearch Service に書き込まれます。

  3. 検索 – 法務チームは、ダッシュボードを通じて契約分析を検索、フィルタリング、視覚化できます。

このアーキテクチャは、Step Functions の AWS SDK 統合機能を活用して、ワークフロー AWS のサービス 内の各 と直接やり取りします。このアプローチにより、複雑さが軽減され、処理ステップごとに個別の Lambda 関数が不要になります。OpenSearch Service への最終書き込みも SDK 統合を通じて処理されます。その結果、Step Functions はドキュメント分析結果、リスク分類、感情分析、AI 生成の概要を OpenSearch Service に直接インデックス化できます。法務チームは、ダッシュボードから情報にアクセスして、契約分析を検索、フィルタリング、視覚化できます。

各タスクは、エラー処理が組み込まれた定義済みの状態です。AI による決定は行われず、オーケストレーションは明示的です。

Amazon Bedrock エージェントによる AI ネイティブオーケストレーション

Step Functions が状況を管理する場合、Amazon Bedrock のエージェントはユーザーの目標に基づいて何が起こるかを決定します。Amazon Bedrock エージェントまたは Amazon Bedrock AgentCore 上に構築されたエージェントは、以下を組み合わせます。

  • Anthropic Claude や Amazon Nova などの LLM

  • Lambda 関数 (または MCP 統合を実行するモデルコンテキストプロトコル (MCP) クライアント) などのツール統合のセット

  • コンテキストグラウンディング用のオプションのナレッジベース

  • 組み込みメモリと目標の追跡

エージェントは自然言語の入力、その理由を解釈し、ツールを自律的に呼び出してユーザーのインテントを満たし、オーケストレーションロジックをモデルにオフロードします。

Amazon Bedrock エージェントによる AI ネイティブオーケストレーションの主な利点は次のとおりです。

  • セマンティックの柔軟性 – さまざまな自然言語入力を解釈します。

  • ツールの自律性 – 実行時に適切なツールを選択します。

  • コンテキストグラウンディング - ナレッジベースのコンテンツを正確に引用します。

  • 最小限の開発者メンテナンス – フローではなくツールを定義します。

次の図は、Amazon Bedrock エージェントによるカスタマーサポート自動化のユースケース例のワークフローを示しています。

Amazon Bedrock エージェントによる AI オーケストレーションを使用したワークフロー。

この例では、小売ウェブサイトのユーザーがサポートチャットボットにメッセージを入力します。次のワークフローが発生します。

  1. イベントトリガーアクションは次のとおりです。

    1. ユーザーは「先週注文した靴を返す必要があります。お手伝いできますか？」

    2. メッセージは EventBridge を介して受信され、ルーティングされます。

    3. EventBridge は Amazon Bedrock エージェントをトリガーします。

  2. エージェントの推論プロセスは次のとおりです。

    1. インテント抽出 – エージェントはインテントを「リターンオーダー」として識別します。

    2. データ取得 – エージェントは GetOrderHistory Lambda 関数を使用して CRM システムにクエリを実行します。

    3. 適格性チェック – エージェントは ProcessReturn Lambda 関数を呼び出して、戻り適格性を検証します。

    4. レスポンスの生成 – エージェントは適切なレスポンスを作成します。

  3. カスタマーコミュニケーションアクションは、エージェントが「返品が処理中」と応答したときに発生します。間もなく確認メールが届きます。」

ワークフロー全体は、Amazon Bedrock Agents が定義されたアクショングループを通じて複雑なビジネスロジックを調整する方法を示しています。顧客のインテントをバックエンドのシステムやプロセスに接続することで、自動化されたがコンテキストに応じた適切なカスタマーサービスエクスペリエンスを提供します。

Amazon Bedrock AgentCore は、Amazon Bedrock エコシステムを個々のエージェントを超えて拡張し、自動的なイベント駆動型 AI システムに完全なランタイムとメモリアーキテクチャを提供します。

Amazon Bedrock エージェントは、単一のタスクまたはドメインの推論シーケンスとアクションシーケンスのオーケストレーションに重点を置いています。AgentCore は、分散サーバーレス環境全体でマルチエージェントワークフローを構成、調整、維持するための基盤となるインフラストラクチャを提供します。

次の図は、AgentCore によるカスタマーサポート自動化のユースケース例のワークフローを示しています。

EventBridge、AgentCore、Lambda を使用したカスタマーサポートの自動化のワークフロー。

この例では、前の Amazon Bedrock エージェントの例と同じアクションに従います。小売ウェブサイトのユーザーがサポートチャットボットにメッセージを入力します。次のワークフローが発生します。

  1. ユーザーは「先週注文した靴を返す必要があります。お手伝いできますか？」

  2. メッセージは EventBridge を介して受信され、ルーティングされます。

  3. EventBridge は AgentCore ランタイムエンドポイントをトリガーします。

AgentCore には、既存のオーケストレーションモデルを補完する 3 つの主要な機能が導入されています。

  • AgentCore ランタイム – 内でカスタムエージェントロジックを実行するためのマネージド実行環境 AWS。 AWS Lambda および Amazon ECS とネイティブに統合され、エージェントの動作をオンデマンドでスケーリングするため、コンテナまたは関数インフラストラクチャを手動で管理する必要がなくなります。

  • AgentCore Memory – コンテキスト、状態、タスク履歴の永続的な構造化ストレージを提供します。これにより、エージェントは呼び出しとワークフロー全体で継続性を維持し、エフェメラルメモリモードと長期メモリモードの両方をサポートできます。メモリデータは、オブザーバビリティとコンプライアンスのために DynamoDB または Amazon Simple Storage Service (Amazon S3) と同期できます。

  • AgentCore Gateway – Model Context Protocol (MCP) を介して AWS のサービス および外部 APIs を安全に呼び出すためのマネージドインターフェイス。これらのコネクタにより、エージェントはエンタープライズデータ、ツール、アプリケーションと直接やり取りできるため、カスタム統合コードなしでより豊富なオーケストレーションが可能になります。

これらのコンポーネントを組み合わせることで、サーバーレスのイベント駆動型アーキテクチャで動作するアダプティブなマルチエージェントシステムを構築できます。例えば、AgentCore Runtime は、AgentCore Memory を使用してコンテキストを共有し、確定的で監査可能な結果を確保するために、EventBridge または Step Functions を介して調整する複数の専門エージェントをホストできます。 AgentCore

AgentCore は、顧客のインテントをバックエンドのシステムやプロセスに接続することで、自動的かつコンテキストに応じた適切なカスタマーサービスエクスペリエンスを提供します。

オーケストレーションはハードコードされません。LLM はワークフローを動的に決定し、入力のバリエーションやあいまいさに対するシステムの耐障害性を高めます。

ルールベースまたは AI ネイティブ: 使用するタイミング

AWS Step Functions と Amazon Bedrock エージェントはそれぞれ、さまざまなオーケストレーションシナリオで優れています。ベストプラクティスとして、制御されたプロセスには Step Functions を使用し、自然言語インタラクションと柔軟な目標達成には Amazon Bedrock エージェントを使用します。次の表は、これらのサービスをさまざまなユースケースタイプで比較したものです。

ユースケースタイプ

Step Functions (ルールベース)

Amazon Bedrock エージェント (AI ネイティブ)

決定論的ワークフロー

理想的

不要。

非構造化ユーザー入力

剛性

解釈と適応を行います。

複雑なビジネスルール

条件を使用してモデル化する

セマンティック推論を使用して推測できます。

きめ細かな監査証跡が必要

フルステートトレース

エージェントログに応じてトレースが制限されます。ただし、重み、バイアス、モデル呼び出しログ記録などのツールは、この制限を軽減できます。

レイテンシーの影響を受けやすい自動化

リアルタイムの調整

リアルタイムですが、LLM 処理のためわずかに高くなります。

目標指向のユーザーエクスペリエンス

明示的な設計が必要

エージェントは目標を推測し、フローを作成できます。

イベント駆動型オーケストレーション

ルールベースまたは AI ネイティブのオーケストレーションのどちらを使用する場合でも、イベントはサーバーレスシステムでインテリジェンスをアクティブ化するメカニズムです。どちらのオーケストレーションモデルでも、次のシーケンスが発生します。

  1. イベントは EventBridge を介して出力されます。イベントの例としては、ユーザー入力、ドキュメントのアップロード、トランザクションなどがあります。

  2. このイベントは、適切なオーケストレーターをトリガーします。

    • ロジックが決定論的である場合の Step Functions

    • AWS Lambda またはネイティブ AWS ランタイム用の Amazon ECS タスクを EventBridge にサブスクライブして、振り分け設計を行う

    • ロジックが動的または会話型の場合の Amazon Bedrock エージェント

  3. AgentCore エージェントは、AgentCore SDK を使用して EventBridge イベントをネイティブに発行およびサブスクライブできます。このアプローチでは、エージェントは AgentCore Memory を通じて長期的なコンテキストを維持しながら、サーバーレスワークフローに直接参加します。この統合は、デュアル通信レイヤーを形成します。

    • EventBridge は、決定的で監査可能なイベントルーティングを提供します。

    • AgentCore Memory とAgent2Agentプロトコル (A2A) は、セマンティック状態共有と機能検出を提供します。

  4. 各オーケストレーターは AI サービスを調整し、完了、エラー、ダウンストリームトリガーなどの追加のイベントを出力します。

この事後対応型モデルにより、スケーラビリティ、耐障害性、モジュラー設計が保証され、システムの一部を独立して進化させることができます。

戦略的視点

EDA は、ルールベースのオーケストレーションモデルと AI ネイティブオーケストレーションモデルの両方をサポートし、両方のモデルが共存できるようにします。Step Functions は信頼性が高く繰り返し可能なオートメーションを提供し、Amazon Bedrock エージェントはコンテキストに対応した動的なインテリジェンスを導入します。

これらを組み合わせることで、組織は以下を実行できます。

  • 反復的で大量のプロセスを自動化する

  • インテリジェントでアダプティブなユーザー向けアシスタントを提供する

  • ボトルネックやアーキテクチャの剛性なしで AI をスケールする

オーケストレーションは、単なるルールではなく、インテントの解釈、ツールの選択、自動実行に関するものです。のサーバーレス AWS は、構造化ワークフロー AWS Step Functions には を、セマンティックオーケストレーションには Amazon Bedrock エージェントを組み合わせます。この統合フレームワークにより、次世代のエージェントサーバーレス AI システムを構築できます。