← Financial Cloud Cloud クラウドクラブ · Amarathon 2025 振り返り

極点マクロ|Financial Cloud Cloud · AWS Amarathon 2025

極点マクロ|Amarathon 2025 振り返り 01:エージェント向けアーキテクチャ設計への開発者ロードマップ

登壇者: Donnie Prakoso

セッション: 01

セッション
Summit Dev Lounge2026 Re:cap
01 アーキテクチャを Steering として記述し、AI Agent を導く
02 Agent Harness こそ真のエンジニアリングの堀
03 平易な言葉で可観測性データを尋ねる
04 Bedrock AgentCore で Serverless AR ゲームを構築する
05 AgentCore 上のマルチ Agent クオンツ・バックテスト
06 3 分でブログをスライドにする——Kiro で
AWS Community Day Hong Kong 2025 Re:cap
02 TerraformによるAWSコンプライアンス
03 初心者からビルダーへ――素晴らしいクラウドの旅
04 LaravelとBrefによるチームファーストのサーバーレスエンジニアリング
05 イベント開会式
06 AWS 上で相互運用可能な AI を構築する
07 別のテレメトリデータを AI エージェントで活用し、改善を加速する
08 Kiro による仕様駆動開発
09 MCP と AI エージェントを活用した自動テスト
10 機械学習を活用したアプローチ
11 RAGとMCP
12 TAKとAWSを活用した災害・緊急対応
13 テストの観点からサーバーレスアプリケーションのワークフローを再考する
14 クラウド成功のための実践的なAWS FinOps
15 リスク調整後資産リターンの革新
FSI Recap
01 Modern Trade Lifecycle: Trading to Settlement
02 Goldman Sachs: Fast Track your applications onto Cloud - AWS Re:cap Q1/2023
03 Zurich Insurance Group: Building an Effective Log Management Solution on AWS
04 FSI Meetup 2025 Q4 - Brex Database Disaster Recovery
05 FSI Meetup 2025 Q4 - A Graviton Migration Success Story
06 FSI Meetup 2025 Q4 - Stifel Modern Data Platform
07 FSI Meetup 2025 Q4 - Financial Transaction Data Reconciler PayPal
08 FSI Meetup 2025 Q4 - Scaling Resilience
09 Maximizing AI Inference Cost Efficiency: Strategic Adoption of AWS GPU Instances
10 Advanced Agentic AI Design Patterns
11 Build New Modern Apps on AWS
AWS re:Invent 2025
01 Coinbase re:Invent の要約 (IND3312)
02 AI と AWS を活用した未来の取引プラットフォームの構築
03 トレーディングイノベーション: Amazon Bedrock (IND3315) の Jefferies AI アシスタント
04 FSI がエージェント型 AI で HFT 分析に革命をもたらした方法 (GBL302)
05 Nasdaq をフィーチャーした Amazon Time Sync による分散システムの改善
06 Amazon Aurora HA および DR グローバル復元力のための設計パターン (DAT442)
07 エージェントの構築 AI: Amazon Nova Act および Strands エージェントの実践 (DEV327)
08 Amazon Aurora とそのイノベーションの詳細 (DAT441)
09 Amazon S3 の詳細解説 (STG407)
10 Nasdaq:グローバル金融サービス向けのレジリエントなインフラストラクチャを構築する (HMC327)
11 AWS Lambda の新機能 (CNS376)
12 Kiro によるスペック駆動開発 (DEV314)
13 Amazon の FinOps: 世界的な E コマース大手から学ぶクラウドコストの教訓 (AMZ308)
14 AWS 上のティック・トゥ・トレード低レイテンシ取引プラットフォーム
Government data
01 The AI Era: The Boundary Between Development and Design Is Disappearing
02 On-Device Multimodal AI and Smart-City Practice
03 Large-Model Capability Evaluation and a Method for Landing AI Projects
04 Controlled End-to-End Automation of Government Development with Cloud Agents
05 A New Software Ecosystem for the Agent Era, Seen Through Multi-Agent Systems
06 AI-Driven Macro Quantitative Research and Smart Governance
07 Authorized Operation of Public Data and Smart-Government Practice
08 Putting Data Assetization into Practice: Rights, Compliance, Engineering Governance, and Digital-Government Cases
09 AI for Mental-Health Public Welfare: Governance, Architecture, and Practice of a Trustworthy Platform
Amarathon 2025 振り返り
01 エージェント向けアーキテクチャ設計への開発者ロードマップ
02 Amazon Bedrock Data Automation
03 AgentCore 上のマルチエージェント
04 Nova Act と Strands Agents を実践で活用したエージェント型 AI の構築
04 仕様駆動開発と Kiro で移行プロジェクトを加速
06 「マッチング」から「理解」へ: AgentCore Memory が実現するパーソナライズド AI 検索の実践
07 観測から最適化へ – LLM オブザーバビリティから AIOps へ、リアルタイムの洞察をインテリジェントな自動化に変える
08 TEAM の導入と最高のエンジニアリングチームの構築
09 いわゆるサーバーレスデータベースの5年間から得た5つの厳しい教訓
14 AI が私の仕事をしたらどうなるか Q Developer CLI と Kiro が私の日常業務をどう変えたか
16 警戒を保ちながら迅速に:Amazon Bedrock エージェント開発に不可欠なセキュリティ
26 1 台の H100 で OSS LLM をよりスマートに、低コストで、高速に実行
28 最新の統合メタデータアーキテクチャ:データサイロを解消する新たなアプローチ
29 サーバーレス MediaOps:Amazon Web Services 上の AI による動画ワークフローの自動化
30 大規模パフォーマンステストによる効率性と信頼性を重視したアーキテクチャ設計
31 オープンソースで世界をつなぐ: テクノロジー、コミュニティ、グローバルな開発者関係をめぐる実践の旅
33 リアルタイム物流分析のためのストリーミング Iceberg テーブルの構築
34 大規模ロボット戦略トレーニングの高速化: Kiro、Trainium、EKS に基づく自動クローズドループアーキテクチャ
35 仕様駆動開発で「Vibe」から実用レベルへ
36 クラウドコスト分析をよりスマートに: StrandsとAgentCoreによるFinOpsインテリジェントエージェントの構築
37 CNCF Kagent、K8sGPT、Nova Sonicを使用したK8s向け対話型エージェントAIOpsの変革

開発者ロードマップ

● 未来のアーキテクト

● コンテンツ生成

● RAG の学習

● 開発スキルの強化

● AI エージェントの構築

● MCP の統合

● エージェント間通信

● 急速に成長している...

エージェント型開発

● エージェントとともに開発

● コード生成

● AI-DLC(AI 駆動開発ライフサイクル。人工知能を中心的な協働者として位置付ける現代的なソフトウェア開発手法)

● エージェント型 IDE

● バイブコーディング

● 仕様駆動

エージェント向けの開発

● スケーリング

● デプロイ

エージェントの開発

● シングルエージェント対マルチエージェント

● MCP

● ガードレール

● オブザーバビリティ

● ベストプラクティス

● API

エージェント型 AI システム

● 使用して構築

● エージェント

● 自律的な意思決定

● 反復的な問題解決

● 目標指向の振る舞い

エージェント型パターン

● パターンの種類

● リフレクション

● ツールの利用

● プランニング

● マルチエージェント

コンテンツ生成

● モデルを選択

● プロンプトエンジニアリング

● パラメータ

● Bedrock API との連携方法

Amazon Bedrock Knowledge Base を使用した RAG

● RetrieveAndGenerate API を使用

● RAG をセットアップ

● 適切なモデルを選択


KIRO

● プロトタイプから本番環境まで対応する AI IDE

● 仕様ベースの開発

● ステアリング(AI システムの振る舞い、応答、開発を望ましい方向へ導き、制御するプロセス。特定のタスクに合わせたモデルのファインチューニングが含まれる場合がある)

● Agent Hooks による自動化(ファイルの保存や作成など、特定のイベントに応じて、事前定義された AI エージェントのアクションを実行する開発環境(IDE)内の自動トリガー。反復作業を自動化し、一貫性を確保して、開発ワークフローを効率化するよう設計されている)

● チェックポイント

● プロパティベーステスト PBT(事前定義された入力と期待される出力を持つ特定の例を確認するのではなく、テスト対象システムの一般的な特性や不変条件の検証に重点を置くソフトウェアテスト手法。PBT は生成エンジンを利用して多様なランダム入力を自動生成し、入力空間を網羅的に探索する)

エージェントを介した AI が開発を変えている

● エージェント型開発

● エージェントとともに開発

● エージェント向けの開発

● エージェントの開発

マルチエージェントパターンの全体像

● グラフ

● ワークフロー

● スウォーム(専門化されたエージェントが互いに制御を引き継ぎながら連携できるため、単一のエージェントだけでは実現できない、より複雑で堅牢なワークフローを構築できる)

マルチエージェント — スウォーム

● 専門化されたエージェント間での動的なハンドオフ

● 創発的な経路 - エージェントが次の引き継ぎ先を決定

● すべてのエージェントで共有されるコンテキストとワーキングメモリ

● 最小限のオーケストレーションによる自律的な協働

● ユースケース: 開発プロジェクト、研究プロジェクト

「GenAI による未来はどのようなものか?」

● マイクロサービスの未来は、単に API が改善されるだけではない - AI エージェントを介して通信するインテリジェントなサービスが中心となる

● GenAI はコードを書き、ワークフローを実行できるが、そもそもなぜそのシステムが存在する必要があるのかという理解を置き換えることはできない。


エージェント間通信の概念実証

● このアーキテクチャ図は、Amazon Bedrock AgentCore Runtime および Strands Agents SDK を使用するエージェント型 AI アプリケーション向けの AWS ベースのシステムを示している。このシステムは Model Context Protocol (MCP) を利用し、AWS Lambda を介して実装されたさまざまなマイクロサービスおよび Amazon DynamoDB と統合する。

● AgentCore Runtime: セッション分離(microVMs を使用)、スケーラビリティ、オブザーバビリティなどのエンタープライズグレードの機能を備え、AI エージェントを実行するための中核実行プラットフォーム。

● Strands Agents: 状態の処理、ツールのオーケストレーション、多段階推論を含むエージェントのロジックを構築するための、オープンソースかつコードファーストの Python SDK。

● AgentCore Gateway: 既存の MCP サーバー、REST APIs、Lambda 関数などのツールにエージェントがアクセスするための、安全な受信接続と統一インターフェイスを提供する。

● Model Context Protocol (MCP): AI モデルが外部のデータソースやツールと通信できるようにする、オープン標準およびクライアント・サーバーアーキテクチャ。

● MCP Servers: 特定の機能(ツール)を AI エージェントに公開する軽量プログラム。

● マイクロサービス: このシステムは複数のサーバーレスマイクロサービス)で構成され、それぞれが AWS Lambda 関数を使用して実装され、データ永続化には Amazon DynamoDB が使用される。

● ワークフロー: AgentCore Runtime で稼働する Strands Agents は、AgentCore Gateway を介して通信し、さまざまな MCP サーバーを呼び出すことで意思決定とツールの利用ができ、それらのサーバーが対応するマイクロサービスを起動する。