Heurist Finance、Amazon Bedrock AgentCoreでAIネイティブ投資ワークベンチを構築：詳細解説
金融調査におけるデータアクセスの課題とAgentCoreの導入
Heurist Financeは、個人投資家向けに機関投資家レベルの金融インテリジェンスを提供することを目指し、AIネイティブな投資ワークベンチを構築しました。このワークベンチは、市場データの収集、企業報告書やニュースの読解、詳細なリサーチ、ポートフォリオの構築とストレステスト、ポジション監視といった多岐にわたる機能をチャットインターフェースで統合しています。これにより、リスク・リターン分析、ポートフォリオ構築、シナリオ分析などの高度なツールが、市場に関する疑問を持つあらゆるユーザーにアクセス可能となることを目指しています。
しかし、この目標達成には大きなビジネス課題が存在しました。プレミアムな市場データ、マクロ経済データ、ファンダメンタルズデータ、オルタナティブデータといった多様な情報源は、有料の壁や専用APIの背後に存在し、単一のベンダーがすべてをカバーすることは困難です。また、大規模なユーザーベースが確立されていない段階で、これらすべてのデータソースに対してエンタープライズ契約を結ぶことは経済的に非効率的でした。
この課題に対し、Heurist Financeは、クエリごとに必要なデータのみを購入するという経済モデルを採用しました。これにより、ユーザーに代わって資金を支払い、資金の管理、支出制限、監査要件を強制するという新たな技術的課題が生まれました。具体的には、各アクションが特定のユーザー、セッション、リクエストにマッピングされ、ワークフロー全体でIDが永続化される必要がありました。さらに、セッション間の状態管理、コード実行の分離、支払いオーケストレーション、エンドツーエンドのトレーシングといったインフラストラクチャも求められました。これらを自社で構築することは数ヶ月を要し、Heurist Financeが差別化を図るための研究ワークフローやパーソナライゼーションの開発からリソースを奪うことになります。
これらの課題を解決するため、Heurist FinanceはAmazon Bedrock AgentCoreを導入しました。AgentCoreは、あらゆるフレームワークやモデルを使用してエージェントを大規模に構築、接続、最適化するためのプラットフォームであり、マネージドなインフラストラクチャを提供することで、Heuristのようなスタートアップが基盤構築に煩わされることなく、差別化されたサービス開発に集中できる環境を実現しました。
Amazon Bedrock AgentCoreを活用したAI投資ワークベンチのアーキテクチャ
Heurist FinanceのAIネイティブ投資ワークベンチは、Amazon Bedrock AgentCoreを中核とする堅牢なアーキテクチャの上に構築されています。このシステムでは、Strandsエージェントオーケストレーターが利用され、Amazon Bedrock上で利用可能なAnthropic Claude (関連事例ではClaude 3.5 Sonnetが言及されています) などの基盤モデルと連携します。
アーキテクチャの主要コンポーネントとそれらの連携は以下の通りです:
- エージェントオーケストレーション: Strandsがユーザーのリクエストを受け取り、サブエージェントやツールへのタスク委譲をインテリジェントに調整します。
- 基盤モデル: Amazon Bedrockを介してAnthropic Claudeが利用され、自然言語理解、推論、応答生成を担います。
- データソース: ユーザーのポートフォリオデータはAmazon Aurora PostgreSQLに格納されており、エージェントはこれを参照してパーソナライズされた情報を提供します。
- AgentCoreの主要機能:
- AgentCore Identity: ユーザー、セッション、リクエスト全体でIDを永続化し、各アクションが追跡可能であることを保証します。
- AgentCore Memory: クライアントの好みや過去の会話履歴を記憶し、セッション間で一貫性のあるパーソナライズされた体験を提供します。
- AgentCore Code Interpreter: エージェントが自律的にPythonコードを記述・実行し、複雑な金融分析やデータ処理を行うことを可能にします。これにより、特定の分析タスクに対して動的に処理能力を拡張できます。
- Isolated Code Execution: コード実行環境はサンドボックス化されており、セキュリティと安定性を確保しながら分析を実行します。
- Observability (可観測性): AWS CloudWatchとOpenTelemetryを活用したエンドツーエンドのトレーシングにより、エージェントの挙動やワークフローの各ステップを詳細に監視・監査できます。これは特に金融分野で求められる厳格な監査要件を満たす上で不可欠です。
- Guardrails: Amazon Bedrock Guardrailsは、エージェントの応答や行動が企業のコンプライアンスルールや規制要件に準拠していることを保証します。
このアーキテクチャにより、Heurist Financeは、プレミアムデータの購入から分析、ユーザーへの回答までの一連のワークフローを、高度なAIエージェントによって自動化・最適化し、監査可能な形で提供しています。
AgentCore Paymentsが実現する高度なデータエコシステム
Amazon Bedrock AgentCore Paymentsは、AIエージェントがウェブコンテンツ、API、データサービスなどをオンデマンドで瞬時に利用し、支払いを行うための新しい機能群です。これは、Heurist Financeが直面していた、有料データへの効率的かつ管理されたアクセスという中心的な課題を解決するために不可欠な要素です。
AgentCore Paymentsは、CoinbaseやStripeとのパートナーシップのもとで構築され、x402プロトコルというオープンなHTTPネイティブ支払い標準を基盤としています。このプロトコルは、即時ステーブルコインマイクロペイメントを可能にし、エージェントが有料エンドポイントにリクエストを送信し、HTTP 402 “Payment Required” レスポンスを受け取った際に、支払い処理が自動的に行われる仕組みを提供します。支払いは設定されたウォレットで認証され、支払い証明が添付されてコンテンツがエージェントに返されます。このプロセス全体がエージェントの実行ループ内で完結します。
Heurist Financeのケースでは、AgentCore Paymentsが以下のような重要な役割を果たしています:
- クエリごとのデータ購入: エージェントは、ユーザーの質問に応じて必要なプレミアムデータをリアルタイムで動的に購入できます。これにより、不要なデータに対する前払い契約を回避し、コスト効率を最大化します。
- 支払い管理と監査: AgentCore Paymentsは、ユーザーが設定したセッションごとの最大支出額（
maxSpendAmount）に対して支払いをチェックし、予算超過を防ぎます。また、支払いセッション、ユーザー、リクエストごとに支出が追跡され、完全なトレーサビリティと監査可能性が提供されます。 - セキュリティとガバナンス: AgentCore Paymentは、プラットフォームネイティブな機能として提供されるため、エージェントの他のアクションと同様のガバナンスコントロール下に置かれます。これにより、インフラレベルでのセキュリティが確保され、エージェントが承認された境界を迂回して支払いを行うことを防ぎます。
- 開発の簡素化: Heuristは、支払いインフラをゼロから構築することなく、AgentCore Paymentsを利用することで、製品にガバナンスと監査可能な有料データアクセスを統合できました。これにより、開発チームは金融調査の差別化に集中できるようになりました。
さらに、Coinbase x402 Bazaar MCPサーバーを通じて、エージェントが自律的に有料エンドポイントを検索、発見、利用できる機能も提供されており、開発者が個々の統合をハードコーディングする必要がなくなります。この高度なデータエコシステムは、AIエージェントがこれまでアクセスできなかった幅広いデータソースを利用し、より高度で動的な情報収集と分析を可能にすることで、AIを活用した金融サービスの未来を切り開いています。
開発者・エンジニア視点での考察
-
エージェント中心設計の可能性: Amazon Bedrock AgentCoreは、従来のRAGベースのチャットボットを超え、自律的なアクション実行能力を持つAIエージェントの構築を容易にするマネージドサービスです。特に、Heurist Financeの事例のように、複雑な意思決定、外部ツールの利用、状態管理、さらには支払いオーケストレーションが求められる業務プロセスにおいて、エージェントループの抽象化とインフラストラクチャとしての提供は開発コストと運用負荷を大幅に削減します。これにより、開発者は基盤となるインフラストラクチャではなく、エージェントが解決すべきビジネスロジックとユーザー体験に集中できます。
-
プロンプトエンジニアリングから行動設計へ: AgentCoreのようなエージェントフレームワークでは、LLMへの指示は単なる応答生成に留まらず、エージェントの「行動」を定義するinstructionセットとなります。ツールの利用順序、外部APIとの連携、条件分岐といった複雑なロジックを自然言語でガイドするプロンプトエンジニアリングのスキルが、エージェントのパフォーマンスと信頼性を最大化する鍵となります。これは、単にモデルに質問するだけでなく、モデルに「何をすべきか」を効果的に指示し、その行動を調整する、より高度なスキルセットを開発者に要求します。
-
セッション管理と支払い機能のインフラ抽象化: ユーザーIDの永続化、セッション間のメモリ保持、サンドボックス化されたコード実行環境、さらには外部サービスへの支払いまでをAgentCoreが抽象化して提供している点は、FinTechのような規制が厳しくセキュリティ要件が高い分野での開発において非常に強力なアドバンテージとなります。これらの機能を自前で構築・管理する労力は計り知れません。AgentCoreがこれらをマネージドサービスとして提供することで、開発者はセキュリティ、コンプライアンス、スケーラビリティといった非機能要件の複雑さから解放され、金融知識とモデルの応答ロジックといった、より付加価値の高い領域に集中できます。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
