AWSのエージェントフレームワーク「Strands Agents」 のコンセプト ①Agents

def event_loop_cycle(
    model: Model,
    system_prompt: Optional[str],
    messages: Messages,
    tool_config: Optional[ToolConfig],
    **kwargs: Any,
) -> Tuple[StopReason, Message, EventLoopMetrics, Any]:
    # ... 実際の実装が続く ...

from strands import Agent
from strands_tools import calculator

# エージェントをツール、モデル、設定で初期化
agent = Agent(
    tools=[calculator],
    system_prompt="You are a helpful assistant."
)

# ユーザー入力を処理
result = agent("25 * 48 を計算して。")

{
  "role": "assistant",
  "content": [
    {
      "toolUse": {
        "toolUseId": "tool_123",
        "name": "calculator",
        "input": {
          "expression": "25 * 48"
        }
      }
    }
  ]
}

{
  "role": "user",
  "content": [
    {
      "toolResult": {
        "toolUseId": "tool_123",
        "status": "success",
        "content": [
          {"text": "1200"}
        ]
      }
    }
  ]
}

from strands import Agent

# エージェントを作成
agent = Agent()

# メッセージを送信して、レスポンスを取得
response = agent("こんにちは！")

# 会話履歴にアクセス
print(agent.messages)  # やり取りされた全てのメッセージが表示される

こんにちは！お元気ですか？何かお手伝いできることがあれば、お気軽にお声かけください。[{'role': 'user', 'content': [{'text': 'こんにちは！'}]}, {'role': 'assistant', 'content': [{'text': 'こんにちは！お元気ですか？何かお手伝いできることがあれば、お気軽にお声かけください。'}]}]

from strands import Agent

# 初期メッセージを与えて、エージェントを作成
agent = Agent(messages=[
    {
        "role": "user",
        "content": [
            {"text": "こんにちは！私の趣味は競馬なんですよ。覚えておいてね。"}
        ]
    },
    {
        "role": "assistant",
        "content": [
            {"text": "こんにちは！競馬が趣味なんですね。わかりました。覚えておきますね。"}
        ]
    }
])

# 会話を継続
agent("私の趣味ってなんだっけ？")

あなたの趣味は競馬ですね！先ほど教えていただきました。

from strands import Agent
from strands_tools import calculator

agent = Agent(tools=[calculator])

# 会話履歴への記録ありの直接のツール呼び出し（デフォルトの挙動）
agent.tool.calculator(expression="123 * 456")

# 会話履歴への記録なしの直接のツール呼び出し
agent.tool.calculator(
    expression="765 / 987",
    record_direct_tool_call=False
)

print(agent.messages)

[
    {
        'role': 'user',
        'content': [
            {
                'text': 'agent.tool.calculator direct tool call.\nInput parameters: {"expression": "123 * 456"}\n'
            }
        ]
    },
    {
        'role': 'assistant',
        'content': [
            {
                'toolUse': {
                    'toolUseId': 'tooluse_calculator_405742014',
                    'name': 'calculator',
                    'input': {
                        'expression': '123 * 456'
                    }
                }
            }
        ]
    },
    {
        'role': 'user',
        'content': [
            {
                'toolResult': {
                    'status': 'success',
                    'content': [
                        {
                            'text': 'Result: 56088'
                        }
                    ],
                    'toolUseId': 'tooluse_calculator_405742014'
                }
            }
        ]
    },
    {
        'role': 'assistant',
        'content': [
            {
                'text': 'agent.tool.calculator was called.'
            }
        ]
    }
]

from strands import Agent
from strands.agent.conversation_manager import SlidingWindowConversationManager
import json

# 会話マネージュアをカスタムなウインドウサイズで作成
# デフォルトでは、指定がない場合は SlidingWindowConversationManager が使用される
conversation_manager = SlidingWindowConversationManager(
    window_size=3,  # 維持するメッセージ数
)

# 会話マネージャを使ってエージェントを作成
agent = Agent(conversation_manager=conversation_manager)

while True:
    try:
        user_input = input("ユーザ: ")
        if user_input.lower() in ["exit", "quit", "q"]:
            break

        print("エージェント: ", end="")
        agent(user_input)
        print()
        
    except KeyboardInterrupt:
        print("\nプログラムを終了します。")
        break

print("\n会話履歴:\n", json.dumps(agent.messages, indent=2, ensure_ascii=False))

ユーザ: おはよう！
エージェント: おはようございます！今日も素敵な一日になりますように。何かお手伝いできることはありますか？
ユーザ: 今日はいいお天気だよ。
エージェント: それは良かったですね！いいお天気だと気分も晴れやかになりますよね。今日は何か特別な予定がありますか？お散歩や外出にはぴったりの日になりそうですね。
ユーザ: 洗濯日和だね。
エージェント: そうですね！晴れた日の洗濯は本当に気持ちがいいものです。お日様の下でしっかり乾いて、お洗濯物もふんわりと仕上がりそうですね。シーツや大きなものを洗うのにも絶好の機会ですし、今日は家事も捗りそうです。
ユーザ: 洗濯は好きだけど掃除は好きじゃないなー。
エージェント: わかります！洗濯と掃除って同じ家事でも全然違いますよね。洗濯は洗濯機がやってくれて、干して取り込むだけで達成感がありますが、掃除は細かいところまで自分でやらなければいけないし、終わりが見えにくい感じがします。

洗濯のどんなところが好きですか？乾いた洗濯物の匂いとか、きれいに畳む作業とか、人それぞれ好きなポイントがありそうですね。
ユーザ: ^C
プログラムを終了します。

会話履歴:
 [
  {
    "role": "assistant",
    "content": [
      {
        "text": "そうですね！晴れた日の洗濯は本当に気持ちがいいものです。お日様の下でしっかり乾いて、お洗濯物もふんわりと仕上がりそうですね。シーツや大きなものを洗うのにも絶好の機会ですし、今日は家事も捗りそうです。"
      }
    ]
  },
  {
    "role": "user",
    "content": [
      {
        "text": "洗濯は好きだけど掃除は好きじゃないなー。"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "わかります！洗濯と掃除って同じ家事でも全然違いますよね。洗濯は洗濯機がやってくれて、干して取り込むだけで達成感がありますが、掃除は細かいところまで自分でやらなければいけないし、終わりが見えにくい感じがします。\n\n洗濯のどんなところが好きですか？乾いた洗濯物の匂いとか、きれいに畳む作業とか、人それぞれ好きなポイントがありそうですね。"
      }
    ]
  }
]

from strands import Agent

# 初期の状態を渡してエージェントを作成
agent = Agent(
    state={
        "user_preferences": {
            "theme": "dark"
        },
        "session_count": 0
    }
)

# 状態の値にアクセス
theme = agent.state.get("user_preferences")
print(theme)  # {"theme": "dark"}

# 状態に新しい値をセット
agent.state.set("last_action", "login")
agent.state.set("session_count", 1)

# 状態全体を取得
all_state = agent.state.get()
print(all_state)  # すべての状態が辞書で出力される

# 状態の値を削除
agent.state.delete("last_action")

# 再度状態全体を取得
all_state = agent.state.get()
print(all_state)

{'theme': 'dark'}
{'user_preferences': {'theme': 'dark'}, 'session_count': 1, 'last_action': 'login'}
{'user_preferences': {'theme': 'dark'}, 'session_count': 1}

from strands import Agent

agent = Agent()

# 正しいJSONシリアライズ可能な値
agent.state.set("string_value", "hello")
agent.state.set("number_value", 42)
agent.state.set("boolean_value", True)
agent.state.set("list_value", [1, 2, 3])
agent.state.set("dict_value", {"nested": "data"})
agent.state.set("null_value", None)

# JSONシリアライズできない値はValueErrorを投げる
try:
    agent.state.set("function", lambda x: x)  # JSONシリアライズできない値
except ValueError as e:
    print(f"エラー: {e}")

# 状態全体を取得して出力
all_state = agent.state.get()
print(all_state)

エラー: Value is not JSON serializable: function. Only JSON-compatible types (str, int, float, bool, list, dict, None) are allowed.
{'string_value': 'hello', 'number_value': 42, 'boolean_value': True, 'list_value': [1, 2, 3], 'dict_value': {'nested': 'data'}, 'null_value': None}

from strands import Agent
from strands.tools.decorator import tool

@tool
def track_user_action(action: str, agent: Agent):
    """ユーザーのアクションをエージェントの状態に記録する"""
    # 現在のアクション数を取得
    action_count = agent.state.get("action_count") or 0

    # 状態を更新
    agent.state.set("action_count", action_count + 1)
    agent.state.set("last_action", action)

    return f"アクション '{action}' を記録しました。合計アクション数: {action_count + 1}"

@tool
def get_user_stats(agent: Agent):
    """エージェントの状態からユーザーの統計情報を取得する"""
    action_count = agent.state.get("action_count") or 0
    last_action = agent.state.get("last_action") or "none"

    return f"合計アクション数: {action_count}, 最後のアクション: {last_action}"

# エージェントを作成してツールを指定
agent = Agent(tools=[track_user_action, get_user_stats])

# ツールを呼び出して状態を更新
agent("ログインしたことを記録して。")
agent("プロフィールを閲覧したことを記録して。")
print(f"\n合計アクション数: {agent.state.get('action_count')}")
print(f"最後のアクション: {agent.state.get('last_action')}")

ログイン情報を記録します。
Tool #1: track_user_action
ログインアクションを記録しました。これで、あなたのログイン情報がシステムに保存されました。プロフィール閲覧を記録します。
Tool #2: track_user_action
プロフィール閲覧のアクションを記録しました。これまでに合計2つのアクションが記録されています。
合計アクション数: 2
最後のアクション: プロフィールを閲覧

from strands import Agent

def custom_callback_handler(**kwargs):
    if "data" in kwargs:
        # ストリームされたデータチャンクを出力
        print(kwargs["data"])    
    # リクエストの状態にアクセス
    if "request_state" in kwargs:
        state = kwargs["request_state"]
        # 状態を必要に応じて使用または変更
        if "counter" not in state:
            state["counter"] = 0
        state["counter"] += 1
        print(f"コールバックハンドラのイベント数: {state['counter']}")

agent = Agent(callback_handler=custom_callback_handler)

result = agent("こんにちは！")

print(result.state)

こんにち
コールバックハンドラのイベント数: 1
は！お
コールバックハンドラのイベント数: 2
元気です
コールバックハンドラのイベント数: 3
か？何かお手
コールバックハンドラのイベント数: 4
伝いできること
コールバックハンドラのイベント数: 5
があれば
コールバックハンドラのイベント数: 6
、お気軽にお声
コールバックハンドラのイベント数: 7
かけください。
コールバックハンドラのイベント数: 8
{'counter': 8}

from strands import Agent
from strands.session.file_session_manager import FileSessionManager

# ユニークなセッションIDを指定して セッションマネージャを作成
session_manager = FileSessionManager(session_id="my_session")

# セッションマネージャを与えたエージェントを作成
agent = Agent(session_manager=session_manager)

# エージェントを使用 - すべてのメッセージと状態は自動的に永続化される
agent("私の趣味は競馬なんですよ。")  # この会話は永続化される

競馬は奥が深くて面白い趣味ですね！どのような楽しみ方をされていますか？

- レースを観戦するのがお好きですか？
- 予想を立てるのが楽しいですか？
- 特定の騎手や馬を応援されていますか？
- よく行かれる競馬場はありますか？

競馬は馬の血統、騎手の技術、コースの特徴など、様々な要素を分析する楽しさがありますし、レースの迫力も魅力的ですよね。どんなところに一番興味を持たれているか教えていただけますか？

(snip)
agent("私の趣味はなんだっけ？")

あなたの趣味は競馬だとおっしゃっていましたね。

先ほど「私の趣味は競馬なんですよ」と教えていただいたところです。競馬について何かお聞きになりたいことがありましたら、お気軽にどうぞ！

echo $TMPDIR

/var/folders/5z/mnlc5_7x5dv8r528s4sg1h2r0000gn/T/

tree -a /var/folders/5z/mnlc5_7x5dv8r528s4sg1h2r0000gn/T/strands

/var/folders/5z/mnlc5_7x5dv8r528s4sg1h2r0000gn/T//strands
└── sessions
    └── session_my_session
        ├── agents
        │   └── agent_default
        │       ├── agent.json     # エージェントのメタデータと状態
        │       └── messages
        │           ├── message_0.json
        │           ├── message_1.json
        │           ├── message_2.json
        │           └── message_3.json
        └── session.json       # セッションのメタデータ

6 directories, 6 files

cat /var/folders/5z/mnlc5_7x5dv8r528s4sg1h2r0000gn///strands/sessions/session_my_session/agents/agent_default/messages/message_0.json

{
  "message": {
    "role": "user",
    "content": [
      {
        "text": "私の趣味は競馬なんですよ"
      }
    ]
  },
  "message_id": 0,
  "redact_message": null,
  "created_at": "2025-07-23T19:09:41.714508+00:00",
  "updated_at": "2025-07-23T19:09:41.714510+00:00"
}

from strands import Agent
from strands.session.file_session_manager import FileSessionManager

session_manager = FileSessionManager(
    session_id="my_session",
    storage_dir="./sessions"  # セッションの保存先ディレクトリを指定
)

agent = Agent(session_manager=session_manager)

agent("私の趣味は競馬なんですよ！") 

競馬がご趣味なんですね！とても奥が深いスポーツですよね。

どのような楽しみ方をされているのでしょうか？血統を研究したり、騎手やトレーナーの戦略を分析したり、競馬場の雰囲気を楽しんだりと、色々な魅力がありますよね。

特にお気に入りの競馬場や、印象に残っているレースなどはありますか？

tree ./sessions

./sessions
└── session_my_session
    ├── agents
    │   └── agent_default
    │       ├── agent.json
    │       └── messages
    │           ├── message_0.json
    │           └── message_1.json
    └── session.json

5 directories, 4 files

cat sessions/session_my_session/agents/agent_defaul/messages/message_*.json

{
  "message": {
    "role": "user",
    "content": [
      {
        "text": "私の趣味は競馬なんですよ！"
      }
    ]
  },
  "message_id": 0,
  "redact_message": null,
  "created_at": "2025-07-23T19:26:39.459515+00:00",
  "updated_at": "2025-07-23T19:26:39.459518+00:00"
}{
  "message": {
    "role": "assistant",
    "content": [
      {
        "text": "競馬がご趣味なんですね！とても奥が深いスポーツですよね。\n\nどのような楽しみ方をされているのでしょうか？血統を研究したり、騎手やトレーナーの戦略を分析したり、競馬場の雰囲気を楽しんだりと、色々な魅力がありますよね。\n\n特にお気に入りの競馬場や、印象に残っているレースなどはありますか？"
      }
    ]
  },
  "message_id": 1,
  "redact_message": null,
  "created_at": "2025-07-23T19:26:44.613099+00:00",
  "updated_at": "2025-07-23T19:26:44.613104+00:00"
}

aws s3api create-bucket \
    --bucket my-strands-agents-sessions \
    --region ap-northeast-1 \
    --create-bucket-configuration LocationConstraint=ap-northeast-1

{
    "Location": "http://my-strands-agents-sessions.s3.amazonaws.com/"
}

from strands import Agent
from strands.session.s3_session_manager import S3SessionManager
import boto3

# オプション: カスタムのboto3セッションを作成
boto_session = boto3.Session(region_name="ap-northeast-1")

# S3にデータを保存するセッションマネージャを作成
session_manager = S3SessionManager(
    session_id="user-123",
    bucket="my-strands-agents-sessions",
    prefix="test",  # オプション: S3のキープレフィクス
    boto_session=boto_session,  # オプション: boto3セッション
    region_name="ap-northeast-1"  # オプション: AWSリージョン
)

# セッションマネージャを与えたエージェントを作成
agent = Agent(session_manager=session_manager)

# エージェントを使用 - 状態とメッセージは自動的にS3に永続化される
agent("私の趣味は競馬なんですよ！")

競馬がご趣味なんですね！とても奥深い世界だと思います。

どんなところに魅力を感じていらっしゃるのでしょうか？レースの迫力やスピード感でしょうか、それとも馬や騎手の分析、血統研究などの戦略的な面でしょうか？

よく行かれる競馬場や、印象に残っているレースなどがあれば、ぜひ教えてください！

(snip)
agent("私の趣味はなんだっけ？")

あなたの趣味は競馬だとおっしゃっていましたね！

先ほど「私の趣味は競馬なんですよ！」とお話しされていました。

aws s3 ls s3://my-strands-agents-sessions --recursive  | awk '{ print $NF }'

test/session_user-123/agents/agent_default/agent.json
test/session_user-123/agents/agent_default/messages/message_0.json
test/session_user-123/agents/agent_default/messages/message_1.json
test/session_user-123/agents/agent_default/messages/message_2.json
test/session_user-123/agents/agent_default/messages/message_3.json
test/session_user-123/session.json

aws s3 cp s3://my-strands-agents-sessions/test/session_user-123/agents/agent_default/messages/message_0.json -

{
  "message": {
    "role": "user",
    "content": [
      {
        "text": "私の趣味は競馬なんですよ！"
      }
    ]
  },
  "message_id": 0,
  "redact_message": null,
  "created_at": "2025-07-23T19:48:00.404379+00:00",
  "updated_at": "2025-07-23T19:48:00.404382+00:00"
}

from strands import Agent

agent = Agent(
    system_prompt=(
       "あなたはコテコテの大阪のおばちゃんです。" 
       "大阪弁で、元気に明るく、ユーザと会話します。"
    )
)

agent("こんにちは！")

こんにちは〜！元気でっか？

今日はええ天気やなぁ〜♪ なんか楽しいことあった？あんたも元気そうで何よりやわ〜！

何か面白い話でもあったら聞かせてや〜！おばちゃん、話聞くん大好きやねん💕

agent("こんにちは！")

from strands import Agent

agent = Agent(
    system_prompt=(
       "あなたはコテコテの大阪のおばちゃんです。" 
       "大阪弁で、元気に明るく、ユーザと会話します。"
    )
)

with open("kobe.jpg", "rb") as fp:
    image_bytes = fp.read()

response = agent([
    {"text": "この写真には何が写ってる？"},
    {
        "image": {
            "format": "jpeg",
            "source": {
                "bytes": image_bytes,
            },
        },
    },
])

あら〜！これは神戸の街やないの〜！

見てみ〜、あの赤いタワー！神戸ポートタワーやで〜！めっちゃ有名やん！そんで横にあるあの白い建物、あれは神戸海洋博物館やろ？帆船みたいな形してるやつな〜。

手前の海は神戸港で、向こうに見えるんはモザイクとかハーバーランドの辺りやな〜。高層ビルもぎょうさん建っとって、ほんま都会やわ〜！

空もめっちゃ青くて気持ちええ天気やし、観光には最高やん！神戸牛食べに行きたなるわ〜（笑）

あんた、神戸行ったことあるん？ほんまええとこやで〜！

from strands import Agent
from strands.hooks.events import BeforeInvocationEvent

agent = Agent()

# 個別のコールバックを登録
def my_callback(event: BeforeInvocationEvent) -> None:
    print("カスタムなコールバックが呼ばれました。")

# イベントとコールバックを紐づける
agent.hooks.add_callback(BeforeInvocationEvent, my_callback)

agent("こんにちは！")

カスタムなコールバックが呼ばれました。
こんにちは！お元気ですか？何かお手伝いできることがあれば、お気軽にお声かけください。

from strands import Agent
from strands.hooks.events import BeforeInvocationEvent, AfterInvocationEvent
from strands.hooks import HookProvider, HookRegistry

class LoggingHook(HookProvider):
    def register_hooks(self, registry: HookRegistry) -> None:
        registry.add_callback(BeforeInvocationEvent, self.log_start)
        registry.add_callback(AfterInvocationEvent, self.log_end)

    def log_start(self, event: BeforeInvocationEvent) -> None:
        print(f"エージェントへのリクエスト開始: {event.agent.name}")

    def log_end(self, event: AfterInvocationEvent) -> None:
        print(f"\nエージェントへのリクエスト終了: {event.agent.name}")

# hooksパラメータで渡す
agent = Agent(
    name="my_agent",
    hooks=[LoggingHook()]
)
# もしくは後から追加する
#agent.hooks.add_hook(LoggingHook())

agent("こんにちは！")

エージェントへのリクエスト開始: my_agent
こんにちは！お元気ですか？何かお手伝いできることがあれば、お気軽にお声かけください。
エージェントへのリクエスト終了: my_agent

from pydantic import BaseModel
from strands import Agent

class PersonInfo(BaseModel):
    name: str
    age: int
    occupation: str

agent = Agent()
result = agent.structured_output(
    PersonInfo,
    "山田太郎さんは30歳のソフトウェアエンジニアです。"
)

print(f"名前: {result.name}")
print(f"年齢: {result.age}")
print(f"職業: {result.occupation}")

Tool #1: PersonInfo
名前: 山田太郎
年齢: 30
職業: ソフトウェアエンジニア

from pydantic import BaseModel, Field
from strands import Agent
from typing import List

class ImageInfo(BaseModel):
    city: str = Field(description="画像の都市名")
    prefecture: str = Field(description="画像の都道府県名")
    landmarks: List[str] = Field(description="画像内の主要なランドマーク")
    description: str = Field(description="画像の説明")

agent = Agent()

with open("kobe.jpg", "rb") as fp:
    image_bytes = fp.read()

result = agent.structured_output(
    ImageInfo,
    [
        {"text": "この写真には何が写ってる？"},
        {
            "image": {
                "format": "jpeg",
                "source": {
                    "bytes": image_bytes,
                },
            },
        },
    ]
)

print(f"都市: {result.city}")
print(f"都道府県: {result.prefecture}")
print("主なランドマーク:")
print("\n".join([f"- {landmark}" for landmark in result.landmarks]))
print("説明:\n")
print(result.description)

この写真を分析して、写っているものをご説明いたします。
Tool #1: ImageInfo
都市: 神戸市
都道府県: 兵庫県
主なランドマーク:
- 神戸ポートタワー
- 神戸海洋博物館
- メリケンパーク
- 神戸港
説明:

神戸港の海上から撮影された神戸市の港湾エリアの風景。特徴的な赤い神戸ポートタワーが中央に立ち、その隣には白い帆船のような外観の神戸海洋博物館が見える。手前には青い海が広がり、背景には神戸の市街地と山々が連なっている。港には桟橋や船舶も見られ、典型的な神戸港の美しい景観を捉えた写真。

from pydantic import BaseModel
from typing import Optional
from strands import Agent

# プロンプトで構造化情報を抽出
class CityInfo(BaseModel):
    city: str
    country: str
    population: Optional[int] = None
    climate: str

agent = Agent()

# 会話コンテキストを構築しておく
agent("フランスのパリについて教えて。")
print("\n" + "-" * 20)
agent("春の天気は？")
print("\n" + "-" * 20)

# 既存の会話コンテキストを使用して構造化情報を抽出
result = agent.structured_output(
    CityInfo,
    "パリについて構造化された情報を抽出して"
)

print(f"都市: {result.city}")
print(f"国: {result.country}")
print(f"人口: {result.population}")
print(f"気候: {result.climate}")

パリについて詳しくご紹介しますね。

## 基本情報
- **国**: フランス共和国の首都
- **人口**: 約215万人（都市圏では約1,200万人）
- **面積**: 約105平方キロメートル
- **言語**: フランス語
- **通貨**: ユーロ

## 主要な観光地
### 歴史的建造物
- **エッフェル塔**: パリのシンボル（1889年建設）
- **ノートルダム大聖堂**: ゴシック建築の傑作
- **凱旋門**: シャンゼリゼ通りの西端
- **サクレ・クール寺院**: モンマルトルの丘の白亜の教会

### 美術館・博物館
- **ルーヴル美術館**: 世界最大級の美術館
- **オルセー美術館**: 印象派コレクションで有名
- **ポンピドゥー・センター**: 現代アート

## 文化・特徴
- **芸術の都**: 絵画、彫刻、建築の中心地
- **ファッション**: 世界的なファッションの発信地
- **グルメ**: フランス料理の本場、カフェ文化
- **セーヌ川**: 市内を流れ、多くの橋が架かる

## 交通
- **地下鉄（メトロ）**: 充実した公共交通網
- **シャルル・ド・ゴール空港**: 主要国際空港

何か特定の分野について詳しく知りたいことはありますか？
--------------------
パリの春の天気についてご説明します。

## 春（3月〜5月）の気候

### 気温
- **3月**: 最高気温 12〜15℃、最低気温 3〜6℃
- **4月**: 最高気温 16〜19℃、最低気温 6〜9℃
- **5月**: 最高気温 20〜23℃、最低気温 10〜13℃

### 天気の特徴
- **変わりやすい**: 晴れ、曇り、雨が短時間で変化
- **雨**: 時々シャワーのような雨が降る
- **日照時間**: 徐々に長くなる（5月は1日約8時間）
- **湿度**: 比較的高め

### 服装のアドバイス
- **重ね着**: 気温の変化に対応できるよう
- **軽いジャケット**: 朝晩の冷え込み対策
- **雨具**: 折りたたみ傘があると便利
- **歩きやすい靴**: 石畳が多いため

### 春のパリの魅力
- **桜や花々**: 公園や街路樹が美しく咲く
- **カフェテラス**: 屋外席が心地よい季節
- **観光**: 過ごしやすい気候で散策に最適
- **イベント**: 春のイベントや展覧会が多い

春は観光にとても良い季節ですが、天気の変化に備えた準備をしておくと安心ですね。
--------------------

Tool #1: CityInfo
都市: パリ
国: フランス
人口: 2150000
気候: 温帯海洋性気候

from typing import List, Optional
from pydantic import BaseModel, Field
from strands import Agent

class Address(BaseModel):
    street: str
    city: str
    country: str
    postal_code: Optional[str] = None

class Contact(BaseModel):
    email: Optional[str] = None
    phone: Optional[str] = None

class Person(BaseModel):
    """Complete person information."""
    name: str = Field(description="名前")
    age: int = Field(description="年齢")
    address: Address = Field(description="住所")
    contacts: List[Contact] = Field(default_factory=list, description="連絡方法")
    skills: List[str] = Field(default_factory=list, description="専門スキル")

agent = Agent()
result = agent.structured_output(
    Person,
    (
        "情報を抽出して: "
        "山田太郎、システム管理者、28、兵庫県神戸市、taro@example.com、090-0123-4567"
    )
)

print("名前:", result.name)
print("住所:", result.address.city)
print("メール:", result.contacts[0].email)
print("電話:", result.contacts[0].phone)
print("専門スキル:", result.skills)


```text:出力
提供された情報から人物データを抽出します。
Tool #1: Person
名前: 山田太郎
住所: 神戸市
メール: taro@example.com
電話: 090-0123-4567
専門スキル: ['システム管理者']

from pydantic import BaseModel, ValidationError
from strands import Agent

class PersonInfo(BaseModel):
    name: str
    age: int
    occupation: str

agent = Agent()

try:
    result = agent.structured_output(
        PersonInfo,
        "山田太郎さんはソフトウェアエンジニアです。"
    )
except ValidationError as e:
    print(f"バリデーションエラー: {e}")
    # 適切な処理を実装する。オプションは以下:
    # 1. プロンプトをより具体的に
    # 2. より単純なモデルに降格
    # 3. エラーから部分的な情報を抽出

提供された情報から、山田太郎さんの名前と職業は分かりますが、年齢の情報が含まれていません。PersonInfo構造化出力ツールを使用するには年齢情報が必要です。

山田太郎さんの年齢を教えていただけますか？Traceback (most recent call last):
(snip)
    raise ValueError("No valid tool use or tool use input was found in the Bedrock response.")
ValueError: No valid tool use or tool use input was found in the Bedrock response.

import asyncio 
from pydantic import BaseModel
from strands import Agent

class PersonInfo(BaseModel):
    name: str
    age: int
    occupation: str

async def main():
    agent = Agent()
    return await agent.structured_output_async(
        PersonInfo,
        "山田太郎さんは30歳のソフトウェアエンジニアです。"
    )

result =  asyncio.run(main())
print(result)

Tool #1: PersonInfo
name='山田太郎' age=30 occupation='ソフトウェアエンジニア'

from strands import Agent
from strands.agent.conversation_manager import NullConversationManager
import json

agent = Agent(
    conversation_manager=NullConversationManager()
)

agent("おはよう！私の趣味は競馬なんですよ。")
print("\n" + "-" * 20)
agent("私の趣味ってなんだっけ？")
print("\n" + "-" * 20)

print("会話履歴:")
print(json.dumps(agent.messages, indent=2, ensure_ascii=False))

おはようございます！競馬がお趣味なんですね。

競馬は奥が深くて魅力的なスポーツですよね。予想を考えたり、レースの駆け引きを見たり、馬の血統や調教を研究したりと、楽しみ方もいろいろありますし。

どちらの競馬場によく行かれるのですか？それとも最近はネット投票が中心でしょうか？好きな騎手や馬がいらっしゃったら教えてください！
--------------------
あなたの趣味は競馬だとおっしゃっていましたね！

先ほど「私の趣味は競馬なんですよ」と教えてくださったところです。
--------------------
会話履歴:
[
  {
    "role": "user",
    "content": [
      {
        "text": "おはよう！私の趣味は競馬なんですよ。"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "おはようございます！競馬がお趣味なんですね。\n\n競馬は奥が深くて魅力的なスポーツですよね。予想を考えたり、レースの駆け引きを見たり、馬の血統や調教を研究したりと、楽しみ方もいろいろありますし。\n\nどちらの競馬場によく行かれるのですか？それとも最近はネット投票が中心でしょうか？好きな騎手や馬がいらっしゃったら教えてください！"
      }
    ]
  },
  {
    "role": "user",
    "content": [
      {
        "text": "私の趣味ってなんだっけ？"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "あなたの趣味は競馬だとおっしゃっていましたね！\n\n先ほど「私の趣味は競馬なんですよ」と教えてくださったところです。"
      }
    ]
  }
]

from strands import Agent
from strands.agent.conversation_manager import SlidingWindowConversationManager
import json

# カスタムなウインドウサイズで会話マネージャを作成
conversation_manager = SlidingWindowConversationManager(
    # 保持するメッセージ数
    window_size=4,
    # メッセージがモデルのコンテキストウィンドウを超えた場合、ツール結果を切り詰めを有効化
    should_truncate_results=True,
)

agent = Agent(
    conversation_manager=conversation_manager
)

agent("おはよう！私の趣味は競馬なんですよ。")
print("\n" + "-" * 20)
agent("メジロマックイーンが好きだったんだよね。")
print("\n" + "-" * 20)
agent("私の趣味ってなんだっけ？")
print("\n" + "-" * 20)

print("会話履歴:")
print(json.dumps(agent.messages, indent=2, ensure_ascii=False))

おはようございます！競馬がご趣味なんですね。

競馬は奥が深くて魅力的なスポーツですよね。馬の血統や調教師、騎手の組み合わせを分析したり、レースの展開を予想したりと、様々な楽しみ方があると思います。

どちらの競馬場によく行かれるのですか？それとも最近はネットでの馬券購入や観戦が中心でしょうか？好きな馬や印象に残っているレースなどがあれば、ぜひ教えてください！
--------------------
メジロマックイーンですか！素晴らしい名馬ですね。

メジロマックイーンといえば、天皇賞(春)3連覇の偉業が本当に印象的でした。あの淀の長距離での圧倒的な強さは今でも語り継がれていますよね。武豊騎手とのコンビも素晴らしかったです。

特に1991年の天皇賞(春)で、直線でトウカイテイオーとの激しい叩き合いを制したレースは、競馬史に残る名勝負だったと思います。あの粘り強さと気品のある走りは、まさにメジロの冠名にふさわしい名馬でした。

メジロマックイーンのどのレースが一番印象に残っていますか？やはり天皇賞(春)の連覇でしょうか？
--------------------
あなたの趣味は競馬ですね！

最初におっしゃっていただいて、メジロマックイーンがお好きだったというお話をしていたところでした。
--------------------
会話履歴:
[
  {
    "role": "user",
    "content": [
      {
        "text": "メジロマックイーンが好きだったんだよね。"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "メジロマックイーンですか！素晴らしい名馬ですね。\n\nメジロマックイーンといえば、天皇賞(春)3連覇の偉業が本当に印象的でした。あの淀の長距離での圧倒的な強さは今でも語り継がれていますよね。武豊騎手とのコンビも素晴らしかったです。\n\n特に1991年の天皇賞(春)で、直線でトウカイテイオーとの激しい叩き合いを制したレースは、競馬史に残る名勝負だったと思います。あの粘り強さと気品のある走りは、まさにメジロの冠名にふさわしい名馬でした。\n\nメジロマックイーンのどのレースが一番印象に残っていますか？やはり天皇賞(春)の連覇でしょうか？"
      }
    ]
  },
  {
    "role": "user",
    "content": [
      {
        "text": "私の趣味ってなんだっけ？"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "あなたの趣味は競馬ですね！\n\n最初におっしゃっていただいて、メジロマックイーンがお好きだったというお話をしていたところでした。"
      }
    ]
  }
]

from strands import Agent
from strands.agent.conversation_manager import SummarizingConversationManager, SlidingWindowConversationManager
import json

# SummarizingConversationManagerをデフォルト設定で作成
#conversation_manager=SummarizingConversationManager()

# SummarizingConversationManagerをカスタム設定で作成
conversation_manager=SummarizingConversationManager(
    # コンテキストを縮める必要がある場合は、30%のメッセージを要約する
    summary_ratio=0.3,
    # 直近の4メッセージはそのまま維持する
    preserve_recent_messages=4
)

agent = Agent(
    conversation_manager=conversation_manager
)

agent("おはよう！私の趣味は競馬なんですよ。")
print("\n" + "-" * 20)
agent("昔はメジロマックイーンが好きだったんだよね。")
print("\n" + "-" * 20)
agent("当時はよく阪神競馬場に行ったよ。")
print("\n" + "-" * 20)
agent("私の趣味ってなんだっけ？")
print("\n" + "-" * 20)

print("会話履歴:")
print(json.dumps(agent.messages, indent=2, ensure_ascii=False))

おはようございます！競馬がご趣味なんですね。

競馬は奥が深い世界ですよね。血統や調教、騎手の技術、コースの特性など、様々な要素を分析する楽しさがあると思います。

最近はどんなレースに注目されていますか？G1レースを中心に観戦されるのか、それとも地方競馬なども含めて幅広く楽しまれているのでしょうか？

馬券を購入される以外にも、純粋に競走馬の走りを見るのがお好きという方もいらっしゃいますが、どのような楽しみ方をされていますか？
--------------------
メジロマックイーンですか！素晴らしい馬でしたね。

あの長距離での圧倒的な強さは本当に印象的でした。天皇賞（春）を連覇した時の、直線でぐんぐん伸びていく走りは今でも語り草ですよね。特に1991年の天皇賞（春）でのメジロライアンとの兄弟対決は名勝負として記憶に残っています。

メジロマックイーンは気品のある走りフォームも美しくて、まさに「白い貴公子」という愛称がぴったりでした。メジロ牧場の血統の良さも感じさせる馬でしたね。

あの時代は他にもオグリキャップやトウカイテイオーなど、個性豊かな名馬が多くて競馬界が盛り上がっていた時期でもありましたが、その中でもメジロマックイーンの存在感は特別だったと思います。

どんなところに特に魅力を感じていらっしゃいましたか？
--------------------
阪神競馬場ですか！メジロマックイーンの時代に現地で観戦されていたなんて、とても羨ましいです。

阪神競馬場は関西の競馬ファンの聖地のような存在ですよね。あの頃の阪神の雰囲気はどうでしたか？今とは随分違っていたのではないでしょうか。

メジロマックイーンは阪神でも何度か走っていましたが、実際に現地でご覧になったことはありますか？テレビで見るのと現地で見るのとでは、やはり迫力が全然違ったでしょうね。

当時の阪神競馬場での思い出深いレースや出来事などがあれば、ぜひ聞かせてください。あの時代の競馬場の熱気や、ファンの方々の様子なども興味深いです。

今でも時々競馬場に足を運ばれることはあるのでしょうか？
--------------------
あなたの趣味は競馬ですね！

最初におっしゃっていましたよ。昔はメジロマックイーンがお好きで、当時はよく阪神競馬場に通われていたというお話をお聞きしていたところです。

何かご心配なことでもありましたか？
--------------------
会話履歴:
[
  {
    "role": "user",
    "content": [
      {
        "text": "おはよう！私の趣味は競馬なんですよ。"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "おはようございます！競馬がご趣味なんですね。\n\n競馬は奥が深い世界ですよね。血統や調教、騎手の技術、コースの特性など、様々な要素を分析する楽しさがあると思います。\n\n最近はどんなレースに注目されていますか？G1レースを中心に観戦されるのか、それとも地方競馬なども含めて幅広く楽しまれているのでしょうか？\n\n馬券を購入される以外にも、純粋に競走馬の走りを見るのがお好きという方もいらっしゃいますが、どのような楽しみ方をされていますか？"
      }
    ]
  },
  {
    "role": "user",
    "content": [
      {
        "text": "昔はメジロマックイーンが好きだったんだよね。"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "メジロマックイーンですか！素晴らしい馬でしたね。\n\nあの長距離での圧倒的な強さは本当に印象的でした。天皇賞（春）を連覇した時の、直線でぐんぐん伸びていく走りは今でも語り草ですよね。特に1991年の天皇賞（春）でのメジロライアンとの兄弟対決は名勝負として記憶に残っています。\n\nメジロマックイーンは気品のある走りフォームも美しくて、まさに「白い貴公子」という愛称がぴったりでした。メジロ牧場の血統の良さも感じさせる馬でしたね。\n\nあの時代は他にもオグリキャップやトウカイテイオーなど、個性豊かな名馬が多くて競馬界が盛り上がっていた時期でもありましたが、その中でもメジロマックイーンの存在感は特別だったと思います。\n\nどんなところに特に魅力を感じていらっしゃいましたか？"
      }
    ]
  },
  {
    "role": "user",
    "content": [
      {
        "text": "当時はよく阪神競馬場に行ったよ。"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "阪神競馬場ですか！メジロマックイーンの時代に現地で観戦されていたなんて、とても羨ましいです。\n\n阪神競馬場は関西の競馬ファンの聖地のような存在ですよね。あの頃の阪神の雰囲気はどうでしたか？今とは随分違っていたのではないでしょうか。\n\nメジロマックイーンは阪神でも何度か走っていましたが、実際に現地でご覧になったことはありますか？テレビで見るのと現地で見るのとでは、やはり迫力が全然違ったでしょうね。\n\n当時の阪神競馬場での思い出深いレースや出来事などがあれば、ぜひ聞かせてください。あの時代の競馬場の熱気や、ファンの方々の様子なども興味深いです。\n\n今でも時々競馬場に足を運ばれることはあるのでしょうか？"
      }
    ]
  },
  {
    "role": "user",
    "content": [
      {
        "text": "私の趣味ってなんだっけ？"
      }
    ]
  },
  {
    "role": "assistant",
    "content": [
      {
        "text": "あなたの趣味は競馬ですね！\n\n最初におっしゃっていましたよ。昔はメジロマックイーンがお好きで、当時はよく阪神競馬場に通われていたというお話をお聞きしていたところです。\n\n何かご心配なことでもありましたか？"
      }
    ]
  }
]