はじめに
前回は、自然言語での検索を実現しました。
サーバーレスだからランニングコストをおさえながら、AIを利用できるのは、有難いですね。
また、RAGを構成せずとも、既存のDBで十分なケースもありそうです。
それに、こういった自然言語検索は、一般人を専門家の元に誘う、例えば、弁護士や税理士、建築家への間口をひろげる効果があるように感じます。
今回、それに、予約機能を追加してみました。
「仕事のストレスで悩んでいます。新宿駅近くでオンライン相談できる女性カウンセラーを探して、来週月曜の10時に予約して」と話しかけるだけで、カウンセラー検索から予約完了まで自動で行うことができます。
本記事では、Amazon Bedrock Gatewayを使用して、予約APIを、Model Context Protocol (MCP) 化し、自然言語での検索・予約フローを実現したアーキテクチャと実装の紹介となります。
システム全体像
ユーザー(自然言語)
↓
Amazon Bedrock AgentCore Runtime (Strands Agent + Nova Pro)
↓
├─→ search_counselors Tool (Lambda + Athena)
└─→ AgentCore Gateway (MCP) → booking-api-stub (FastAPI + SQLite)
↓
API Gateway → Lambda
主要コンポーネント
1. カウンセラー検索 (search_counselors)
- Lambda + Athena: S3上のJSONLデータをサーバーレスSQL検索
- 自然言語→構造化条件: LLMが「来週の平日午前中」→
datetime_from/datetime_to に変換
- マスターデータ検証: 駅名・専門領域・手法・性別・年代をマスター値と照合
2. 予約API (booking-api-stub)
| 項目 |
技術選定 |
| フレームワーク |
FastAPI 0.110+ (ASGI) |
| ORM |
SQLModel 0.0.22+ (Pydantic統合) |
| DB |
SQLite (tmp/booking.db) |
| デプロイ |
Zappa 0.60+ (slim_handler: true) |
| 公開 |
API Gateway (REST) |
FastAPIとSQLModelを使ってみたかったので、特に意味もなくデータベースを入れています。
そして、今回の隠れポイントは、ZappaがASGIをサポートしたということです。
Zappaは、これまで、WSGIしかサポートしていませんでした。それは、lambdaの一つのプロセスは同時に複数のリクエストを処理できないため、ASGIのメリットを享受できないからと思われます。しかし、FastAPIを使用したいという要望が多かったのか、ついに、ASGIをサポートすることになったようです。
これを確かめたかったというのもあります。
{
"name": "田中花子",
"email": "hanako@example.com",
"booking_datetime": "2026-10-06T10:00:00",
"consultation_content": "仕事のストレスについて",
"counseling_office_name": "新宿カウンセリングオフィス"
}
3. AgentCore Gateway (MCP)
最大のポイントは API Gateway を MCP ツールとして Agent に統合 した点です。
// agentcore.json
{
"agentCoreGateways": [{
"name": "booking-api-gateway",
"targets": [{
"name": "booking-api-target",
"targetType": "passthrough",
"passthrough": {
"endpoint": "https://xxx.execute-api.ap-northeast-1.amazonaws.com/dev",
"protocolType": "MCP"
},
"outboundAuth": { "type": "GATEWAY_IAM_ROLE", "service": "execute-api" }
}]
}]
}
4. MCP Client 実装 (Strands Agent)
from strands.tools.mcp.mcp_client import MCPClient
from mcp.client.streamable_http import streamable_http_client
import httpx, botocore.auth, botocore.session
def create_mcp_client():
signer = botocore.auth.SigV4Auth(
botocore.session.get_session().get_credentials(),
"bedrock-agentcore", "ap-northeast-1"
)
class SigV4Auth(httpx.Auth):
def __init__(self, signer): self.signer = signer
def auth_flow(self, request):
aws_req = botocore.awsrequest.AWSRequest(
method=request.method, url=str(request.url),
headers=dict(request.headers), data=request.content
)
self.signer.add_auth(aws_req)
request.headers.update(dict(aws_req.headers))
yield request
http_client = httpx.AsyncClient(auth=SigV4Auth(signer), timeout=30.0)
return MCPClient(lambda: streamable_http_client(
"https://xxx.gateway.bedrock-agentcore.ap-northeast-1.amazonaws.com/mcp",
http_client=http_client
))
mcp_client = create_mcp_client()
tools = await mcp_client.load_tools()
agent = Agent(tools=[search_counselors] + tools)
会話フロー例
User: "仕事のストレスで悩んでいます。オンラインで相談したいです。"
Agent: "仕事のストレスですね。希望する駅や地域はありますか?"
User: "新宿駅で、女性のカウンセラーを希望します。来週の平日午前中を希望します。"
Agent: "カウンセラーの年代に希望はありますか?"
User: "30代のカウンセラーを希望します。"
Agent: "以下の条件で検索してよろしいですか?
- 相談内容: 仕事のストレス
- 相談方法: オンライン
- 希望駅: 新宿駅
- 性別: 女性
- 年代: 30代
- 希望日時: 来週の平日午前中"
User: "はい、この条件で検索してください。"
Agent: "該当する事務所を 2 件見つけました。
1. 新宿カウンセリングオフィス (田中美咲、オンライン、月・水・金 10:00-12:00)
2. 新宿メンタルヘルスクリニック (佐藤由美、オンライン/対面、火・木 10:00-13:00)
どちらで予約を進めますか?"
User: "新宿カウンセリングオフィスで予約を進めます。"
Agent: "お名前を教えてください。"
User: "田中花子です。"
Agent: "メールアドレスを教えてください。"
User: "hanako@example.comです。"
Agent: "予約日時は来週の月曜日、10月6日の10時でお願いします。"
User: "来週の月曜日、10月6日の10時でお願いします。"
Agent: "相談内容は「仕事のストレスについて」でよろしいですか?
以下の内容で予約してよろしいですか?
- お名前: 田中花子
- メール: hanako@example.com
- 日時: 2026-10-06 10:00
- 相談内容: 仕事のストレスについて
- オフィス: 新宿カウンセリングオフィス"
User: "はい、この内容で予約してください。"
Agent: "予約が完了しました。
- お名前: 田中花子
- メール: hanako@example.com
- 日時: 2026-10-06 10:00
- 相談内容: 仕事のストレスについて
- オフィス: 新宿カウンセリングオフィス"
会話のフローはコンテキストで制御しています
github.com
技術的なポイント
1. AgentCore Gateway による既存 API のツール化
既存の REST API をそのまま MCP ツールとして Agent に公開できるため、以下のメリットがあります:
- 既存資産の再利用: 既存の FastAPI を変更せず MCP 化
- 認証の統合: AgentCore Gateway が IAM 認証 (SigV4) を透過的に処理
- スキーマ自動生成: OpenAPI スキーマから MCP ツールスキーマを自動生成
2. SigV4 署名付き MCP Client
AgentCore Gateway は IAM 認証 (SigV4) を要求するため、MCP Client 側で SigV4 署名を付与する必要があります。
class SigV4Auth(httpx.Auth):
def __init__(self, signer): self.signer = signer
def auth_flow(self, request):
aws_req = botocore.awsrequest.AWSRequest(
method=request.method, url=str(request.url),
headers=dict(request.headers), data=request.content
)
self.signer.add_auth(aws_req)
request.headers.update(dict(aws_req.headers))
yield request
Strands の MCPClient.load_tools() は、MCP サーバーから取得したツール定義を自動的に Strands の AgentTool に変換します。手動でのラッパー関数作成が不要です。
mcp_tools = await mcp_client.load_tools()
tools.extend(mcp_tools)
アーキテクチャ図
graph TB
User[ユーザー]
UI[Vue 3 Chat UI]
API[API Gateway]
Proxy[agentcore-proxy Lambda]
Agent[AgentCore Runtime<br/>Strands + Nova Pro]
SearchLambda[search_counselors Lambda]
Gateway[AgentCore Gateway<br/>MCP Protocol]
BookingAPI[booking-api-stub<br/>FastAPI + SQLModel]
BookingLambda[Lambda]
Athena[Athena]
S3[S3 Data]
User --> UI
UI --> API
API --> Proxy
Proxy --> Agent
Agent --> Bedrock[Bedrock Nova Pro]
Agent --> SearchLambda
Agent --> Gateway
Gateway --> BookingAPI
BookingAPI --> BookingLambda
SearchLambda --> Athena
Athena --> S3
BookingLambda --> SQLite[(SQLite)]
デプロイ構成
booking-api-stub (Zappa)
{
"dev": {
"app_function": "booking_api.main.app",
"app_type": "asgi",
"s3_bucket": "counselor-search-ai-zappa-deploy",
"slim_handler": true,
"cors_options": {"allowedOrigins": ["*"]},
"environment_variables": {
"DATABASE_URL": "sqlite:///./tmp/booking.db"
}
}
}
uv run zappa deploy dev
AgentCore Runtime + Gateway
cd agent
uv run agentcore deploy -y
まとめ
Amazon Bedrock AgentCore と AgentCore Gateway を組み合わせることで、既存の REST API をそのまま AI エージェントのツールとして統合 できることを実証しました。
ポイントは以下の3点です:
- AgentCore Gateway で既存 API を MCP 化
- SigV4 対応 MCP Client で IAM 認証を透過的に処理
load_tools() 自動変換 で手間なくツール統合
自然言語での複雑な業務フロー(検索→選択→予約)を、LLM の推論能力と既存システムの確実な実行能力の両立で実現できました。
参考リンク
本記事のコードは GitHub で公開しています。