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。 # AgentCore ランタイムで Amazon Bedrock マネージドエージェント (OpenAI を使用) の使用を開始する **注記** Amazon Bedrock マネージドエージェント (OpenAI を使用) はプレビュー中です。機能や APIs、一般提供前に変更される場合があります。 Amazon Bedrock マネージドエージェントは OpenAI Codex ハーネスを実行します AWS。ハーネスはモデルとツール間のループを実行し、セッションを保持し、会話が大きくなるにつれてコンテキストを圧縮します。エージェントがコマンドを実行したり、ファイルを操作する必要がある場合、Bedrock マネージドエージェントは作業を 環境に送信します。その環境を実行する場所を決定します。 Codex exec-server は、ローカル開発用に独自のコンピュータで実行できます。その他のワークロードの場合、Bedrock マネージドエージェントはアカウントで AgentCore ランタイムを呼び出します。ランタイムは、各セッションに独自のmicroVM を提供します。セッションはユーザーが管理する実行ロールで実行され、ランタイムは VPC に接続して、エージェントがプライベートリソースに到達できるようにします。モデル呼び出しは Bedrock マネージドエージェントに留まるため、コンテナはエージェントが送信するコマンドのみを実行します。 このチュートリアルでは、以下のタスクを実行します。 + AgentCore CLI を使用してランタイムを作成してデプロイします。 + OpenAI SDK を使用してセッションを開始します。エージェントはランタイムでサンプルスキルを使用します。 + (オプション) 独自のスキルを追加します。 ステップ 1～4 には約 15 分かかります。 このチュートリアルで作成した AWS リソースは、 AWS アカウントに課金される可能性があります。これらのリソースには、ランタイム、 AWS CodeBuild イメージビルド、Bedrock マネージドエージェントモデル呼び出しが含まれます。詳細については、[AgentCore の料金](https://aws.amazon.com/bedrock/agentcore/pricing/)」を参照してください。料金を停止するには、 のリソースを削除します[ステップ 8: クリーンアップする](#runtime-get-started-bma-clean-up)。 ## 前提条件 + **Node.js 20 以降。**AgentCore CLI は npm パッケージとして配布されます。で を確認します`node --version`。 + **uv。**サンプルクライアントは [uv](https://docs.astral.sh/uv/) を使用して Python 依存関係をインストールします。 + **認証情報が設定された AWS アカウント。**アカウントを作成するには、[「 AWS アカウントの開始方法](https://docs.aws.amazon.com/accounts/latest/reference/getting-started.html)」を参照してください。認証情報を設定するには、「 [CLI AWS の設定](https://docs.aws.amazon.com/cli/latest/userguide/cli-configure-files.html)」を参照してください。 + **[IAM アクセス許可]**。ID には、AgentCore API コールを行い、デプロイ中に使用される CDK ブートストラップロールを引き受けるアクセス許可が必要です。[AgentCore CLI を使用する](runtime-permissions.md#runtime-permissions-cli)」を参照してください。サンプルクライアントには IAM アクセス許可も必要です。「[セッションロール](#runtime-get-started-bma-session-role)」を参照してください。 + **モデルアクセス。**アカウントは Bedrock マネージドエージェントモデル にアクセスする必要があります`openai.gpt-5.6-luna`。 CLI は、アカウントに AWS CodeBuild を使用してコンテナイメージを構築します。 ## ステップ 1: プロジェクトを作成する AgentCore CLI をインストールし、認証情報とリージョンを設定します。 ``` npm install -g @aws/agentcore agentcore --version export AWS_PROFILE=your-profile export AWS_REGION=us-east-1 ``` `BedrockManagedAgents` フレームワークを使用してプロジェクトを作成します。フラグ`agentcore create`なしで を実行することもできます。**エージェント**を選択し、**Bedrock マネージドエージェント**をフレームワークとして選択します。 ``` agentcore create --name MyManagedAgent --framework BedrockManagedAgents cd MyManagedAgent ``` プロジェクトには、 のランタイム設定`agentcore/agentcore.json`と のコンテナソースがあります`app/MyManagedAgent/`。コンテナは `codex exec-server`を実行します。これは Bedrock マネージドエージェントに接続し、エージェントのコマンドを実行します。 プロジェクトは、以下のデフォルトを使用してランタイムを設定します。 + アイドルタイムアウトは 30 分、最大有効期間は 8 時間です。[「ライフサイクル設定の構成](runtime-lifecycle-settings.md)」を参照してください。 + のアクセス許可を持つ実行ロール`policies/bma-acr-policy.json`。 ### プロジェクトの構造 ``` MyManagedAgent/ ├── agentcore/ │ ├── agentcore.json │ └── cdk/ └── app/MyManagedAgent/ ├── Dockerfile ├── lifecycle/server.py ├── otel/collector.yaml ├── plugins/acr-report/ ├── policies/ │ ├── bma-acr-policy.json │ ├── bma-session-trust.json │ └── bma-session-policy.json ├── pyproject.toml ├── client.py └── README.md ``` キーファイル: + `lifecycle/server.py` - ライフサイクルサーバー。Bedrock マネージドエージェントはこれを呼び出してランタイムセッション`codex exec-server`で開始します。このファイルは変更しないでください。 + `Dockerfile` - Codex、CloudWatch エージェント、Python をインストールし、`lifecycle/`、`otel/`、 を にコピー`plugins/`します`/opt/bma`。 + `otel/collector.yaml` - exec-server のスパンとログを CloudWatch に送信します。 + `plugins/acr-report/` - 1 つのスキルを持つサンプルプラグイン。スキルはワークスペース`acr-report.txt`に保存されます。 + `policies/bma-acr-policy.json` - ランタイム実行ロールのポリシー。`bedrock-mantle:RegisterEnvironment` および `bedrock-mantle:ConnectEnvironment` を許可します。1 つのプロジェクトに制限するには、 `Resource`を に変更します`arn:aws:bedrock-mantle:::project/`。 + `pyproject.toml` - Python の依存関係。`dev` グループは `client.py`専用です。 + `policies/bma-session-trust.json` および `policies/bma-session-policy.json` - 信頼ポリシーとセッションロールのアクセス許可。「[セッションロール](#runtime-get-started-bma-session-role)」を参照してください。 + `client.py` - セッションを開始するサンプルクライアント。ステップ 3 で実行します。 ### VPC にランタイムをデプロイする ネットワークオプションを に追加します`agentcore create`。 ``` agentcore create --name MyManagedAgent --framework BedrockManagedAgents \ --network-mode VPC --vpc-id --subnets \ --security-groups ``` exec-server が接続するため、VPC には Bedrock Managed Agents エンドポイントへのルートが必要です。イメージビルドは Codex と Python をダウンロードするため、インターネットへのルートも必要です。「VPC [の AgentCore を設定する](agentcore-vpc.md)」を参照してください。 ### インスタンスでランタイムを実行する 同じプロジェクトが**インスタンス**コンピューティングタイプで実行されます。プロジェクトにキャパシティープロバイダーを追加し、キャパシティープロバイダーでエージェントを追加します。 ``` agentcore create --name MyManagedAgent --no-agent cd MyManagedAgent agentcore add capacity-provider --name MyCapacityProvider \ --subnets --security-groups \ --os LINUX_ARM64 --instance-types c7g.large agentcore add agent --name MyManagedAgent --framework BedrockManagedAgents \ --capacity-provider MyCapacityProvider ``` 次に、 を続行します[ステップ 2: デプロイする](#runtime-get-started-bma-deploy)。 はキャパシティープロバイダーとそのオペレーターロール`agentcore deploy`も作成します。 + イメージビルドは ARM64 イメージを作成するため、 `LINUX_ARM64`および Graviton インスタンスタイプを使用します。 + キャパシティープロバイダーはネットワークを提供します。サブネットには Bedrock Managed Agents エンドポイントへのルートが必要です。 プロジェクトにないキャパシティープロバイダーをアタッチするには、その ARN を に渡します`agentcore create --framework BedrockManagedAgents --capacity-provider `。[「ランタイムインスタンスとキャパシティープロバイダー](runtime-instances.md)」を参照してください。 ## ステップ 2: デプロイする ``` agentcore deploy agentcore status ``` CLI は、アカウントに AWS CodeBuild を使用してイメージを構築し、ランタイムとその実行ロールをデプロイします。Bedrock マネージドエージェントはランタイムを呼び出します。 の出力からランタイム ARN を保存します`agentcore status`。 ``` arn:aws:bedrock-agentcore:us-east-1::runtime/ ``` ## ステップ 3: セッションを実行する Bedrock マネージドエージェントは、セッションロールを使用してモデルを呼び出し、ランタイムを呼び出します。セッションロールはランタイム実行ロールではありません。**を実行すると`client.py`、アカウントにセッションロールが作成されます。** `agentcore deploy` はセッションロールを作成しず、削除も`agentcore remove`しません。「[セッションロール](#runtime-get-started-bma-session-role)」を参照してください。 エージェントディレクトリからクライアントを実行します。 ``` cd app/MyManagedAgent uv run client.py --runtime ``` クライアントはセッションを作成し、セッション ID、各コマンドとその出力、エージェントの回答を出力します。デフォルトでは、エージェントは`acr-report`スキルを使用してワークスペース`acr-report.txt`に保存します。 次のセクションでは、クライアントがセッションロールを管理する方法と、クライアントを実行するために必要な IAM アクセス許可について説明します。 ### セッションロール セッションロールはランタイム実行ロールではありません。 は を使用して実行ロール`agentcore deploy`を作成します`policies/bma-acr-policy.json`。クライアントは、セッションの作成時に `role_arn`フィールドの Bedrock マネージドエージェントにセッションロールを付与します。 新しいセッションを開始し、 を指定しない場合`--role-arn`、クライアントは次のステップを実行します。 1. ロール`BmaSessionRole-`が存在しない場合は、クライアントが作成します。 1. クライアントは、ロール`BmaSession`の信頼ポリシーとインラインポリシーを `policies/bma-session-trust.json`および と比較します`policies/bma-session-policy.json`。ポリシーが同じでない場合、クライアントはファイルをロールに書き込みます。ファイルは、ランタイムのアカウントとリージョンに限定されます。 1. クライアントがロールを変更した場合、15 秒待機します。Bedrock マネージドエージェントが変更を使用する前に、IAM にこの時間が必要です。 ロールを変更するには、ファイルを変更します。クライアントは、ロールに追加する他のポリシーを削除しません。を付与するときにロールはチェックされず`--session-id`、 で付与するロールは変更されません`--role-arn`。 本番環境では、クライアントに 1 つのランタイムと 1 つのゲートウェイのロールを で付与します`--role-arn`。ロールを作成するには、 の 2 つのファイルを使用します`policies/`。パーティション、リージョン、アカウント ID を入力し、 `runtime/`と ` `をランタイム ID とゲートウェイ ID に変更`gateway/*`します。リージョン内のすべてのプロジェクトが を共有するため、プロジェクト内のファイルを変更しないでください`BmaSessionRole-`。 クライアントを実行する ID には、セッションロール`iam:PassRole`に対する Bedrock Managed Agents クライアントのアクセス許可、`bedrock-mantle:CallWithBearerToken`、および が必要です。クライアントがロールを作成および修復できるようにするには、 `iam:PutRolePolicy`で `iam:GetRole`、`iam:CreateRole`、`iam:UpdateAssumeRolePolicy``iam:GetRolePolicy`、、 も指定します`arn:aws:iam:::role/BmaSessionRole-*`。に付与した場合`--role-arn`、クライアントはこれら 5 つのアクセス許可を必要としません。 信頼ポリシー、セッションロールのアクセス許可、およびクライアントアクセス許可については、*「Amazon Bedrock ユーザーガイド*」の[「セキュリティロールと IAM ロール](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-managed-agents-openai-security.html)」を参照してください。 ### クライアントの仕組み クライアントは `openai`パッケージの`client.beta.agents`リソースを使用します。Bedrock マネージドエージェントはエージェントループを実行します。 クライアントはセッションを作成するときに、 でこれらの値を設定します`environment`。 + `type` - Bedrock マネージドエージェント`aws_bedrock_agentcore`に AgentCore ランタイムを使用するように指示する 。 + `runtime_arn` - ランタイム。セッションはランタイムの リージョンで実行されます。 + `workspace_directory` - エージェントがコマンドを実行するディレクトリ。クライアントは を使用します`/home/app/workspace`。ライフサイクルサーバーは ディレクトリを作成します。 + `runtime_qualifier` - ランタイムのエンドポイント。クライアントは を使用します`DEFAULT`。 + `capability_directories` - Bedrock マネージドエージェントがスキルを見つけるディレクトリ。クライアントは を使用します`/opt/bma/plugins`。 クライアントはセッションロール`extra_body`にも `role_arn` を設定します。`openai` パッケージには、このフィールドのパラメータがありません。 `provide_token` ヘルパーは認証情報を使用して AWS 、リクエストごとに有効期間の短い Amazon Bedrock ベアラートークンを取得します。 プロジェクトにゲートウェイを追加する場合は、 `agentcore deploy`を使用して の出力からその ARN を指定します`--gateway`。フラグは、新しいセッションにのみ使用します。クライアントは、 の ARN を使用してゲートウェイを`mcp`ツールとして追加します`connector_id`。Bedrock マネージドエージェントは、セッションロールを使用してゲートウェイを呼び出します。ゲートウェイは MCP バージョン をサポートしている必要があります`2025-03-26`。そうでない場合、エージェントはゲートウェイツールを取得せず、Bedrock マネージドエージェントはエラーを表示しません。 ``` """Send an input to a Bedrock Managed Agents session that uses this project's ACR.""" import argparse import json import time from pathlib import Path from typing import Any import boto3 from aws_bedrock_token_generator import provide_token from botocore.exceptions import ClientError from openai import NotFoundError, OpenAI BMA_MODEL_ID = "openai.gpt-5.6-luna" # The agent runs its commands in this directory. The lifecycle server creates it. WORKSPACE_DIRECTORY = "/home/app/workspace" # Plugins and skills that the agent can use. The image has the acr-report plugin # at this path. Add the path of an S3 Files mount to use the skills in a bucket. CAPABILITY_DIRECTORIES = ["/opt/bma/plugins"] TURN_END = ("completed", "failed", "cancelled") TOOL_CALLS = ("mcp_call", "function_call", "web_search_call") POLICIES = Path(__file__).parent / "policies" SESSION_ROLE = "BmaSessionRole-{region}" SESSION_POLICY = "BmaSession" def show(data: dict[str, Any]) -> None: """Prints the session ID, the commands, the tool calls, and the answer.""" kind = data["type"].removeprefix("agent.session.") item = data.get("item") or {} if kind == "created": print(f"Session {data['session']['id']}") elif kind == "turn.output_text.delta": print(data["delta"], end="", flush=True) elif kind == "turn.item.done" and item.get("type") == "command_execution": print(f"\n$ {item['command']}\n{item.get('output') or ''}".rstrip()) elif kind == "turn.item.done" and item.get("type") in TOOL_CALLS: print(f"\nTool {item.get('name') or item['type']} {item.get('status')}") elif kind == "error" or kind.split(".")[-1] in TURN_END: source = data.get("turn") or data.get("environment") or data.get("session") print(f"\n{kind} {(source or data).get('error') or ''}".rstrip()) def load_policy(name: str, partition: str, region: str, account: str) -> str: """Reads a policy file and puts in the partition, the Region, and the account.""" text = (POLICIES / name).read_text() for key, value in (("Partition", partition), ("Region", region), ("AccountId", account)): text = text.replace("${AWS::" + key + "}", value) return text def session_role(runtime_arn: str) -> str: """Creates or repairs the session role, and returns its ARN. If the trust policy or the policy of the role is not the same as the file in `policies/`, the client writes the file to the role. """ _, partition, _, region, account = runtime_arn.split(":")[:5] name = SESSION_ROLE.format(region=region) trust = load_policy("bma-session-trust.json", partition, region, account) policy = load_policy("bma-session-policy.json", partition, region, account) iam = boto3.client("iam") changed = False try: role = iam.get_role(RoleName=name)["Role"] except iam.exceptions.NoSuchEntityException: role = iam.create_role(RoleName=name, AssumeRolePolicyDocument=trust)["Role"] print(f"Created the session role {name}") changed = True else: if role["AssumeRolePolicyDocument"] != json.loads(trust): iam.update_assume_role_policy(RoleName=name, PolicyDocument=trust) print(f"Updated the trust policy of {name}") changed = True try: current = iam.get_role_policy(RoleName=name, PolicyName=SESSION_POLICY)["PolicyDocument"] except iam.exceptions.NoSuchEntityException: current = None if current != json.loads(policy): iam.put_role_policy(RoleName=name, PolicyName=SESSION_POLICY, PolicyDocument=policy) if not changed: print(f"Updated the policy of {name}") changed = True if changed: # IAM needs some seconds before Bedrock Managed Agents can use a new or changed role. time.sleep(15) return role["Arn"] def main() -> None: parser = argparse.ArgumentParser(description=__doc__) parser.add_argument("--runtime", required=True, help="The ACR ARN.") parser.add_argument( "--session-id", help="The BMA session ID. If it does not exist, the client creates a session.", ) parser.add_argument( "--input", default="Use the acr-report skill to save an ACR report in the workspace.", ) parser.add_argument( "--gateway", help="The Gateway ARN from the output of `agentcore deploy`.", ) parser.add_argument( "--role-arn", help="The session role that BMA assumes. If you do not give it, the client creates a role.", ) parser.add_argument("--delete", action="store_true", help="Delete the session.") parser.add_argument("--raw", action="store_true", help="Print events as JSON.") args = parser.parse_args() # BMA must run in the Region of the ACR. region = args.runtime.split(":")[3] with OpenAI( api_key=lambda: provide_token(region=region), base_url=f"https://bedrock-mantle.{region}.api.aws/openai/v1", ) as client: sessions = client.beta.agents.sessions session_id = args.session_id if session_id: try: session = sessions.retrieve(session_id).model_dump(warnings=False) except NotFoundError: print(f"Session {session_id} does not exist.") session_id = None else: if session["environment"].get("runtime_arn") != args.runtime: raise ValueError(f"Session {session_id} uses another ACR.") if not session_id and not args.role_arn: try: args.role_arn = session_role(args.runtime) except ClientError as error: parser.error( f"The client cannot create or check the session role: {error}. " "Get the IAM permissions in README.md, or give --role-arn." ) print(f"Session role {args.role_arn}") if session_id: # BMA opens the stream only with stream=true, and the SDK does not send it. events = sessions.events.stream(session_id, extra_query={"stream": "true"}) message = { "role": "user", "content": [{"type": "input_text", "text": args.input}], } sessions.events.create( session_id, events=[{"type": "agent.session.input.message", "input": [message]}], ) else: agent: dict[str, Any] = { "model": BMA_MODEL_ID, "instructions": "Use the available tools to complete the task.", } if args.gateway: # Bedrock Managed Agents calls Gateway with the session role from the service side. agent["tools"] = [ {"type": "mcp", "server_label": "team_tools", "connector_id": args.gateway} ] args.input += " Then list the tools that the Gateway gives you." events = sessions.create( agent=agent, environment={ "type": "aws_bedrock_agentcore", "runtime_arn": args.runtime, "runtime_qualifier": "DEFAULT", "workspace_directory": WORKSPACE_DIRECTORY, "capability_directories": CAPABILITY_DIRECTORIES, }, input=args.input, stream=True, # The SDK has no role_arn parameter. BMA assumes this role to call the ACR. extra_body={"role_arn": args.role_arn}, ) with events: for event in events: data = event.model_dump(mode="json", warnings=False) session_id = session_id or (data.get("session") or {}).get("id") if args.raw: print(json.dumps(data), flush=True) else: show(data) if data["type"].removeprefix("agent.session.turn.") in TURN_END: break if args.delete: sessions.delete(session_id) print(f"\nDeleted session {session_id}") if __name__ == "__main__": main() ``` ## ステップ 4: セッションを続行する 同じセッションに別の入力を送信するには、セッション ID を追加します。ターンは同じワークスペースを使用します。アイドル停止後もワークスペースを維持するには、 のようにセッションストレージを追加します[アイドル状態の停止後にファイルを保持する](#runtime-get-started-bma-keep-files)。 ``` uv run client.py --runtime --session-id \ --input "Run cat acr-report.txt and show the output." ``` セッションが存在しない場合、クライアントは新しいセッションを作成します。`--delete` を追加してターン後にセッションを削除するか、各イベントを JSON として`--raw`出力します。 ### アイドル状態の停止後にファイルを保持する microVM ランタイムで、exec-server のホームディレクトリをセッションストレージに配置します。次に、ワークスペース、接続状態、アイドル状態の停止後も`CODEX_HOME`維持されます。 1. ステップ 1 の コマンドの代わりに、セッションストレージを使用してプロジェクトを作成します。 ``` agentcore create --name MyManagedAgent --framework BedrockManagedAgents \ --session-storage-mount-path /mnt/home cd MyManagedAgent ``` 1. で`agentcore/agentcore.json`、この変数をランタイムのエントリに追加します。 ``` "envVars": [{ "name": "BMA_HOME_DIR", "value": "/mnt/home" }] ``` 1. で`client.py`、 を設定します`WORKSPACE_DIRECTORY = "/mnt/home/workspace"`。 1. クライアントをデプロイして実行します。 セッションストレージの詳細については、[AgentCore Runtime のファイルシステム設定](runtime-filesystem-configurations.md)」を参照してください。 ## ステップ 5: (オプション) スキルを追加する イメージにスキルを追加するには、 にプラグインを追加して`plugins/`デプロイします。プラグインには `.codex-plugin/plugin.json` ファイルと `skills/` ディレクトリがあります。`skills/` ディレクトリには、スキルごとに 1 つのサブディレクトリがあり、そこに`SKILL.md`ファイルがあります。このイメージは`/opt/bma/plugins`、クライアントが Bedrock マネージドエージェントに既に付与している にコピーします。 起動するには、 をコピーし`plugins/acr-report/`、プラグインディレクトリと の名前`skills/acr-report/`をプラグインとスキルの名前に変更します。で`plugin.json`、`name`、、`version``description`、および を設定します`"skills": "./skills/"`。各 は、 `name`と を持つフロントマターで`SKILL.md`始まります`description`。デプロイ後、 で新しいセッションを開始します`--input "Use the skill to …​"`。 ### Amazon S3 バケットからスキルを共有する S3 Files アクセスポイントをランタイムにマウントします。その後、バケットが変更されるとスキルが変わり、イメージは変わりません。S3 ファイルファイルシステム、アクセスポイント、およびセキュリティグループのルールについては、[AgentCore Runtime のファイルシステム設定](runtime-filesystem-configurations.md)」を参照してください。 S3 Files マウントには、VPC ネットワークモードでランタイムが必要です。のネットワークオプションを使用してプロジェクトを作成します[VPC にランタイムをデプロイする](#runtime-get-started-bma-vpc)。 バケットで、各プラグインをアクセスポイントのルートディレクトリの下にある独自のディレクトリに配置します。`plugins/acr-report/`: `/.codex-plugin/plugin.json`および と同じレイアウトを使用します`/skills//SKILL.md`。 のランタイムのエントリにマウントを追加します`agentcore/agentcore.json`。 ``` { "filesystemConfigurations": [ { "s3FilesAccessPoint": { "accessPointArn": "arn:aws:s3files:us-east-1:111122223333:file-system/fs-0123456789abcdef0/access-point/fsap-0123456789abcdef0", "mountPath": "/mnt/skills" } } ] } ``` 次に、 `CAPABILITY_DIRECTORIES` を `client.py`に設定し`["/opt/bma/plugins", "/mnt/skills"]`、デプロイします。 ## ステップ 6: ログとトレースを表示する ``` agentcore logs --since 15m ``` 最初のデプロイでは、アカウントの CloudWatch トランザクション検索が有効になります。トレースは約 10 分後に表示されます。トレースを表示するには、CloudWatch コンソールを開き、**GenAI Observability** を選択します。Bedrock マネージドエージェントからライフサイクルサーバーへの各呼び出しには、1 つの`bma.invocation`スパンがあります。詳細については、[「Amazon Bedrock AgentCore エージェントのオブザーバビリティデータを表示する](observability-view.md)」を参照してください。 **トランザクション検索設定はアカウント全体に適用されます** トランザクション検索とそのスパンインデックス作成は、リージョンのアカウント全体に適用され、追加料金が適用される場合があります。現在の設定を維持するには、デプロイ`~/.agentcore/config.json`する前に `"disableTransactionSearch": true` を に追加します。 ## ステップ 7: 更新して再デプロイする でランタイム設定を変更するか`agentcore/agentcore.json`、イメージのファイルを変更して、再度デプロイします。たとえば、この設定は 10 分後にアイドルセッションを停止します。値は秒単位です。 ``` { "lifecycleConfiguration": { "idleRuntimeSessionTimeout": 600, "maxLifetime": 28800 } } ``` ``` agentcore deploy ``` 変更は新しいセッションに適用されます。 ### ライフサイクルサーバーの環境変数 ランタイムのエントリ`envVars`に、 などの変数を追加します`{ "name": "DISABLE_ADOT_OBSERVABILITY", "value": "true" }`。 | 変数 | デフォルト | 説明 | | --- | --- | --- | | `DISABLE_ADOT_OBSERVABILITY` | 未設定 | トレースと exec-server ログをオフに`true`するには、 に設定します。ライフサイクルサーバーは、ランタイムのロググループに独自のログを書き込みます。 | | `BMA_HOME_DIR` | `/home/app` | `HOME` exec-server の 。 | | `BMA_STATE_DIR` | `BMA_HOME_DIR` の `.bma` | セッションの接続状態`state.json`を保持する のディレクトリ。 | | `BMA_CODEX_HOME` | `BMA_HOME_DIR` の `.codex` | `CODEX_HOME` exec-server の 。 | | `BMA_CODEX_BINARY` | `/opt/bma/bin/codex` | Codex バイナリ。 | | `BMA_MAX_TURN_LEASE` | `300` | 最長ターンリース、秒単位。 | 各イメージビルドは、最新の Codex リリースをインストールします。ライフサイクルサーバーには Codex 0.154.0 以降が必要です。リリースを固定するには、 `CODEX_NON_INTERACTIVE=1` の `CODEX_RELEASE=`の横に を追加します`Dockerfile`。 ## ステップ 8: クリーンアップする セッションを削除するには、そのセッションのクライアントの最終実行`--delete`に を追加します。次に、プロジェクトのリソースを削除し、デプロイしてランタイム、その実行ロール、スタックを削除します。 ``` agentcore remove all agentcore deploy ``` デプロイでは、これらのリソースは削除されません。 + ランタイム、イメージを構築する CodeBuild プロジェクトの CloudWatch Logs ロググループ、およびビルドを開始する Lambda 関数のロググループ。 + Amazon ECR リポジトリの AWS KMS キー。キーは 30 日間**削除保留中**状態のままになり、KMS AWS によって削除されます。 + 最初のデプロイでアカウントとリージョンがブートストラップされた場合の`CDKToolkit`スタック。他の AWS CDK アプリケーションはこのスタックを使用できます。他のアプリが使用していない場合にのみ削除します。 + ステップ 6 のトランザクション検索設定。 + ステップ 3 で`client.py`作成したセッションロール。 セッションロールを削除するには、次のコマンドを実行します。 ``` aws iam delete-role-policy --role-name BmaSessionRole- --policy-name BmaSession aws iam delete-role --role-name BmaSessionRole- ``` ロググループを検索するには、以下のコマンドを実行します。次に、各ロググループを削除します。 ``` aws logs describe-log-groups --log-group-name-prefix /aws/bedrock-agentcore/runtimes/_- --query 'logGroups[].logGroupName' aws logs describe-log-groups --log-group-name-prefix /aws/codebuild/AgentCore--- --query 'logGroups[].logGroupName' aws logs describe-log-groups --log-group-name-prefix /aws/lambda/AgentCore- --query 'logGroups[].logGroupName' aws logs delete-log-group --log-group-name ``` これらの値を置き換えます。 + `` - プロジェクトの名前。ステップ 1 では、 です`MyManagedAgent`。 + `` - エージェントの名前。ステップ 1 では、これは でもあります`MyManagedAgent`。 + `` - のデプロイターゲットの名前`agentcore/aws-targets.json`。デフォルトは `default` です。CodeBuild 名では、プロジェクト名とターゲット名の各アンダースコア (`_`) がハイフン () に変わります`-`。 Lambda ロググループの名前は、次の例のように短縮されます。 ``` /aws/lambda/AgentCore-MyManagedAgent--ApplicationAgentMyManage- ``` コマンドは、 リージョン内のすべての AgentCore CLI プロジェクトの Lambda ロググループを一覧表示します。プロジェクトのロググループのみを削除します。 ゲートウェイやメモリなどの他のリソースをプロジェクトに追加した場合は、デプロイによって削除されたことを確認します。 ## 関連リソース + [AgentCore CLI を使用する](runtime-permissions.md#runtime-permissions-cli) + [ライフサイクル設定を構成する](runtime-lifecycle-settings.md) + [AgentCore ランタイムのファイルシステム設定](runtime-filesystem-configurations.md) + [VPC の AgentCore を設定する](agentcore-vpc.md) + [ランタイムインスタンスとキャパシティープロバイダー](runtime-instances.md) + [Amazon Bedrock AgentCore エージェントのオブザーバビリティデータを表示する](observability-view.md)