shibomb

AWS re:Invent 2024完全予習ガイド！生成AIとサーバーレスで未来の技術を体験しよう

はじめに

こんにちは！ITの世界で開発や教育に携わっている技術教育者です。毎年冬に開催されるAWSの一大イベント「re:Invent」。世界中の技術者が注目するこのイベントでは、未来のシステム開発を形作る新サービスやアップデートが次々と発表されます。しかし、その膨大な情報量をいきなり追いかけるのは大変ですよね。

この記事は、re:Invent 2024を最大限に楽しむための「予習ガイド」です。特に、近年の技術トレンドの中心である**「生成AI」と「サーバーレス」**に焦点を当てます。この記事を読み終える頃には、あなたもAWSの最新動向の勘所をつかみ、手を動かして簡単なAIアプリケーションを作れるようになっているはずです。技術の波に乗り遅れないよう、一緒に未来の技術を体験し、エンジニアとして新たな成長の一歩を踏み出しましょう！

前提知識の確認

新しいことを学ぶ時、どこから手をつけていいか分からなくなることがありますよね。大丈夫、一歩ずつ進んでいきましょう。

必要な基礎知識

この記事を読み進める上で、以下の知識があるとスムーズです。

  • 基本的なIT用語の理解: 「サーバー」「データベース」「API」といった言葉を聞いたことがあるレベルで大丈夫です。もし分からなくても、本文中で都度解説します。
  • プログラミングの初歩的な知識: 変数や関数といった基本的な概念を知っていると、コード例の理解が深まります。この記事ではPythonを使いますが、他の言語の経験があれば十分読み解けます。
  • クラウドコンピューティングの概要: 「インターネット経由でコンピュータの機能（サーバーやストレージなど）を利用するサービス」という程度の認識があればOKです。

事前に理解しておきたい概念

  • AWS (Amazon Web Services): Amazonが提供するクラウドコンピューティングサービスの総称です。世界中で最も広く使われているクラウドプラットフォームで、数百ものサービスを提供しています。
  • サーバーレス: サーバーの管理を意識することなくアプリケーションを構築・実行できる考え方です。コードを書くことに集中できるため、開発スピードが飛躍的に向上します。
  • 生成AI (Generative AI): テキスト、画像、音楽などを自動で生成する人工知能の一種です。近年、目覚ましい進化を遂げており、多くのサービスに応用されています。

「分からなくても大丈夫」な部分

安心してください。AWSの全てのサービスを知っている必要はありません。この記事で扱うサービス以外は、「そういうものもあるんだな」くらいで大丈夫です。完璧に理解しようとせず、「まずは動かしてみる」という気持ちで進んでいきましょう。途中でつまずいても、それは成長の証です。焦らず、自分のペースで学んでいきましょう。

クラウド上のサーバーレス関数と、そこから生成AIモデルにアクセスする様子を表すイラスト。抽象的な表現で、具体的なサービス名は含めない。

環境構築：最初の一歩

理論だけでなく、実際に手を動かすことが成長への一番の近道です。ここでは、AWSを操作するための基本的な環境を整えましょう。

開発環境の準備（初心者向け解説）

AWSのサービスを利用するには、まず「AWSアカウント」が必要です。これは、AWSの世界に入るためのパスポートのようなものです。作成は無料で行えますが、クレジットカードの登録が必要です。無料利用枠を超えると料金が発生する可能性があるため、利用状況はこまめに確認しましょう。

アカウント作成後、最初にやるべき最も重要なことはIAMユーザーの作成です。アカウント作成時に作られる「ルートユーザー」は全ての権限を持つため、日常的な作業で使うのは非常に危険です。作業用のIAMユーザーを作成し、必要な権限だけを与えるのがセキュリティの基本です。

必要なツールとインストール方法

次に、自分のPCからAWSを操作するためのツール「AWS Command Line Interface (CLI)」をインストールします。

  1. AWS CLIのインストール: お使いのOS（Windows, macOS, Linux）に合わせた公式インストーラーを使ってインストールします。検索エンジンで「AWS CLI install」と調べると、公式のインストールガイドが見つかります。

  2. AWS CLIの設定: インストール後、ターミナル（コマンドプロンプト）で以下のコマンドを実行します。

    aws configure

    すると、以下の情報を順番に聞かれます。

    • AWS Access Key ID: 先ほど作成したIAMユーザーのアクセスキーID
    • AWS Secret Access Key: IAMユーザーのシークレットアクセスキー
    • Default region name: 主に利用するAWSリージョン（例: ap-northeast-1 は東京リージョンです）
    • Default output format: json のままでOKです

    これで、あなたのPCからAWSを安全に操作する準備が整いました。

環境構築でつまずきやすいポイント

  • 認証情報の間違い: aws configureで入力するアクセスキーIDやシークレットアクセスキーを間違えると、認証エラーになります。コピー＆ペーストする際は、余計な空白が入らないように注意しましょう。
  • IAMユーザーの権限不足: CLIでコマンドを実行した際に AccessDenied というエラーが出たら、IAMユーザーに必要な権限が付与されていない可能性が高いです。IAMポリシーを見直してみましょう。
  • リージョンの選択: AWSのサービスはリージョン（地理的な拠点）ごとに展開されています。東京リージョンで作成したリソースは、他のリージョンからは見えません。作業するリージョンを意識することが重要です。

基本概念の理解

re:Invent 2024で注目すべき技術の核となる考え方を、身近な例えで理解していきましょう。

核となる考え方

今年のトレンドは、間違いなく**「生成AIの民主化」と「サーバーレスのさらなる進化」**です。これまで専門家のものであった高度なAI技術が、サーバーレスという手軽な実行環境と組み合わせることで、誰もが簡単に利用できる時代になりました。この2つの技術を組み合わせることで、アイデアを素早く形にできるのです。

身近な例での説明

  • サーバーレス (AWS Lambda): これを「超高性能な自動販売機」と考えてみましょう。普段は待機していて電気代もほとんどかかりませんが、誰かがボタン（リクエスト）を押した時だけ、瞬時に起動して商品（処理結果）を提供します。自分で店舗を構え（サーバーを管理し）、24時間店員を配置する必要がないので、非常に効率的です。

  • 生成AI (Amazon Bedrock): これを「様々な専門知識を持つブレーン集団」と考えてみましょう。文章作成のプロ、イラストのプロ、データ分析のプロなど、多様なAIモデル（専門家）が待機しています。あなたは「こういう文章を考えて」「このデータを要約して」と依頼（プロンプト）するだけで、専門家が最適な答えを返してくれます。自分で専門家を育成する必要はありません。

「なぜそうなるのか」の理解

なぜこの組み合わせが強力なのでしょうか？ それは、**「必要な時に、必要な能力を、必要なだけ借りる」**というクラウドの思想を究極的に突き詰めた形だからです。

膨大な計算能力が必要なAIモデルを自分で管理するのは非常にコストがかかります。しかし、Bedrockを使えば、APIを呼び出すだけでその能力を利用できます。そして、その呼び出し処理をサーバーレスのLambdaで行うことで、リクエストがあった時だけコンピューティングリソースを消費する、極めて無駄のないシステムが構築できるのです。これにより、個人開発者やスタートアップでも、大企業と同じレベルのAI技術を活用したサービスを低コストで迅速に開発することが可能になりました。

自動販売機と専門家集団のイラストを並べて、それぞれがAWS LambdaとAmazon Bedrockに対応することを示す。

実践編：手を動かして学ぶ

それでは、実際にAWS LambdaとAmazon Bedrockを使って、簡単なAIチャットボットAPIを作成してみましょう。ここでの小さな成功体験が、大きな自信に繋がります。

ステップ1: 基本的な実装

まず、AWS Lambda関数を作成します。これは、特定のイベント（今回はAPI呼び出し）に応じて実行されるコードの塊です。

  1. AWSマネジメントコンソールにログインし、Lambdaのサービスページを開きます。
  2. 「関数の作成」をクリックします。
  3. 「一から作成」を選択し、以下の情報を入力します。
    • 関数名: myAiChatbotFunction
    • ランタイム: Python 3.11 (または新しいバージョン)
    • アーキテクチャ: x86_64
  4. 「関数の作成」をクリックします。

作成された関数のコードエディタに、以下のコードを貼り付けます。これは、呼び出されると簡単なメッセージを返すだけのシンプルな関数です。

import json

def lambda_handler(event, context):
    # TODO implement
    return {
        'statusCode': 200,
        'body': json.dumps('Hello from my first Lambda function!')
    }

右上の「Deploy」ボタンで変更を保存し、「Test」タブでテストイベントを作成して実行してみましょう。成功すると、'Hello from my first Lambda function!'というメッセージが表示されるはずです。これがサーバーレスの第一歩です！

ステップ2: 機能の拡張

次に、このLambda関数からAmazon Bedrockを呼び出して、生成AIの力を借りてみましょう。Amazon Bedrockは様々なAIモデルを利用できるサービスです。今回は、Anthropic社の「Claude」モデルを使ってみます。

まず、Lambda関数がBedrockを呼び出す権限を付与する必要があります。

  1. Lambda関数の「設定」タブ > 「アクセス権限」を開きます。
  2. 実行ロール名をクリックしてIAMの管理画面に移動します。
  3. 「許可を追加」 > 「ポリシーをアタッチ」を選択します。
  4. AmazonBedrockFullAccess というポリシーを検索してチェックを入れ、アタッチします。（本番環境ではより限定的な権限にしましょう）

次に、Lambdaのコードを以下のように書き換えます。AWSのサービスをPythonから操作するためのライブラリboto3を使います。

import json
import boto3

# Bedrockクライアントの初期化
bedrock_runtime = boto3.client('bedrock-runtime', region_name='us-east-1')

def lambda_handler(event, context):
    # ユーザーからの入力を受け取る（今回は固定）
    user_prompt = "AWS re:Inventについて30字程度で教えてください。"
    
    # Bedrockに渡すリクエストボディを作成
    body = json.dumps({
        "prompt": f"\n\nHuman: {user_prompt}\n\nAssistant:",
        "max_tokens_to_sample": 100,
        "temperature": 0.7,
        "top_p": 1,
    })
    
    # 使用するモデルのID
    model_id = 'anthropic.claude-v2'
    accept = 'application/json'
    content_type = 'application/json'

    try:
        # Bedrockのモデルを呼び出す
        response = bedrock_runtime.invoke_model(
            body=body, 
            modelId=model_id, 
            accept=accept, 
            contentType=content_type
        )

        # レスポンスから結果を抽出
        response_body = json.loads(response.get('body').read())
        ai_response = response_body.get('completion')

        return {
            'statusCode': 200,
            'body': json.dumps({'response': ai_response})
        }

    except Exception as e:
        print(e)
        return {
            'statusCode': 500,
            'body': json.dumps({'error': str(e)})
        }

コードを「Deploy」して、再度「Test」を実行してみてください。今度は、BedrockのAIモデルが生成した「AWS re:Invent」に関する説明が返ってくるはずです。やりましたね！これでAIと対話するプログラムが完成しました。

ステップ3: 実用的な応用

このままでは開発者しか使えないので、インターネット経由で誰でも呼び出せるように「API Gateway」というサービスと連携させます。API Gatewayは、Lambda関数のための「玄関」を作るサービスです。

  1. Lambda関数の画面で「トリガーを追加」をクリックします。
  2. ソースとして「API Gateway」を選択します。
  3. 「新しいAPIを作成」 > 「HTTP API」を選択します。
  4. セキュリティは「オープン」のままで、「追加」をクリックします。

これで、APIエンドポイントURLが生成されます。このURLにブラウザやツールでアクセスすると、Lambda関数が実行され、AIからの応答が返ってくるようになります。これで、あなたの作ったAIチャットボットが世界に公開されました！

ステップ4: チーム開発を意識した改善

今のコードは動きますが、実際の開発では保守性や共同作業のしやすさが重要です。いくつか改善してみましょう。

  • IAM権限の最小化: AmazonBedrockFullAccess は強力すぎます。実際の開発では、bedrock:InvokeModel のように、本当に必要なアクションだけを許可するカスタムIAMポリシーを作成します。
  • ハードコーディングを避ける: コード内に直接書き込まれた model_id や region_name は、後で変更するのが大変です。これらはLambdaの「環境変数」として外に出すことで、コードを変更せずに設定を変えられるようになります。
  • エラーハンドリングの強化: 現在の try-except ブロックは単純です。どのようなエラーが発生したかを具体的にログに出力（printではなくloggingライブラリを使うのが望ましい）することで、問題解決が迅速になります。

これらの改善は、一人よがりではない、チームで開発するための大切な一歩です。

実際の開発現場での活用

私たちが作ったシンプルなAIチャットボットは、実際の業務でどのように活かせるのでしょうか。

業務での使用例

  • 社内ナレッジ検索: 社内ドキュメントを学習させたAIモデルを使い、自然言語で質問すると関連箇所を要約して教えてくれるシステム。
  • 顧客サポートの一次対応: よくある質問に対してAIが自動で回答し、複雑な問い合わせのみ人間のオペレーターに繋ぐチャットボット。
  • コードレビュー支援: プログラムコードを送信すると、バグの可能性や改善点を指摘してくれる開発支援ツール。

このように、サーバーレスと生成AIの組み合わせは、アイデア次第で様々な業務の効率化に応用できます。

チーム開発でのベストプラクティス

チームでAWSを使った開発を進めるなら、Infrastructure as Code (IaC) の導入は必須です。AWS SAMやAWS CDKといったツールを使うと、今回手動で作成したLambda関数やAPI Gateway、IAMロールなどを全てコードで定義できます。これにより、「誰がいつ何を変更したか」がGitで管理でき、環境の再現やレビューが容易になります。

保守性を意識した書き方

  • 単一責任の原則: 1つのLambda関数には1つの役割だけを持たせましょう。AIとの対話、データの保存、ユーザー認証など、機能ごとにLambda関数を分割することで、見通しが良く、改修しやすいシステムになります。
  • ロギングとモニタリング: 何か問題が起きた時に原因を追跡できるよう、Amazon CloudWatchに適切なログを出力しましょう。「誰が」「いつ」「何をしようとして」「どうなったか」が分かるログは、システムの保守に不可欠です。

よくあるつまずきポイントと解決策

開発に失敗はつきものです。大切なのは、エラーから学び、次に進む力です。

初心者が陥りやすい問題

  • IAMの権限不足: 最もよく遭遇するエラーです。AccessDeniedException というエラーが出たら、まずはLambdaの実行ロールに必要な権限（ポリシー）がアタッチされているかを確認しましょう。
  • タイムアウトエラー: Lambda関数には実行時間の制限（デフォルトは3秒）があります。AIの応答が遅い場合など、処理に時間がかかりすぎるとタイムアウトします。Lambdaの「設定」 > 「一般設定」からタイムアウト値を延長できます。
  • API Gatewayの設定ミス: APIを叩いても Internal Server Error が返る場合、API GatewayとLambdaの連携がうまくいっていない可能性があります。API GatewayのログやLambdaの実行ログを確認しましょう。

エラーメッセージの読み方

エラーメッセージは、問題解決のための最大のヒントです。焦らずにじっくり読みましょう。特に、Amazon CloudWatch LogsにはLambda関数の実行ログが全て記録されています。エラーが発生したら、まずは該当するロググループを探し、エラーメッセージやスタックトレースを確認する癖をつけましょう。

デバッグの基本的な考え方

「動かない！」とパニックになる前に、まずは問題を切り分けましょう。

  1. Lambda関数単体でテストは成功するか？ (API Gatewayの問題かLambdaの問題か)
  2. コードのどの部分でエラーが出ているか？ (print文などを挟んで変数の内容を確認する)
  3. 期待通りのデータが渡ってきているか？ (Lambdaに渡されるeventオブジェクトの中身を確認する)

このように、原因の範囲を少しずつ狭めていくのがデバッグの基本です。

継続的な学習のために

今回の実践は、広大なAWSの世界への入り口に過ぎません。ここからさらに学びを深めていきましょう。

次に学ぶべきこと

  • Amazon S3: ファイルやデータを保存するためのストレージサービス。あらゆるサービスの基本となります。
  • Amazon DynamoDB: 高速でスケーラブルなNoSQLデータベース。サーバーレスアプリケーションと非常に相性が良いです。
  • AWS Step Functions: 複数のLambda関数を組み合わせて、複雑なワークフローを構築するためのサービス。マイクロサービスの連携に役立ちます。

おすすめの学習リソース

AWSには、公式のドキュメントやチュートリアル、技術ブログなど、質の高い学習リソースが豊富に用意されています。特に公式ドキュメントは、サービスの正確な仕様を理解するための最も信頼できる情報源です。また、多くのクラウド学習サイトでハンズオン形式のコースが提供されているので、手を動かしながら学ぶのも良いでしょう。

コミュニティとの関わり方

一人で学び続けるのは大変ですが、同じ目標を持つ仲間がいれば心強いです。地域のユーザーグループが主催する勉強会や、オンラインの技術コミュニティに参加してみましょう。他の人がどんなことに挑戦し、どんなことでつまずいているのかを知ることは、自分の学習の大きな刺激になります。質問したり、自分の学びをアウトプットしたりすることで、知識はより深く定着します。

まとめ：成長のための次のステップ

お疲れ様でした！この記事では、来るべきAWS re:Invent 2024の予習として、技術トレンドの中心である「生成AI」と「サーバーレス」の基本を学び、実際に手を動かして簡単なAIチャットボットAPIを構築しました。

  • クラウドの基本とAWSの環境構築を理解した。
  • サーバーレスと生成AIの強力な組み合わせの概念を学んだ。
  • AWS Lambda、Amazon Bedrock、API Gatewayを連携させ、動くアプリケーションを作った。
  • チーム開発や保守性といった、実務で役立つ視点に触れた。

あなたはもう、re:Inventで発表される新しいサービスのニュースを聞いても、「これはあの技術の応用だな」「自分のアプリケーションにも使えるかもしれない」と、一段深いレベルで理解できるはずです。技術は常に進化し続けます。大切なのは、今日の成功に満足せず、好奇心を持って学び続ける姿勢です。今回の小さな成功体験をバネにして、ぜひ次のステップに進んでください。あなたのエンジニアとしての旅を、心から応援しています！

#AWS #re:Invent #サーバーレス #生成AI #クラウド #初心者

関連記事

AWS re:Invent 2024速報！新サービス『Amazon AI Weaver』を最速レビュー！AI開発は次のステージへ

AWS Lambdaで爆速開発！たった3ステップで始めるサーバーレス関数入門：秋の実りを実感する効率化術

AWS・GCP・Azure徹底比較！2024年版｜個人開発で失敗しないクラウドサービスの選び方