【コード38行】初心者向き超シンプルなLambdaを用いた生成AIアプリ開発のやり方 #AWS – Qiita

1. マネージメントコンソール上から，Lambdaを検索し，クリックする．
   

2. 添付画像右上の[関数の作成]をクリックする．
   

3. Lambda関数を作成する
   添付画像と同じように設定する
   

関数名：simple-bedrock
ランライム：python3.13
アーキテクチャ：x86_64

その他は何もいじらなくて大丈夫です．
また，ランタイムはPython3.9以上であればどのバージョンを使用しても問題ありません．

以下のUIになれば大丈夫です．これでLambda関数の準備は終わりました．

1. リージョンを「バージニア北部(us-east-1)」に変更する
   Bedrockで使用する生成AIのモデルは，このリージョンで最も安定して動きます．
   そのため，東京(ap-northeast-1)リージョンのLambda関数で，
   バージニア北部(us-east-1)リージョンにあるBedrockの生成AIモデルを使用します．
   

2. 左のバーの下部にあるモデルアクセスをクリックする．
   Bedrock configurationsの中にあるはずです．
   

3. モデルアクセスを変更をクリックする．
   使用したい生成AIのモデルにチェクマークを入れ，[次へ]から[送信]してください．
   今回は全て選択してもらっても大丈夫です．

数分待てば，今申請したモデルが使用可能になり，Bedrockの有効化が完了したことになります．

LambdaのIAMロールにBedrockへのアクセスを許可しないと，
Bedrockを呼び出す権限がない．というエラーになります．

1. Lambda関数を開き，[設定]タブから[アクセス権限]に行きます．
   

2. [ロール名]の下にリンクがあると思うので，そこからIAMロールというものを設定していきます．
   [許可]タブから[許可ポリシー]の[許可を追加]→[インラインポリシーを作成]
   JSONを選択し，以下のjsonを貼り付けて，[次へ]．

{
	"Version": "2012-10-17",
	"Statement": [
		{
			"Effect": "Allow",
			"Action": [
				"bedrock:InvokeModel",
				"bedrock:InvokeModelWithResponseStream"
			],
			"Resource": [
				"arn:aws:bedrock:*:*:foundation-model/anthropic.*",
				"arn:aws:bedrock:*:*:inference-profile/us.anthropic.*",
				"arn:aws:bedrock:*:*:inference-profile/eu.anthropic.*"
			]
		}
	]
}

3．ポリシー名を決め，[ポリシーの作成]をクリックします．
今回はsimple-bedrock-policyとしましょう．
これでLambdaからBedrockを使用することができるようになります．

今回はライブラリにboto3とjsonしか用いないため，コンテナイメージやLambdaレイヤーなどの準備をする必要はないです．このコードを貼り付けて，イベントJSONを入力すれば動きます．

完成コード

import json
import boto3


def lambda_handler(event, context):
    # プロンプトを取得
    prompt = event.get("prompt")
    
    # Bedrockクライアントを作成
    bedrock_client = boto3.client('bedrock-runtime', region_name='us-east-1')
    
    # Converseを呼び出し
    response = bedrock_client.converse(
        modelId="us.anthropic.claude-sonnet-4-20250514-v1:0",
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "text": prompt
                    }
                ]
            }
        ],
        inferenceConfig={
            "maxTokens": 1000
        }
    )
    
    # レスポンスから結果を取得
    result = response['output']['message']['content'][0]['text']
    
    # 結果を返す
    return {
        "prompt": prompt,
        "result": result
    }

{
  "prompt": "日本の三大武将を教えて"
}

{
  "prompt": "日本の三大武将を教えて",
  "result": "日本の三大武将としてよく挙げられるのは、以下の3人です。\n\n1. 源頼朝(1147年-1199年)\n鎌倉幕府を開いた初代将軍。平氏一門を討伐し、武家政権の基礎を築きました。\n\n2. 織田信長(1534年-1582年) \n天下布武を目指した戦国大名。本能寺の変で暗殺されましたが、東西の統一に大きく貢献しました。\n\n3. toyotomi 秀吉(1537年-1598年)\n甲斐武田家の家臣から出世し、関ヶ原の戦いで徳川家康に勝利しました。全国統一を達成した太閤です。\n\nこの3人の武将は、日本の歴史に大きな足跡を残し、時代を画する活躍をしたことから、三大武将と呼ばれています。頼朝は武家政権の祖、信長は統一への布石、秀吉は実際の統一を成し遂げた、という位置付けです。"
}

def lambda_handler(event, context):

    prompt = event.get("prompt")

    bedrock_client = boto3.client('bedrock-runtime', region_name='us-east-1')

    response = bedrock_client.converse(
        modelId="us.anthropic.claude-sonnet-4-20250514-v1:0",
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "text": prompt
                    }
                ]
            }
        ],
        inferenceConfig={
            "maxTokens": 1000
        }
    )

    result = response_body['output']['message']['content'][0]['text']

{'ResponseMetadata': {'RequestId': '1234567890',
'HTTPStatusCode': 200, 'HTTPHeaders': {'date': 'Mon, 16 Jun 2025 13:49:27 GMT', 
'content-type': 'application/json', 'content-length': '1197', 
'connection': 'keep-alive', 'x-amzn-requestid': '1234567890'}, 'RetryAttempts': 0}, 
'output': {'message': {'role': 'assistant', 
'content': [{'text': '日本の三大武将として一般的に挙げられるのは以下の3人です：
\n\n## **織田信長（1534-1582）**\n- 戦国時代の革新的な武将
\n- 楽市楽座や兵農分離など革新的な政策を実施\n- 天下統一の基盤を築いた
\n\n## **豊臣秀吉（1537-1598）**\n- 信長の後継者として天下統一を達成
\n- 農民出身から関白まで上り詰めた立身出世の代表例\n- 刀狩りや太閤検地などの政策を実施
\n\n## **徳川家康（1543-1616）**\n- 江戸幕府の初代将軍
\n- 関ヶ原の戦いで勝利し、約260年続く江戸時代の基礎を築いた
\n- 忍耐強い性格で「鳴くまで待とう時鳥」の句で知られる
\n\nこの3人は「戦国三英傑」とも呼ばれ、それぞれが天下統一に向けて重要な役割を果たし、
日本史上最も有名な武将として親しまれています。'}]}},
'stopReason': 'end_turn', 'usage': {'inputTokens': 19, 
'outputTokens': 348, 'totalTokens': 367}, 'metrics': {'latencyMs': 12345}}

    return {
        "prompt": prompt,# 元の質問
        "result": result # AIのかいとう
    }

import json
import boto3


def lambda_handler(event, context):
    # クエリパラメータからプロンプトを取得
    prompt = event.get("queryStringParameters", {}).get("prompt")
    
    # Bedrockクライアントを作成
    bedrock_client = boto3.client('bedrock-runtime', region_name='us-east-1')
    
    # Converseを呼び出し
    response = bedrock_client.converse(
        modelId="us.anthropic.claude-sonnet-4-20250514-v1:0",
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "text": prompt
                    }
                ]
            }
        ],
        inferenceConfig={
            "maxTokens": 1000
        }
    )
    
    # レスポンスを解析して結果を取得
    result = response['output']['message']['content'][0]['text']
    
    # 結果を返す
    return {
        "prompt": prompt,
        "result": result
    }

# プロンプトを取得
    prompt = event.get("prompt")

# クエリパラメータからプロンプトを取得
    prompt = event.get("queryStringParameters", {}).get("prompt")

import json
import boto3


def lambda_handler(event, context):
    # POSTのJSONボディからプロンプトを取得
    prompt = json.loads(event.get("body", "{}")).get("prompt")
    
    # Bedrockクライアントを作成
    bedrock_client = boto3.client('bedrock-runtime', region_name='us-east-1')
    
    # Converseを呼び出し
    response = bedrock_client.converse(
        modelId="us.anthropic.claude-sonnet-4-20250514-v1:0",
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "text": prompt
                    }
                ]
            }
        ],
        inferenceConfig={
            "maxTokens": 1000
        }
    )
    
    # レスポンスを解析して結果を取得
    result = response['output']['message']['content'][0]['text']
    
    # 結果を返す
    return {
        "prompt": prompt,
        "result": result
    }

curl -X POST https://xxxxxxxx/post \
  -H "Content-Type: application/json" \
  -d '{"prompt": "日本の有名な武将を教えてください"}'