AIエージェントの信頼性をどう証明するか──StrandsとAgentCoreによる評価パイプライン実践

英国の車両オークションサービスMotorwayは、AWSのPrototyping and AI Customer Engineering(PACE)チームと共同で、対話型の在庫検索エージェントを評価するパイプラインを構築しました。Strands Agents SDKとAmazon Bedrock AgentCoreを組み合わせ、ビルド時テストと本番監視の二段構えでツール選択・推論・出力品質を検証することで、誤答率を1/8から1/50に、問題検知時間を数時間から数分に短縮しています。