AgentCore Harness × Managed KBで作るフルマネージドなAI Agent

こんにちは、SCSK竜崎です。

2026年6月25日、26日にAWS Summitが開催され、無事に終了しましたね〜
自分は今年から初めて参戦して、非常に面白く学びの多いイベントだったなと感じました！

特に今回はAIをテーマとしていたため、最近勉強し始めたBedrock周りの話が多く出てきて惹かれるものが多く、自分でも構築してみたいという意欲が湧きました。
トークイベントやセッションにご登壇された方々、本当にお疲れ様でした！
どこかでご縁があれば、嬉しい限りです。

さて、今回は、最近GAしたBedrock AgentCore Harnessと、Bedrock Managed KBを使って、AI Agentの実行環境もRAGもフルマネージドで作成していきます！
サブタイトルは何ですかといったところで、今回は就活生時代の自分を振り返ってみます。
なぜこんなテーマか？というと、就活生時代、自己分析や就活仲間との壁打ちの記録を、全てGoogle Documentで管理していたんですよね。
ということもあり、Bedrock Managed KBではGoogle Driveを標準のデータソースとして設定できる、という特性を活かして「これは当時の自分を簡単に振り返られるのでは！？」と思いつき、実践してみたくなりました。

はじめに

Bedrock AgentCore HarnessとBedrock Managed KBがどんなサービスか、おさらいしていきましょう。

Bedrock AgentCore Harnessとは

Bedrock AgentCore Harness は、AWS 上で AI Agentを動かすためのマネージドサービスです。
使うモデル・ツール・役割（instructions）を指定するだけで、エージェントが動く、というのが一番の特徴です。

では、これまで使用していたAgentCore Runtimeとは何が違うのかというと、AI Agentの実行環境（＝AgentCore Runtime）を誰が管理するかの差です。
AgentCore Harnessは、その裏側ではAgentCore Runtime上でStrands Agentを動かしているので、内部的には同じ仕組みです。
簡単に比較すると、こんな感じになります。

ちなみにですが、作ったHarnessをStrandsコードに変換することも、可能みたいです。
Claude Agent SDKへの対応も公開予定とのこと。

Bedrock Managed KBとは

従来複雑だった RAG パイプラインの構築 ——埋め込み、ベクトルストレージ、検索、再ランキング、基盤モデルの選択と管理—— を、フルマネージドに行ってくれるサービスです。
また、6種類のプリビルトデータコネクター（Amazon S3、SharePoint、Confluence、Web Crawler、Google Drive、OneDrive）を標準搭載しているのも特徴の1つで、今回はこの中の Google Drive コネクターを使います。

従来のSelf-ManagedなKBとの比較も置いておきます。

ざっくり言えば、Self-managed は RAG のパーツを自分で組み立てる構成、Managed は組み立て済みのフルマネージドサービス、というイメージです。

今回は、Self-managed では使えなかった Google Driveをデータソースとして使いたいので、Managed KBを選びました。

構築作業

Managed KBの作成

Managed KBを作成するときは、画像の赤枠部分から作成画面に遷移しましょう！

今回はGoogle Driveをデータソースとして使いたいので、該当のセクションでGoogle Driveを選んでいます。
追加設定にて、「Crawl Access Control Lists (ACLs)」というのがありますが、これはEnableにすると、Google Drive側のユーザー単位でどのデータにアクセスできるかの制御ができます。
今回は私しかアクセスしないので、特別権限制御を追加する意味もないので、Disableにしておきます。

認証設定では、まずGoogle Cloud Consoleより、OAuth 2.0 クライアント IDを作成します。
①クライアントIDと②クライアントシークレット取得した後、今度はGoogleのOAuth 2.0 Playgroundより③リフレッシュトークンを取得します。
最後に、Secret Managerにて上記3つのキーバリューを「AmazonBedrock-」から始まるシークレットで作成し、設定しました。

 

↓↓作成後、同期失敗が無ければOK

AgentCore Gatewayの作成

AgentCore Harnessの作成

Harnessの作成では、コンソール上からポチポチとするだけでAI Agentのデプロイまで行えます。
その他の細かな設定は開発者に委ねられるので、今回は作成したAgentCore Gatewayと接続するように設定します。

実施結果

では、実際に作成したHarnessを動かしてみましょう。
システムプロンプトは、以下を設定しています。

あなたは、ユーザーの就活時代のドキュメントを参照して、 
ユーザーがどんな人間かを分析するアシスタントです。  
利用可能なツールを使って、ユーザーの自己分析・ES・面接振り返り 
などのドキュメントを検索し、以下の観点で人物像を描写してください:  
- 強み 
- 弱み 
- 志向性・価値観 
- キャリアで重視していたこと  

分析する際は: 
- 必ずドキュメントから得られた情報を根拠にしてください 
- 推測や一般論を避け、ドキュメントの記述に基づいて語ってください 
- 引用元のドキュメントが特定できる場合は、それを示してください

全出力を画像として貼るのは難しかったので、一部抜粋、ということで。
ちゃんと正確です。ちょっと文章変なところもありますけど、書いていることは正しいです。

文字ベースにはなりますが、他にはこんな出力も。（人名がちょいちょい出てきていたので、マスクしています）

3. 実行力と改善志向

・自己PR資料を複数バージョン（改訂版２を含む）へ継続的に改訂
・〇〇、△△、××さんなど複数の先輩・友人とロールプレイを繰り返し実施し、フィードバックを反映してブラッシュアップ
・面接対策が単発ではなく「SCSK最終対策 w/〇〇」「SCSK最終対策 w/△△」など複数の段階的な準備を記録

...

弱み
1. 思考の散らかりやすさと言語化・構造化の課題
・ドキュメントの記録にチェックボックス（□）や線引き（||||）などの記号が多用されており、やや乱雑な状態が推測される
・複数の改訂版が存在すること自体が、初回で言いたいことを明確に構造化できていない可能性を示唆
・自分のアウトプット（特に言語化）を完成させるまでに反復が多く必要

2. 長期的なビジョンの一貫性確認の必要性
・「3年・5年・10年後」の成長イメージを面接で語る準備をしているが、ドキュメントから見る限り、
短期的な準備（面接対策）と中期的なキャリアパス（SE→SIer上流工程）の結合が明確に示されていない
・IoT、DX、ERPという領域への関心が並列しており、「なぜこの3つなのか」「どう統合するのか」という戦略的な説明が必要

...

総括

あなたは、高い学業成績と実装経験を背景に、「エンタープライズシステムの上流設計を担うSIerエンジニア」を強く志向する、
戦略的で継続改善型のプロフェッショナル志向者です。

・技術と事業を統合的に理解したいという知的好奇心
・複雑な課題を段階的に解決するプロセスへの興味
・自分の成長と市場価値の向上への意識
これらが一貫して見られます。一方で、思考を言語化・構造化する際の手間が多く、
相手に「あなたの考えの全体像」をより簡潔に伝える工夫が今後のキャリアで重要になるでしょう。

と、まあ色々書いてくれました。
ちゃんとGoogle Driveに保存している内容を基に作成してくれているので、問題なく動いたことを確認できました。

思考の言語化を凄い指摘されますけど、実際そうです。苦手です。
弱みのところで、かなりボコスカ言われてますね。当時の私は私なりに頑張っていましたが…

まとめ

最近GAしたHarnessとManaged KBを組み合わせた、フルマネージドなAI Agentの構築をまとめました。
これまで以上に開発者は、Agentを使う為のインバウンド認証や、Agentに何を使わせるかのアウトバウンド認証、その他にもツール選択やメモリ設定等、運用周りの構築に注力できるようになった印象です。
ただし、Managedな分料金が若干高い等トレードオフな部分もありますので、ここは上手く使い分けが必要そうです。