公開：2026年10月24日, 最終更新：2026年10月24日
Bayer Crop Scienceは、植物育種の意思決定を支援するマルチエージェントシステム「Agentic Decision Engine（ADE）」をAmazon Bedrock AgentCore上に構築した。ADEは初期フェーズで、エンジニアの介在なしにユーザー質問の約80%を解決しているとAWSの公式ブログが解説している。
30秒サマリー
- Bayer Crop ScienceはBedrock AgentCore上に22の専門エージェントで構成するADEを構築し、育種ワークフローへの自然言語問い合わせを実現
- トラブルシューティングにかかる時間を1時間超から10分未満に短縮するなど、エンジニア依存を大幅削減
- AWSのUnified Operationsを通じてTAMとAI専門エンジニアが設計から本番稼働まで伴走支援した事例
Amazon Bedrock AgentCore上のADE実装内容と5つの設計判断
Bayer Crop Scienceは、社内MLワークフロー管理システム「Connected Decision Engine（CDE）」への問い合わせを自然言語で行えるようにするため、マルチエージェントシステム「Agentic Decision Engine（ADE）」を構築した。AWSの公式ブログがその設計と運用の詳細を解説している。
ADEはAmazon Bedrock AgentCore上で動作し、ユーザーインターフェース・エージェントオーケストレーション・専門エージェント・ツールおよびデータソースという4層構成をとる。本番環境では22の専門エージェントが稼働し、スーパーバイザーエージェントが各質問を分類して適切な専門エージェントへルーティングする。オーケストレーションにはLangGraphを採用し、セッション状態をAmazon DynamoDBに永続化、AgentCore Gatewayが認証・認可をエージェントコードの外部で処理する。フロントエンドはReact製で、Microsoft Entra IDによるIDプロキシを経由してエージェントに接続する。
ブログでは、構築過程で行われた5つの設計判断が紹介されている。（1）オーケストレーション状態をDynamoDBに外部化して再起動・スケールアウト時の継続性を確保、（2）エンタープライズID・ゲートウェイアクセス・ダウンストリーム認可を境界ごとに分離、（3）ツール呼び出しと構造化出力の互換性を確認してからモデル選定を確定、（4）500超のモデル設定をOpenAPI仕様でAgentCore Gatewayに登録してツール管理を簡素化、（5）状態管理や再試行・描画判断が必要になった可視化機能をツールから専門エージェントへ昇格——が挙げられている。
本番稼働に向けた準備として、HTTP成功と「タスク完了」を分離したCloudWatchカスタムメトリクスの追加、コスト帰属の仕組み、デプロイの堅牢化が実施された。また、AWSのUnified Operationsを通じて指名されたTechnical Account Manager（TAM）とGenerative AI Domain Specialist Engineer（DSE）が週3回の技術スタンドアップを含む形で設計から本番後の運用まで伴走した。
Agentic Decision Engine（ADE）の主な仕様・数値
- 本番稼働中の専門エージェント数：22
- 初期フェーズでのエンジニア不介在の質問解決率：約80%
- トラブルシューティング所要時間（従来）：1時間超
- トラブルシューティング所要時間（ADE導入後）：10分未満
- 管理対象MLモデル設定数：500超
- オーケストレーションフレームワーク：LangGraph
- フロントエンド：React
- ユーザーID基盤：Microsoft Entra ID
出典: AWS Machine Learning Blog（公式ブログ）
なぜ重要か（編集部の分析）
編集部の分析：本事例が示すのは、エンタープライズAIエージェントの価値が「推論精度」だけでなく「認証・認可の境界設計」「状態の外部化」「オブザーバビリティ」といった基盤設計にあるという点だ。AgentCore Gatewayによるツール認証の外部化や、HTTP成功とタスク完了を分離した監視設計は、障害時の説明責任とコンプライアンス対応に直結する。特に大企業でAIエージェントを拡張しようとする際、アーキテクチャの型（パターン）として参照できる実装例と言える。
日本企業への示唆（編集部の分析）
編集部の分析：日本の製造業・研究開発部門でも、社内システムや分析ワークフローを横断するAIエージェントの導入検討が増えている。本事例は、既存の業務システムとエンタープライズIDを温存しながらエージェント層を被せる構成を示しており、社内ID基盤（Active Directory・Azure AD等）との連携設計、ツールカタログのスコープ管理、コスト帰属の仕組みは、日本企業が同様の基盤を構築する際に早期に決定すべき論点として参考になる。AWS Unified Operationsのような伴走支援モデルは国内でも提供されているため、導入検討段階からAWS側の専門チームを設計プロセスに組み込む選択肢も評価に値する。
背景・経緯
Bayer Crop Scienceはゲノム・圃場試験・画像・環境条件など多様なデータを用いた植物育種を行い、MLモデルを大量に運用している。その管理基盤としてCDE（Connected Decision Engine）を構築済みであり、ADEはCDEの「使いやすさ」を向上させる自然言語インターフェース層として位置づけられている。Amazon Bedrock AgentCoreはエージェントの構築・接続・最適化を支援するAWSのマネージドサービスで、フレームワーク非依存の設計が特徴とされている。
Agentic Decision Engine（ADE）についてよくある質問
Q. Amazon Bedrock AgentCoreを採用した理由は何か？
A. マネージドランタイムによるユーザーセッションの分離、AgentCore GatewayによるIAMスコープのツールアクセス、そして自前のLangGraphオーケストレーションをそのまま持ち込めるフレームワーク非依存設計の3点が採用理由として挙げられている。
Q. ADEの22専門エージェントはどのように役割分担しているか？
A. スーパーバイザーエージェントがリクエストを分類し専門エージェントへルーティングする。例として、概念的な質問にRAGで答えるDomain Expert Agent、ワークフロー状態を取得するOperational Agent、テレメトリを分析するTroubleshooting Agent、グラフ生成や既存ダッシュボード返却を担うVisualization Agentなどが原文に挙げられている。
Q. Amazon Bedrock AgentCoreでツール管理の複雑さはどう解消されているか？
A. REST APIのOpenAPI仕様をAgentCore Gatewayに登録することで、APIをMCPツールとして公開できる。APIの追加・変更はスキーマとゲートウェイ設定の変更のみで済み、専用MCPサーバーの新規デプロイが不要になると原文では説明されている。
