Skip to content
エージェント・自動化

AWS、Bedrock AgentCoreで構築したマルチモーダル対応のWhatsApp注文アシスタントの詳細を公開

AWS published a guide for deploying a WhatsApp restaurant-ordering assistant that handles text, voice notes and calls through a shared backend.

DigitalNeuron Desk約1分

ひとことで言うと

Amazon Bedrock AgentCoreを活用してマルチモーダル対応のWhatsApp注文アシスタントを構築するために、AWSは何を発表しましたか?

AWS published a technical guide for deploying a restaurant-ordering assistant on WhatsApp using Amazon Bedrock AgentCore and Amazon Nova 2 models. The design supports text messages, voice notes and calls through one business number, with shared cross-channel memory and a common backend for menus, carts, orders and locations.

要点

  • AWS published a deployment guide for a multimodal WhatsApp ordering assistant built with Amazon Bedrock AgentCore and Amazon Nova 2.
  • このアシスタントは、1つのWhatsApp Business番号でテキストメッセージ、音声メッセージ、音声通話に対応します。
  • AWS says all three channels use one backend and shared cross-channel memory.
  • AWS側のインフラストラクチャはAWS CDKを使用してデプロイされますが、Meta WhatsApp Business Platformは別途設定する必要があります。

AWSは、単一のWhatsApp Business番号を通じて動作する、マルチモーダル対応の飲食店注文アシスタントを導入するための技術ガイドを公開した。Amazon Bedrock AgentCoreとAmazon Nova 2を基盤とするこのアシスタントは、テキストメッセージ、ボイスメッセージ、音声通話を受け付けることができる。

AWSによると、AIエージェントが最初のあいさつから注文内容の確認まで、一連の注文対応を管理する。3つのチャネルは同じバックエンドとチャネル横断型メモリを使用しており、あるやり取りではテキストを使い、別のやり取りでは電話をかけた顧客を同一人物として認識できる。

モデルとエージェントランタイム

この設計では、顧客向けのインターフェース層としてMeta WhatsApp Business Platformを使用する。Amazon Bedrock AgentCoreは3つのエージェントをホストし、対応する各チャネルに個別のランタイムを割り当てる。AWSによると、各会話はそれぞれ専用のmicroVM内で実行され、セッションは相互に分離される。

Amazon Nova 2 Liteは、Amazon Bedrock Converse APIを通じてテキストを処理する。Amazon Nova 2 Sonicは、ボイスメッセージと通話のリアルタイム音声を処理する。エージェントは、Model Context Protocol(MCP)を介して飲食店のバックエンドと通信する。

AWSは、システムをWhatsAppの会話レイヤー、エージェントランタイム、飲食店のバックエンドという3つの部分に分けている。バックエンドでは、メニュー、カート、注文、店舗情報を管理する。AWSによると、チャネル処理と注文ロジックを分離することで、バックエンドを変更せずにチャネルを追加または削除できる。

Webhookとバックエンドのアーキテクチャ

WhatsAppからの受信トラフィックは、単一のリージョナルHTTPS Webhookに到達する。Webhookは直ちにHTTP 200レスポンスを返し、その後、リクエストは非同期で処理される。このアーキテクチャでは、最初の確認応答と後続処理を分離するためにAmazon Simple Queue Serviceを使用する。キューにはデッドレターキューも含まれる。

Amazon API Gatewayは2つのREST APIを提供する。1つはリージョナルHTTPS Webhookで、AWSが管理する証明書を使用し、システム唯一の公開エンドポイントとして機能する。もう1つは、注文バックエンドの前段に配置されるIAM認証付きAPIである。

AWS Lambdaは、Webhook取り込み関数、Webhookワーカー、メッセージ送信機能、注文業務ロジックを実行する。Metaプラットフォームは、システムの顧客向け部分で使用するCloud API Webhook、Messages API、Media API、Calling APIを提供する。

導入時の責任範囲

このガイドでは、AWS Cloud Development Kitを使用してAWSコンポーネントを複数のスタックとして構築し、依存関係に沿った順序でデプロイする。デプロイ後にはWebhook URLが提供され、Metaへの登録が必要となる。

AWS CDKによるデプロイでは、Meta WhatsApp Business Platformの作成や管理は行われない。利用者は前提条件として同サービスを設定し、AWS環境に接続する必要がある。AWSは、Metaプラットフォームをアシスタントの窓口、AWS環境をエージェント、処理コンポーネント、注文バックエンドの実行基盤と位置付けている。

出典:Amazon Web Services「Deploy a multimodal WhatsApp ordering assistant with Amazon Bedrock AgentCore」、2026年9月4日公開。

よくある質問

Which customer channels does the assistant support?
AWSによると、顧客は単一のWhatsApp Business番号を通じて、テキストメッセージ、音声メッセージ、または音声通話で注文できる。
Which AI models does the solution use?
Amazon Nova 2 Liteは、Amazon Bedrock Converse APIを通じてテキストを処理します。Amazon Nova 2 Sonicは、ボイスメモや通話向けにリアルタイム音声を処理します。
How does the assistant connect to restaurant systems?
エージェントはモデル・コンテキスト・プロトコルを介してレストランのバックエンドにアクセスする。このバックエンドには、メニュー、カート、注文、店舗情報が保存されている。
Does AWS CDK deploy the WhatsApp platform?
いいえ。MetaはWhatsApp Business Platformを管理しており、ユーザーは前提条件としてこれを設定する必要があります。AWS CDKはAWSリソースをデプロイし、Metaに登録するWebhook URLを生成します。

出典

  1. Deploy a multimodal WhatsApp ordering assistant with Amazon Bedrock AgentCore | Artificial IntelligenceAmazon Web Services (AWS)
タグawsamazon-bedrockagentcoreamazon-novawhatsappai-agents

あわせて読みたい

KaggleのセルフペースコースでAIエージェント構築を実践する

AIエージェントの構築に関心がある開発者は、GoogleとKaggleの5日間コースを自分のペースで進めるプログラムとして活用できる。コードラボや技術ホワイトペーパー、ノートブックに取り組み、エージェント設計、セキュリティ、クラウド展開を網羅する集大成プロジェクトを構築するとよい。デバッグの助けやスタディグループにはKaggleのDiscordを利用する。

更新 約4分

Anthropic、アレン研究所およびHHMIと科学研究向けAIシステムで提携

Anthropicは、アレン研究所およびハワード・ヒューズ医学研究所(HHMI)とのライフサイエンス分野における提携を発表した。HHMIはAnthropicと共同で専門的な実験室向けエージェントの開発に取り組み、アレン研究所は科学的分析や実験設計をはじめとする研究業務のための、連携動作するマルチエージェントシステムの開発で協力する。両提携は、Claudeの生命科学分野における能力の拡充にも活用される見込みである。

約3分

エージェントのコンテキストウィンドウは日記ではなく予算だ——Anthropicはこう使っている

Anthropicの指針は、プロンプトエンジニアリングをコンテキストエンジニアリングとして捉え直す。すべてを蓄積するのではなく、各ターンで価値の高い最小限のトークン群を選別するという考え方だ。同社独自の評価では、古くなったツール実行結果の自動消去と外部メモリファイルを組み合わせることで、検索タスクの成績が39%向上し、100ターンにわたるトークン使用量が84%削減された。

約4分