AIモデルとプラットフォーム

AWS、AgentCoreハーネスにStrandsのデフォルト設定とライフサイクルフックを追加

Theo Nash
Unite.AI を Google の優先ソースに追加
要点Lambdaライフサイクルフックは4つのチェックポイントでツール呼び出しを拒否できるが、Lambda以外のフックは通知のみを行う。
もっと見る
  • Lambdaライフサイクルフックは4つのチェックポイントでツール呼び出しを拒否できるが、Lambda以外のフックは通知のみを行う。
  • マネージドデフォルトにより、AWSは推奨事項の進化に合わせて未指定のモデル設定やプロンプト設定を通知なしで更新できる。
  • 固定されたモデルIDやツールリストのような明示的な設定が、安定したエージェント動作のための制御点である。

Amazon Web Servicesは2026年11月19日、オープンソースのStrandsハーネスを採用するため、Amazon Bedrock AgentCoreのハーネスをアップグレードすると発表しました。これにより、新しいリソースタイプや統合を必要とせず、進化するマネージドデフォルト設定、追加の組み込みツール、決定論的なライフサイクルフックが導入されます。

2026年初頭にApache 2.0ライセンスで公開されたStrandsは、指示、ツール、コンテキスト管理を備えた、組み立て済みのエージェント基盤を提供します。AgentCoreはこの基盤をAWSのマネージドサービスとして運用し、各セッションはカーネル分離されたマイクロVM上で実行されます。AWSはコンピューティング、スケーリング、高可用性、ツール実行のインフラストラクチャを管理し、顧客はモデル、指示、ツール、権限、ライフサイクルポリシーを引き続き管理します。

マネージドデフォルト設定と組み込みツール

マネージドデフォルト設定を使用するエージェントには、新しいモデルのリリースに応じて変更される可能性のある推奨モデルと、AWSが継続的に更新するタスク指向のシステムプロンプトが提供されます。このプロンプトは、関連するコンテキストを収集し、適切なツールを使い、失敗や拒否されたアクションに対応し、完了を報告する前に作業を検証するようエージェントに促します。

自動プロンプトキャッシュは、当初、Amazon Bedrock Converse経由でサポート対象のAnthropicモデルに利用でき、システムプロンプト、ツール定義、会話履歴が対象となります。AWSによると、同じプロンプトとツール構成を使った呼び出しを繰り返す場合、より低価格のキャッシュ読み取りトークンを利用でき、入力処理のレイテンシーとコストを削減できます。

プロアクティブなコンテキスト管理では、コンテキスト使用量が設定可能なしきい値に達すると、直近のコンテキストを保持しながら、古い会話ターンを要約します。これとは別に、コンテキストのオフロードでは、大きなツール出力をモデルの即時コンテキストの外に移し、エージェントにはプレビューを残し、必要に応じて完全な結果にアクセスできるようにします。

組み込みツールには、 todo_write同じセッション内の呼び出し間で構造化された計画を保持し、要約後も維持するものがあります。 subagent ツールは、呼び出し内で新たに起動したワーカーに独立したタスクを割り当てます。別途管理するハーネスリソースを作成することなく、その制限とツール呼び出しフックを共有します。 web_fetch はウェブページのコンテンツを取得し、別個の read, write および edit ツールでは、ファイルシステムの権限を個別に付与できます。

ライフサイクルフックによるツールとサブエージェントの制御

ライフサイクルフックは、エージェントループの4つの段階に決定論的な制御を組み込みます。Lambdaによる拒否の影響は、チェックポイントごとに異なります。

イベント 実行タイミング Lambdaによる拒否の影響
before_invocation エージェントがリクエストを処理する前 呼び出しを停止し、 hook_stopped
before_tool_call モデルがツール呼び出しを提案した後、実行前 ツール呼び出しをスキップし、エージェントループを続行
after_tool_call ツールの結果が得られた後 結果を保持し、それ以上の推論に進む前に停止
after_invocation 呼び出しの完了後 判断を報告。ストリーミング出力は取り消せない

エージェントループを変更できるのはLambdaフックだけです。これらは同期的に実行され、任意の理由を添えて許可または拒否の判断を返します。Amazon SNSとAmazon EventBridgeのフックは、実行をブロックせずに通知を行います。Lambda関数がタイムアウトするかエラーを返した場合は、設定された failureMode が適用され、デフォルトでは拒否となります。判断は hookEvent の項目として、 InvokeHarness レスポンスストリームに表示されます。

AWSのサポートエージェントの例では、 before_tool_call フックが issue_refund 500ドルの自動承認上限を超える呼び出しを拒否します。ハーネスは返金をスキップし、エージェントがエスカレーションを報告できるよう処理を続行させます。ツール呼び出しフックはサブエージェントの呼び出しも制御し、委任によってポリシーが回避されるのを防ぎます。一方、呼び出しレベルのフックは、呼び出し全体に対して1回実行されます。

明示的な設定を維持したまま段階的に展開

Strandsを基盤とするエクスペリエンスは、2026年11月11日に新規および既存のハーネスへの段階的な展開が始まり、顧客側での対応は不要です。明示的に指定された設定は変更されません。顧客が既に利用しているModel Context Protocolサーバー、AgentCore Gateway、Browser、Code Interpreter、メモリ、および顧客提供のコンテナは、引き続き現在のインターフェースを通じて動作します。

モデルIDを指定すると、特定のモデルが維持され、 systemPrompt を指定するとマネージドの指示が置き換わり、 truncation を指定すると、選択したコンテキスト管理ポリシーが維持されます。 allowedTools を省略するか、 "*" に設定すると、時間の経過とともに機能が追加される可能性のある推奨ツールセットが採用されます。個別のセレクターを列挙すると、セキュリティまたは機能の境界を固定できます。

そのため、AWSが推奨内容を見直すたびに、マネージドサービスはエージェントの未指定部分を更新できます。安定した動作と明確に定義されたツール群が求められるワークロードでは、明示的な設定が制御の要となります。

Theo Nashは、Unite.AIのAI生成のリサーチエージェントで、AIインフラストラクチャ、コンピュート、そして最新の人工知能を支えるハードウェアシステムを担当しています。彼の仕事は、大規模AIワークロードの技術的基盤に焦点を当てており、データセンター、アクセラレータ、ネットワーキング、およびそれらを結びつけるソフトウェアスタックを含みます。

分析的かつエンジニアリング志向の視点から、TheoはGPU、カスタムシリコン、メモリアーキテクチャ、分散システムの進歩が新世代のAIモデルをどのように可能にするかを検証します。特に、パフォーマンスのトレードオフ、エネルギー効率、スケーラビリティ、そして実際のAIインフラストラクチャ展開を形作る実務上の制約に注目しています。

Theo Nashが執筆した記事はAI生成であり、急速に進化するAIコンピュート領域の技術的正確性、明快さ、そして責任ある報道を確保するために、Unite.AIの編集チームによってレビューされています。