Zenn
👏

Cursor AIとAmazon Bedrockを使用する方法：総合ガイド

に公開
AI
AWS
API
Cursor
Amazon Bedrock
tech

はじめに

今日の急速に進化するAI環境において、開発者はコーディング体験を向上させるための強力なツールを常に探しています。Cursor AIは、プログラミングタスクを支援するための組み込み大規模言語モデル（LLM）機能を提供する強力なAIアシスト統合開発環境（IDE）です。一方、Amazon Bedrockは、Anthropic（Claude）やMeta（Llama）などの主要AI企業による最先端の基盤モデルへのアクセスを提供しています。

このチュートリアルでは、Amazon BedrockのパワフルなAIモデルをCursor IDEと統合する方法を説明し、お馴染みの開発環境内でClaude 3.5 Sonnetなどの高度な言語モデルを活用できるようにします。このガイドに従うことで、Amazonの堅牢なAI機能を活用しながら、コストを削減し、データをAWSエコシステム内に保持することができます。

コンポーネントの理解

Cursor AIとは？

Cursorは、開発プロセスを効率化するために設計されたAIを搭載したコードエディタです。自動補完、コード生成、バグ修正、説明などのコーディングタスク用の組み込みAIアシスタンス機能を備えています。デフォルトではCursorはOpenAIのモデルを使用していますが、カスタムモデルプロバイダーの設定が可能であり、これを活用してAmazon Bedrockに接続します。

Amazon Bedrockとは？

Amazon BedrockはAWSのフルマネージドサービスで、主要なAI企業からの高性能な基盤モデル（FM）へのアクセスを提供します。様々な言語モデルにアクセスするための統一APIを提供しており、以下のモデルが含まれています：

  • AnthropicのClaude（3、3.5 Sonnet、Haiku）
  • MetaのLlamaモデル
  • AI21のJurassicモデル
  • その他多数

このサービスは従量課金制の価格モデルを採用しており、使用パターンによっては他のAIプロバイダーよりもコスト面で優位性を提供する可能性があります。

前提条件

始める前に、以下の項目を確認してください：

  1. Amazon Bedrockへのアクセス権を持つAWSアカウント
  2. Amazon Bedrockでの基盤モデル（特にClaudeモデル）へのアクセス承認
  3. コンピュータにインストールされたCursor IDE
  4. AWSサービスの基本的な知識
  5. マシンに設定されたAWS CLI（任意ですが役立ちます）

Bedrock Access Gatewayのセットアップ

Amazon BedrockのAPIはCursor AIとネイティブには互換性がなく、CursorはOpenAI互換のAPIを期待しています。このギャップを埋めるために、CursorとBedrockの間の「翻訳者」として機能するBedrock Access Gatewayをデプロイします。

ステップ1：AWS Secrets ManagerでのAPIキーの作成

まず、ゲートウェイへのリクエストを承認するAPIキーを作成する必要があります：

  1. AWSマネジメントコンソールを開き、AWS Secrets Managerに移動します
  2. 「新しいシークレットの保存」をクリックします
  3. 「その他のタイプのシークレット」を選択します
  4. キーと値のペアを追加します：
    • キー：api_key
    • 値：[任意の文字列（スペースなし）]
  5. 「次へ」をクリックします
  6. シークレットに名前を付け（例：「BedrockProxyAPIKey」）、オプションで説明を追加します
  7. もう一度「次へ」をクリックし、「保存」をクリックします
  8. シークレットARNをメモしておきます - 次のステップで必要になります

ステップ2：CloudFormationを使用したゲートウェイのデプロイ

Bedrock Access Gatewayプロジェクトはワンクリックデプロイオプションを提供しています：

  1. AWSマネジメントコンソールにサインインします
  2. Amazon Bedrockが利用可能なリージョン（例：us-west-2）にいることを確認します
  3. 以下のCloudFormationテンプレートの一つをデプロイします：
    • ALB + Lambdaデプロイメント（ほとんどのユーザーに推奨）
    • ALB + Fargateデプロイメント（初バイトレイテンシーが低い場合に適しています）
  4. スタック名とステップ1で取得したシークレットARNを入力します
  5. 次のステップを進め、CloudFormationがIAMリソースを作成する可能性があることを確認します
  6. デプロイが完了するまで待ちます（3〜5分）
  7. デプロイ完了後、CloudFormationスタックの「出力」タブに移動し、「APIBaseUrl」をメモします - これがゲートウェイのエンドポイントです

CursorがBedrockモデルを使用するための設定

ゲートウェイが稼働したら、Cursorがそれを使用するように設定する必要があります：

  1. Cursor IDEを開きます
  2. 設定メニュー（ファイル > 設定、またはキーボードショートカット使用）にアクセスします
  3. 「Models」セクションに移動します
  4. 「OpenAI API Key」フィールドに、ステップ1で作成したAPIキーを入力します
  5. 「OpenAI API Host」フィールドに、CloudFormationスタックから取得したAPIBaseUrl（/api/v1サフィックスなし）を入力します
  6. ドロップダウンから任意のGPTモデルを選択します（ゲートウェイはリクエストを選択したモデルに関わらずClaudeに転送します）
  7. 設定を保存します

統合のテスト

セットアップが正しく機能しているか確認しましょう：

  1. Cursorで新しいファイルを開くか作成します
  2. AIアシスト機能をいくつか試してみましょう：
    • Ctrl+L（MacではCmd+L）を押してAIチャットパネルを開きます
    • プログラミング関連の質問（例：「Pythonでバイナリ検索木を実装するにはどうすればよいですか？」）を入力します
    • Enterキーを押して応答を確認します

すべてが正しく設定されていれば、CursorでGPTモデルを選択していても、リクエストはAmazon Bedrockを通じてClaudeモデルによって処理されます。

高度な設定と使用方法

異なるモデルの使用

Bedrock Access Gatewayは、Amazon Bedrock経由で利用可能な様々な基盤モデルをサポートしています。異なるモデルを使用するには：

  1. Models APIを使用して、現在のリージョンで利用可能なモデルのリストを取得します
  2. Cursor経由でリクエストを行う際、チャットインターフェイスで/use anthropic.claude-3-sonnet-20240229-v1:0のようなコマンドを使用して明示的にモデルを設定できます

画像とマルチモーダル機能の活用

Claude 3モデルはマルチモーダル入力をサポートしており、テキストと画像の両方を扱うことができます：

  1. プロンプトに画像を含めるには、画像をチャットインターフェイスにドラッグ＆ドロップします
  2. Claudeはコードのスクリーンショット、図表、その他の視覚的なコンテンツを分析できます

ツール呼び出しと関数実行

Claude 3.5のような高度なモデルは関数呼び出しをサポートしており、必要に応じて特定の関数の実行をモデルがリクエストできるようになっています：

  1. この機能はゲートウェイのセットアップで自動的に動作します
  2. モデルはプロンプトとコードのコンテキストに基づいて呼び出す関数を提案します

コスト考慮事項

このセットアップを通じてAmazon Bedrockを使用する際は、以下のコスト要因を覚えておきましょう：

  1. Amazon Bedrockの使用料：基盤モデルによって処理されるトークンに対して支払います
  2. AWSインフラストラクチャ：ゲートウェイが使用するALB、Lambda/Fargate、その他のAWSリソースに関連するコストがあります
  3. コスト最適化：AWS Cost Explorerを通じて使用状況を監視し、予期せぬ料金を避けるためにバジェットを設定しましょう

コストは使用パターンによって異なりますが、多くの開発者にとって、このアプローチはOpenAIのAPIを直接使用するよりもコスト効率が良い場合があります。特に断続的な使用のプロジェクトに適しています。

一般的な問題のトラブルシューティング

接続の問題

CursorがBedrockに接続できない場合：

  1. APIキーがCursor設定に正しく入力されていることを確認します
  2. APIBaseUrlが/api/v1サフィックスなしで適切に設定されていることを確認します
  3. AWSアカウントが使用しようとしているモデルへのアクセス権を持っていることを確認します
  4. AWS CloudFormationをチェックして、ゲートウェイがデプロイされ稼働していることを確認します

モデルアクセスの問題

モデルアクセスに関するエラーが表示される場合：

  1. Amazon Bedrockで特定のモデルへのアクセスをリクエストし、承認を受けていることを確認します
  2. ゲートウェイのAWSリージョンが、モデルアクセス権を持つリージョンと一致していることを確認します
  3. Models APIを使用して、利用可能なモデルのリストを更新します

パフォーマンスの考慮事項

レスポンスの遅延が気になる場合：

  1. ストリーミングパフォーマンス向上のためにLambdaからFargateに切り替えることを検討します
  2. あなたの場所に近いAWSリージョンは、一般的にレスポンス時間が良くなります
  3. 非アクティブ期間後の最初のリクエストは、Lambdaのコールドスタートにより時間がかかる場合があることを認識しておきましょう

結論

Cursor AIとAmazon Bedrockの統合により、開発者は両方の世界の最高のものを手に入れることができます：CursorのAIアシストによる直感的なコーディング環境と、Amazon Bedrockの強力な基盤モデルの組み合わせです。このセットアップはいくつかの利点を提供します：

  • Claude 3.5 Sonnetのような最先端のAIモデルへのアクセス
  • OpenAI APIを直接使用する場合と比較して潜在的に低いコスト
  • プライバシーとコンプライアンス向上のためにデータをAWSエコシステム内に保持
  • 特定のニーズに基づいて様々な基盤モデルから選択する柔軟性

このガイドに従うことで、Amazon Bedrockモデルをカーソルの使い慣れたインターフェースを通じてアクセスできるようにするカスタムゲートウェイのセットアップ方法を学びました。この設定により、コストとモデル選択を管理しながら、強力なAIアシスタンスを活用することができます。

AIテクノロジーが進化し続ける中、この統合アプローチは、新しいモデルや機能が利用可能になったときにそれらを採用する柔軟性を提供し、開発環境がAIアシストプログラミングの最先端であり続けることを保証します。

追加リソース

この総合ガイドに従うことで、Cursor AIとAmazon Bedrockの間の完全に機能する統合を実現し、高度なAI機能によって開発ワークフローを強化することができるはずです。

Discussion