公開：2026年10月24日, 最終更新：2026年10月24日
AWSのSolutions Architectureチームは、マルチエージェントシステムの本番運用における5つの課題とその解決策を、自社開発のプロダクショングレードシステム「Deep Insight」を事例に公式ブログで解説した。
30秒サマリー
- AWSがマルチエージェントシステム「Deep Insight」の実運用設計をブログ3部作で公開
- 実行フロー制御・LLM選択・セキュリティ・監視など5つの本番課題とその技術的解決策を具体的に示す
- Strands Agents SDK、Amazon Bedrock、AWS Fargate等を組み合わせた階層型エージェント構成を採用
Deep Insightが示すマルチエージェント本番運用の5課題と解決アプローチ
AWSのSolutions Architectureチームは、マルチエージェントシステムの本番運用で直面する課題を整理し、自社開発のシステム「Deep Insight」を通じて得た知見を3部構成のブログシリーズとして公開した。本記事はその第1部にあたる。
Deep Insightは、CSVファイルと自然言語プロンプトを入力として受け取り、Coordinator・Planner・Supervisor・Coder・Validator・Reporter・Trackerという8エージェントが協調して分析を実行し、引用付きのDOCXレポートとチャート画像（PNG）を生成するシステムだ。ブログでは実運用において解決すべき5課題として、①複数エージェント間の実行フロー制御、②各エージェントに適切なLLMの割り当て、③本番環境での安定運用、④AI生成コードの安全な実行、⑤システムの監視・管理を挙げている。
各課題への技術的対応として、実行フロー制御にはStrands Agents SDKのGraphパターンとAgents-as-Toolsパターンを採用。LLM選択ではAmazon Bedrockを通じ、ルーティング用にClaude Haiku、計画立案用にClaude Opus（Extended Thinking有効）、実行用にClaude Sonnetと役割に応じて使い分けている。本番運用にはAmazon Bedrock AgentCore、コード実行のサンドボックスにはAWS FargateとApplication Load Balancerによるセッションごとの一時コンテナ、監視・アラートにはAmazon DynamoDB・Amazon SNS・Amazon Cognitoを活用している。
Deep InsightはGitHubでオープンソース公開されており、CLIで動作するセルフホスト版、ブラウザUIのWeb版、Amazon Bedrock AgentCoreを使うマネージド版の3つのデプロイオプションが用意されている。マネージド版ではエージェントがプライベートVPC内で動作し、ユーザーごとに隔離された環境で並行実行される。
Deep Insightの主な仕様・数値
- エージェント数：8（Coordinator、Planner、Plan Reviewer、Supervisor、Coder、Validator、Reporter、Tracker）
- 入力形式：CSVファイル＋列定義JSONファイル＋自然言語プロンプト
- 出力形式：DOCXレポート（引用あり・なし2種）＋チャート画像（PNG）
- 分析ステップ数：5〜10ステップ（Plannerが分解）
- セルフホスト版セットアップ時間：約10分
- デプロイオプション：セルフホスト版（CLI）、Web版（ブラウザUI）、マネージドAgentCore版の3種
- ルーティング用モデル：Claude Haiku
- 計画立案用モデル：Claude Opus（Extended Thinking有効）
出典: AWS Machine Learning Blog（公式ブログ）
なぜ重要か（編集部の分析）
編集部の見解として、このブログは「エージェントを作ること」と「エージェントを本番で運用すること」の間にある実質的なギャップを、具体的なアーキテクチャと技術選定の根拠を示して埋めた点が重要だ。特にLLMを役割ごとに使い分けるコスト設計と、AI生成コードをFargateで隔離するセキュリティ設計は、多くの企業が見落としがちな観点であり、実運用の設計判断基準として参照価値が高い。
日本企業への示唆（編集部の分析）
編集部の分析として、マルチエージェントのPoC（概念実証）を持つ日本企業にとって、本番移行に向けた設計チェックリストとして活用できる内容だ。特に①エージェントへのLLM割り当てによるコスト最適化、②コード実行の隔離によるセキュリティ確保、③Human-in-the-Loopによる業務承認フローの組み込みは、社内承認を得る上でも具体的な説明材料になる。Deep InsightはオープンソースでGitHub公開されており、設計の参照実装として自社システムへの適用可否を技術チームが検討する出発点として使えるとみられる。
背景・経緯
オープンソースフレームワークやクラウドサービスの普及でエージェントの初期構築は容易になった一方、本番運用への移行では実行フロー制御・セキュリティ・監視など複数の課題が顕在化している。AWSはAnthropicが提唱するContext Engineering技術（マルチエージェントアーキテクチャ、構造化メモ取り、Human-in-the-Loopなど）を実運用に適用した知見をDeep Insightを通じて整理し、3部作のブログシリーズとして公開している。本記事はその第1部にあたり、第2部がContext Engineering、第3部が本番デプロイと運用を扱う。
Deep Insightについてよくある質問
Q. Deep Insightはどのように試せるか？
A. Deep InsightはGitHubでオープンソース公開されており、CLI動作のセルフホスト版、ブラウザUIのWeb版、Amazon Bedrock AgentCore利用のマネージド版の3つのデプロイオプションがある。セルフホスト版はセットアップに約10分かかるとされている。
Q. Deep Insightで各エージェントにどのClaude モデルが使われているか？
A. 原文によると、ルーティングのみを担うCoordinatorにはClaude Haiku、計画立案を行うPlannerにはExtended Thinking有効のClaude Opus、実行を担うエージェントにはClaude Sonnetが使用されている。
Q. Deep InsightはAI生成コードのセキュリティリスクをどう対処しているか？
A. AWS FargateとApplication Load Balancerを組み合わせ、セッションごとに一時的なサンドボックスコンテナを生成してコードを隔離実行する方式を採用している。マネージド版ではシステム全体がプライベートVPC内で動作する。
