Bedrockの自動推論ポリシーを6つのAgent Skillsでコード運用

発表の概要

AWSは2026年8月6日、ブログでAmazon BedrockのAutomated Reasoningチェックのライフサイクルをコードで管理するためのAgent Skills一式を紹介した。このスイートは、ポリシーの作成、レビュー、テスト、デバッグ、デプロイ、検証という6つの段階をカバーする。各スキルは、コードエージェントが正しいAPIを呼び出せるようにするための短い指示ファイルと、実行可能なPythonスクリプトで構成される。

Agent SkillsはAnthropicが提唱する軽量でオープンな形式だ。スキルをインストールしたエージェントは、そのタスクに遭遇すると自動的にスキルを有効化する。対応エージェントにはKiro、Claude Code、Cursor、Codexなどが含まれ、既存のコーディングエージェントに導入しやすい。AWSはこのスイートをサンプルリポジトリとして公開しており、開発者は自分のエージェント環境に組み込める。

自動推論の仕組み

Automated Reasoningチェックは2段階で動作する。最初に、基盤モデル（FM）が質問と回答をポリシー内の変数にマッピングし、形式的な論理に変換する。次に、SMTソルバー（制約を検証する自動推論エンジン）が、その論理をルールと照合して判定を返す。この検証は数学的に健全であり、変換が正しければ判定も正しいことが保証される。また、判定には根拠となったルールが付くため、説明可能性が高い。

従来の統計的なサンプリングによる検証とは異なり、Automated Reasoningは形式的な論理を用いるため、数学的な確実性でAI応答がルールに準拠していることを確認できる。これにより、誤った判定によるリスクを減らせる。ポリシーはSMT-LIBと呼ばれる自動定理証明器の標準入力形式の一部を使って記述され、変数の説明を調整することでユーザーの自然言語を正確に翻訳できるようにしていく。

スキルの構成

スイートは6つのスキルで構成される。ビルダースキルはソース文書からポリシーを作成し、ルールと変数を抽出する。レビュアースキルは品質レポートと忠実度レポートを読み、競合するルールや未使用の変数などの問題を指摘する。テスタースキルはシナリオを生成し、ユーザーの実際の質問形式でテストを実行する。デバッガースキルは失敗を診断し、ポリシーを修正する。

デプロイヤースキルは、バージョン番号付きのポリシーをスナップショットしてガードレールに接続する。バリデータースキルはApplyGuardrail APIで回答を検証し、不適切な回答があれば、その回答が破ったルールをモデルにフィードバックして書き換えるループも実行できる。各スキルには実行可能なスクリプトが付属し、--helpや--dry-runオプションで動作を確認できる。

運用で分かったこと

実際に一連のライフサイクルを実行した結果、説明可能性が中心にあることが分かった。すべての判定には背後にあるルールが付与され、VALIDの場合は支持するルール、INVALIDの場合は矛盾するルールが提示される。バリデータースキルはこれをログに残すため、承認された回答には数学的に検証可能な証明が付く。逆に拒否された回答は、破ったルールを書き換えステップに渡す。

もう一つの学びは、SATISFIABLEという判定を単純な失敗と見なしてはいけないことだ。Automated Reasoningは、ポリシーと整合的であることと、ポリシーから含意されることを区別する。例えば、十分な勤続年数のフルタイム従業員は対象、というルールに対して、対象だと主張する回答は整合的だが証明はされていないため、VALIDではなくSATISFIABLEが返る。これを失敗と誤解すると、正しいルールを変更してしまう恐れがある。デバッガースキルはこの区別をエージェントに教える。

注意点と制約

ルール抽出は決定的ではないため、テスト前にレビューが必要だ。記事の例では、3文のソース文書から6つのルール、4つの変数、1つのカスタム型が抽出されたが、同時に1つの未使用変数と1つの非連結ルールセットが指摘された。これらは低重要度の項目で、エラーではないが検討が推奨される。また、標準的なコンテンツビルドでは忠実度レポートは生成されないため、ソースとの整合性を確認したい場合は別のビルドタイプを指定する必要がある。

運用上の制約として、ポリシーごとに並行して実行できるビルドワークフローに上限がある。長時間のリファイン作業でこの上限に達することがあるため、スキルはビルド前に最も古い完了済みビルドを削除してスロットを解放する。このような制約もスキルが自動的に処理してくれる。今後、このスイートを利用することで、企業はAutomated ReasoningポリシーをCI/CDパイプラインに組み込みやすくなるとみられる。