👕

Tシャツ欲しさにAmazon Q CLIでゲーム作ったら、未来のAWS学習法が爆誕してしまった件 #AmazonQCLI

2025/06/13に公開

 Amazon Q CLIで作るStrands Agent活用のAWSアーキテクチャ学習クイズゲーム開発記
 はじめにAmazon Q CLIを使って、Strands AgentベースのAWSアーキテクチャ学習ゲームを開発した体験を記録します。

この記事では、実際の開発過程で起こった試行錯誤、問題解決、そして最終的な成果物について、

Amazon Q CLIとの対話を通じて進めた開発の全貌をお伝えします。

 どんなものができた？早速出来上がりから。

投稿したPostがこちら
https://x.com/snicker_jp/status/1933290968737845437

 🎯 プロジェクトの始まり
 同僚からの案内同僚が参加したAWSのイベントにて案内された告知を

共有してくれました。
6/20までにAmazon Qを使用してゲームを作ったらオリジナルTシャツがもらえるらしいです
https://aws.amazon.com/jp/blogs/news/build-games-with-amazon-q-cli-and-score-a-t-shirt/
!正直、もう1週間程度しか期間ないじゃん〜ぴえん🥺

て、思っていました。

たまたま、Amazon Q CLIをセットアップしていた環境があったのでとりあえずやってみることにしました！

 Amazon Q CLIでの相談最初に私がAmazon Q CLIに相談したのは、

「Strands Agent を使ったゲームを作りたいです。初めての利用なので調査から行って。その後、誰でも楽しめそうなネタを３つ考えてください。AWSリソースに関連するものがいいです。」という内容でした。
Amazon Q CLIは即座にStrands Agentの調査を開始し、以下の機能を確認してくれました：

Strands Agentの概要: Python SDKでAIエージェントを構築

主な特徴: モデル、ツール、プロンプトの組み合わせ

デフォルトモデル: Amazon Bedrock（Claude 3.7）

豊富なツール: AWS連携、ファイル操作、計算、画像生成など

 3つのゲームアイデアの提案Amazon Q CLIが提案してくれた3つのアイデア：
🏗️ AWS アーキテクチャ・クイズマスター ← 最終的に選択
シナリオベースのアーキテクチャ設計問題
リアルタイムコスト分析
スコアリングシステム
🚨 AWS インシデント・レスポンス・シミュレーター
実際のAWSインシデントを模擬
制限時間内での対応
🎯 AWS コスト最適化チャレンジ
既存環境の最適化競争
月次コスト削減率での評価
私が「1がいいです。」と選択すると、Amazon Q CLIは即座に実装に取り掛かってくれました。

 🛠️ 実装フェーズ
 プロジェクト構造の作成Amazon Q CLIは以下のファイル構成を作成：
aws_architecture_quiz/
├── requirements.txt
├── __init__.py
├── quiz_game.py          # Strands Agent版
└── README.md

 核となるゲームデータの設計Amazon Q CLIが設計したゲームデータ構造：
SCENARIOS = [
    {
        "id": 1,
        "title": "スタートアップのWebアプリケーション",
        "description": "月間10万PVのWebアプリケーションを構築したい。コスト効率と拡張性を重視。",
        "requirements": ["高可用性", "自動スケーリング", "データベース", "静的コンテンツ配信", "SSL証明書"],
        "correct_services": ["EC2", "ALB", "Auto Scaling", "RDS", "S3", "CloudFront", "ACM"],
        "difficulty": "初級",
        "max_score": 100
    },
    # 中級・上級シナリオも含む
]

 カスタムツールの実装Amazon Q CLIが実装してくれた主要なカスタムツール：

 1. コスト計算ツール@tool
def check_architecture_cost(services: List[str], region: str = "us-east-1") -> Dict[str, Any]:
    """選択されたAWSサービス構成の概算月額コストを計算"""
    service_costs = {
        "EC2": {"t3.medium": 30.37, "m5.large": 70.08},
        "RDS": {"db.t3.small": 33.58},
        "ALB": 22.27,
        "S3": 23.00,
        # ... 他のサービス
    }
    # コスト計算ロジック

 2. アーキテクチャ評価ツール@tool
def evaluate_architecture(selected_services: List[str], scenario_id: int) -> Dict[str, Any]:
    """選択されたアーキテクチャを評価してスコアを計算"""
    # 正解率計算、ペナルティ計算、グレード判定

 環境の問題と解決実装中に環境の問題が発生しました：
# パッケージインストールでエラー
pip3 install -r requirements.txt
# bash: line 1: pip3: command not found
Amazon Q CLIは即座に問題を認識し、依存関係なしで動作するデモ版を作成してくれました：
# demo_game.py - 依存関係なしで動作
!必要なものをインストールするのではなく、

demo版を作成してくれる！？

え？なに？すご！って思いました。

 🎮 ゲーム機能の実装
 3つの難易度レベルAmazon Q CLIが設計した段階的な学習システム：


難易度
シナリオ
最大スコア
主要サービス


初級
スタートアップWeb
100点
EC2, RDS, S3, CloudFront

中級
データ分析基盤
150点
Kinesis, EMR, Redshift, SageMaker

上級
マイクロサービス
200点
EKS, API Gateway, X-Ray, WAF


 評価システムAmazon Q CLIが実装した詳細な評価システム：

スコア計算: 基本スコア × 正解率 - ペナルティ

グレード判定: S/A/B/C/D の5段階評価

詳細フィードバック: 正解/不正解/見逃したサービスの表示

 🔧 ユーザビリティの改善
 第1の改善要求私から

「ユーザー名が必須になるようにして下さい。ユーザーの入力値で提案以外のものが出たら、Yes noで答えるように応答して下さい」という要求を出しました。
Amazon Q CLIは以下の機能を実装：

 プレイヤー名必須化def get_player_name():
    """プレイヤー名を必須入力として取得"""
    while True:
        player_name = input("プレイヤー名を入力してください: ").strip()
        if player_name:
            return player_name
        else:
            print("❌ プレイヤー名は必須です。名前を入力してください。")

 入力検証とYes/No確認def validate_service_input(selected_input, available_services):
    """提案以外のサービスがある場合はYes/Noで確認"""
    # 不正なサービスを検出
    if unknown_services:
        print(f"⚠️  以下のサービスは提案リストにありません:")
        for service in unknown_services:
            print(f"  • {service}")
        
        while True:
            confirm = input("これらのサービスを含めて続行しますか？ (Yes/No): ")
            # Yes/No処理

 プロンプト表示の問題実際にデモを実行した際、「プレイヤー名を入力してください:が初回実行時プロンプトで見えていないです。」という問題が発生しました。
Amazon Q CLIは複数のアプローチを試行：

試行1: flush=Trueの使用

試行2: sys.stdout.write() + sys.stdout.flush()

最終解決: 標準的なinput()関数の使用
# 最終的に採用された方法
player_name = input("プレイヤー名を入力してください: ").strip()

 🧪 テストと検証
 機能テストの実装Amazon Q CLIは以下のテストファイルを作成：

test_game.py: 正解例でのテスト実行

test_validation.py: 入力検証機能のテスト

interactive_test.py: 対話的なテストデモ

 実際のテスト結果# 正解例のテスト結果
🧪 テスト: シナリオ1 - 正解例
選択サービス: EC2, ALB, Auto Scaling, RDS, S3, CloudFront, ACM
スコア: 100/100点
グレード: S
正解率: 100.0%
月額コスト: $194.22

 📊 完成したゲームの特徴
 実装された機能✅ 3つの難易度レベル
✅ 概算コスト分析
✅ 詳細な評価システム
✅ プレイヤー名必須入力
✅ 入力検証とYes/No確認
✅ エラーハンドリング

 ゲーム体験実際のゲーム画面：
🎮 AWS アーキテクチャ・クイズマスター (デモ版)
============================================================
プレイヤー名を入力してください: 田中太郎

👋 ようこそ、田中太郎さん！
AWSアーキテクチャの知識を試してみましょう！

📋 利用可能なシナリオ:
1. スタートアップのWebアプリケーション (初級) - 最大100点
2. エンタープライズのマイクロサービス (上級) - 最大200点
3. データ分析プラットフォーム (中級) - 最大150点

シナリオを選択してください (1-3, q=終了): 1

🎯 **スタートアップのWebアプリケーション**
📝 月間10万PVのWebアプリケーションを構築したい。コスト効率と拡張性を重視。

💡 **ヒント - 要件別推奨サービス:**
  • 高可用性: ALB, Auto Scaling, Multi-AZ RDS
  • データベース: RDS, DynamoDB, ElastiCache
  • 静的コンテンツ配信: S3, CloudFront

選択: EC2, ALB, Auto Scaling, RDS, S3, CloudFront, ACM

📊 **評価結果**
🏆 スコア: 100/100点
📈 グレード: S
💬 🌟 素晴らしい！完璧に近いアーキテクチャです。

💰 **コスト分析**
💵 月額概算コスト: $194.22

 🎓 Amazon Q CLIとの開発で学んだこと
 Amazon Q CLIの優れた点
即座の理解と実装: 要求を正確に理解し、すぐに実装に移る

段階的な改善: 問題が発生すると複数のアプローチを試行

実用的な解決策: 理論だけでなく、実際に動作するコードを提供

詳細なドキュメント: 実装と同時に詳細な説明も提供

 開発プロセスの特徴
対話的な開発: 要求 → 実装 → テスト → 改善のサイクル

問題解決の透明性: 試行錯誤の過程も含めて説明

実践的なアプローチ: 環境の制約に応じた柔軟な対応

 技術的な学び
Strands Agentの活用: @toolデコレータによるカスタムツール作成

ユーザビリティの重要性: プロンプト表示などの細かな配慮

段階的な機能実装: MVP → 機能追加 → 改善のアプローチ
!現時点ではStrands Agentが活用できているとは言えないと思います。

今後の展望として、活用して機能拡充できたらいいな！

と、思います。

 🚀 プロジェクトの成果
 最終的なファイル構成aws_architecture_quiz/
├── requirements.txt              # 依存関係
├── __init__.py                  # パッケージ初期化
├── quiz_game.py                 # Strands Agent版（完全版）
├── demo_game.py                 # デモ版（依存関係なし）
├── test_game.py                 # テスト実行
├── test_validation.py           # 入力検証テスト
├── interactive_test.py          # 対話的テスト
├── quick_demo.py               # 新機能デモ
├── README.md                   # 使用方法ガイド
└── amazon_q_development_blog.md # この記事

 実装された機能の詳細
ゲームエンジン: 3つのシナリオと段階的難易度

評価システム: 正解率とペナルティを考慮したスコア計算

コスト分析: プログラム内に定義された概算料金に基づくコスト計算（実際のAWS料金とは異なります）

学習支援: 要件別サービス推奨とヒント表示

入力検証: 安全で使いやすいユーザーインターフェース

 💡 Amazon Q CLIを使った開発の価値
 開発効率の向上
迅速なプロトタイピング: アイデアから実装まで短時間で実現

問題解決の支援: 技術的な課題に対する複数のアプローチ提示

コード品質: エラーハンドリングやテストも含めた実装

 学習効果
実践的な学習: 実際のコードを通じた技術習得

ベストプラクティス: 適切な設計パターンの学習

問題解決スキル: 試行錯誤を通じた解決能力の向上

 プロジェクト管理
段階的な開発: 機能を段階的に追加・改善

ドキュメント化: 開発過程の詳細な記録

品質保証: テストとデモを通じた動作確認

 🔮 今後の展開Amazon Q CLIとの開発を通じて、以下の拡張計画が見えてきました：

 短期的な改善より多くのシナリオの追加
実際のAWSコスト分析機能の追加（AWS Pricing APIとの連携）
アーキテクチャ図の自動生成

 長期的な展望Web版の開発
多言語対応
他のクラウドプロバイダー対応

 まとめAmazon Q CLIを使ったStrands Agent活用のAWSアーキテクチャ学習ゲーム開発は、非常に効率的で学習効果の高い体験でした。
Amazon Q CLIの特に優れていた点：

理解力: 曖昧な要求も正確に理解し、適切な実装を提案

実装力: 理論だけでなく、実際に動作するコードを迅速に作成

問題解決力: 環境の制約や技術的課題に対する柔軟な対応

継続的改善: ユーザーフィードバックに基づく段階的な機能向上
この開発体験を通じて、Amazon Q CLIがただのコード生成ツールではなく、真の開発パートナーとして機能することを実感しました。特に、教育的なアプリケーション開発において、その価値は非常に高いと感じています。
今後も Amazon Q CLI を活用して、より多くの実用的なアプリケーション開発に挑戦していきたいと思います。
開発環境
OS: Ubuntu Linux
Python: 3.12
Amazon Q CLI: 1.12.0
開発期間: 2025年6月12日 18:00-19:00くらい
プロジェクトリポジトリ:

https://github.com/snickerjp/aws_architecture_quiz/
この記事が Amazon Q CLI を使った開発に興味のある方の参考になれば幸いです。
!この記事自体もAmazon Q CLIがほとんど書いてくれました！

人間は誤りの部分を少し修正したり、導入エピソード追加したくらいです。
使用したプロンプトは、AWSの方の記事を参考にさせていただきました。
https://qiita.com/inada_riku/items/f6d9d83a47ef93ad38ef

難易度	シナリオ	最大スコア	主要サービス
初級	スタートアップWeb	100点	EC2, RDS, S3, CloudFront
中級	データ分析基盤	150点	Kinesis, EMR, Redshift, SageMaker
上級	マイクロサービス	200点	EKS, API Gateway, X-Ray, WAF

Amazon Q CLIで作るStrands Agent活用のAWSアーキテクチャ学習クイズゲーム開発記

はじめに

どんなものができた？

🎯 プロジェクトの始まり

同僚からの案内

Amazon Q CLIでの相談

3つのゲームアイデアの提案

🛠️ 実装フェーズ

プロジェクト構造の作成

核となるゲームデータの設計

カスタムツールの実装

1. コスト計算ツール

2. アーキテクチャ評価ツール

環境の問題と解決

🎮 ゲーム機能の実装

3つの難易度レベル

評価システム

🔧 ユーザビリティの改善

第1の改善要求

プレイヤー名必須化

入力検証とYes/No確認

プロンプト表示の問題

🧪 テストと検証

機能テストの実装

実際のテスト結果

📊 完成したゲームの特徴

実装された機能

ゲーム体験

🎓 Amazon Q CLIとの開発で学んだこと

Amazon Q CLIの優れた点

開発プロセスの特徴

技術的な学び

🚀 プロジェクトの成果

最終的なファイル構成

実装された機能の詳細

💡 Amazon Q CLIを使った開発の価値

開発効率の向上

学習効果

プロジェクト管理

🔮 今後の展開

短期的な改善

長期的な展望

まとめ

Discussion