ankuro.dev
← ブログ一覧に戻る
【Amazon Bedrock入門①】Amazon Bedrockとは何か——AWSのAI基盤を理解する
2026-03-20#AWS#Bedrock#生成AI#入門

【Amazon Bedrock入門①】Amazon Bedrockとは何か——AWSのAI基盤を理解する

AWSでAIを使いたいとき、最初に選ぶサービスがAmazon Bedrock。

「名前は聞いたことあるけど何ができるのかよくわからない」という状態から、実際にAPIを叩くところまでをこの記事でカバーする。

Amazon Bedrockとは

Amazon Bedrockは、AWSが提供するフルマネージドの生成AI基盤サービス。

特徴は「モデルを自分で持たなくていい」こと。Claude（Anthropic）・Llama（Meta）・Mistral・Titan（Amazon）といった複数の基盤モデルを、API経由でそのまま使える。

アプリ / Lambda / Python
       ↓ API
Amazon Bedrock
       ↓
Claude 3 / Llama 3 / Mistral / Titan ...

GPUインフラの調達もモデルの管理も不要。リクエストを送ればレスポンスが返ってくる。

何ができるのか

Bedrockで実現できる主なことは4つ。

① テキスト生成・会話
チャットボット・文書要約・コード生成・翻訳など。Claude 3やLlama 3を使うのが一般的。

② RAG（検索拡張生成）
社内ドキュメントや製品マニュアルをKnowledge Baseに登録して、「自社データに基づいた回答」を生成させる。LLMの知識だけでは答えられない質問に対応できる。

③ Agents（エージェント）
複数のツール（Lambda・APIなど）をLLMに組み合わせさせて、タスクを自律実行させる。「在庫を確認して発注メールを送る」といった複数ステップの処理を自動化できる。

④ 画像生成
Stable Diffusionを使った画像生成もBedrock経由でできる。

SageMakerとの使い分け

AWSのAI関連サービスで混乱しやすいのがSageMakerとの違い。

Amazon Bedrock Amazon SageMaker
目的 既存の基盤モデルを使う モデルを自分で学習・ファインチューニングする
対象 アプリ開発者 MLエンジニア・データサイエンティスト
インフラ 完全マネージド インスタンス管理が必要
主な用途 チャットボット・RAG・エージェント カスタムモデルの構築・実験

「既存のLLMをそのまま使いたい」→ Bedrock
「自社データでモデルを独自に学習したい」→ SageMaker

ほとんどのWebアプリやバックエンド開発のユースケースではBedrockで十分。

Bedrockが選ばれる理由

データがAWSの外に出ない

デフォルトでBedrockに送ったデータはモデルの学習に使われない。プロバイダー（Anthropicなど）のサーバーを経由しない構成になっている。医療・金融・行政など、データの取り扱いが厳しい領域でも採用しやすい。

AWSサービスとの統合がシンプル

Lambda・S3・CloudWatch・IAM・VPCといった既存のAWSサービスとそのまま組み合わせられる。boto3（AWS SDK for Python）から数行でAPIを叩ける。

従量課金でインフラ不要

使った分だけ払う。入力トークン・出力トークンに対して課金される。インスタンスの常時起動コストがない。

使える主なモデル

2026年3月時点でBedrockから使えるモデルの代表例。

モデル 提供元 得意なこと
Claude 3 Haiku / Sonnet / Opus Anthropic 高品質なテキスト生成・推論
Llama 3 Meta オープンソース系、コスト重視
Mistral Mistral AI 軽量・高速
Titan Text / Embeddings Amazon AWSネイティブ、埋め込みベクトル生成
Stable Diffusion Stability AI 画像生成

モデルの詳細な比較は次回（Day 02）でカバーする。

最小構成のコード例

boto3 をインストールしてPythonから直接叩ける。

pip install boto3

import boto3
import json

client = boto3.client("bedrock-runtime", region_name="us-east-1")

response = client.invoke_model(
    modelId="anthropic.claude-3-haiku-20240307-v1:0",
    body=json.dumps({
        "anthropic_version": "bedrock-2023-05-31",
        "max_tokens": 512,
        "messages": [
            {"role": "user", "content": "AWSとは何ですか？"}
        ]
    }),
    contentType="application/json",
)

result = json.loads(response["body"].read())
print(result["content"][0]["text"])

実行前提：

  • Claudeモデルを使う場合は、コンソール（Amazon Bedrock → モデルアクセス）からAnthropicの利用規約に同意してアクセス申請が必要（審査あり）
  • IAMロールまたはユーザーに bedrock:InvokeModel 権限が必要
  • us-east-1 または ap-northeast-1（東京）でモデルが使えるか確認する

コードの中心は invoke_model の呼び出しだけ。S3やLambdaと違うAPIがない——これがBedrockのシンプルさ。

まとめ

  • Amazon Bedrockは複数の基盤モデルをAPI経由で使えるフルマネージドサービス
  • モデル・インフラの管理不要、従量課金
  • データがAWSの外に出ないのでプライバシー要件の厳しい用途にも向いている
  • SageMakerはモデルを自分で学習させたい場合、Bedrockは既存モデルをそのまま使う場合
  • boto3 の invoke_model だけで最小構成が動く

次回はBedrockで使えるモデルをClaudeとLlamaを中心に比較する。

次回：入門②——Bedrockのモデル一覧・Claude・Titan・Llamaの選び方 →

← ブログ一覧に戻る