エージェントは図の正確性をどう保証するのか？

反復的な改善と自己修正を使い、Mermaid構文を検証してエラーがあれば図を再生成する。これにより95%の信頼性を実現している。

開発者は文書をクエリできるか？

できる。図のメタデータはAmazon Bedrock Knowledge Basesに取り込まれ、「インフラコンポーネントの全クラス図を一覧表示」のような自然言語クエリに対応する。

大規模言語モデルAIコーディングAmazon AI Blog2026年9月2日2026年9月3日 4:01

何が起きたか
AWSはAmazon Bedrock AgentCoreを使ったエージェント型ソリューションを発表。.NETコードベースを自動解析し、UML図やMermaid図を生成して文書化する。2026年第1四半期からグローバル金融サービス企業で本番稼働している。
なぜ重要か
手動の文書は数週間で陳腐化し、ナレッジサイロやコンプライアンス上のリスクを生む。このエージェントは反復的に改善し、単発方式の65%に対し95%の信頼性を達成。時間を削減し、図を最新に保つ。国内の金融系システム開発者が、保守対象のアーキテクチャ文書を自動更新できる可能性がある。
注目点
AWS CodePipeline経由でCI/CDと統合し、図はS3に保存。Amazon Bedrock Knowledge Basesで自然言語クエリが可能になる。開発者は「再接続アクティビティのフローはどうなっているか」などと質問できる。

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

このソリューションは、コードの進化に伴いアーキテクチャ図がすぐ陳腐化するという根強い課題に取り組む。CI/CDパイプラインを通じて図の生成と公開を自動化することで、文書をコードベースと同期させ、コンプライアンス監査やオンボーディングに不可欠な正確性を維持する。

AgentCoreのエージェント型アプローチは、人間のアーキテクトのプロセスを模倣し、コードの理解、図の生成、構文検証、SVG変換、公開を行う。これにより手作業の負担を減らし、単発方式よりも信頼性を高める。

Amazon Bedrock Knowledge Basesの活用は検索層を追加し、チームが自然言語で文書を照会できるようにする。これにより静的だった図が検索可能な知識資産へと変わり、アーキテクチャの可視性からビジネス価値を引き出す可能性が広がる。

よくある質問

エージェントは図の正確性をどう保証するのか？: 反復的な改善と自己修正を使い、Mermaid構文を検証してエラーがあれば図を再生成する。これにより95%の信頼性を実現している。
開発者は文書をクエリできるか？: できる。図のメタデータはAmazon Bedrock Knowledge Basesに取り込まれ、「インフラコンポーネントの全クラス図を一覧表示」のような自然言語クエリに対応する。