株式会社 Sapeet がプロダクトの成長に合わせて生成 AI 基盤をコードベースへ ― Dify で築いた資産を活かし、Amazon Bedrock AgentCore と Strands Agents SDK への移行を 2 週間で実現

本ブログは、仰星監査法人様のご協力のもと、株式会社 Sapeet と Amazon Web Services Japan が執筆しました。

はじめに

ノーコード・ローコードツールの普及により、多くの企業が迅速に AI アプリケーションを構築できるようになりました。 プロトタイプを素早く形にし、ユーザーの声を得ながら改善を重ねる。この立ち上げ期のスピードは、ノーコードツールならではの大きな価値です。

一方で、プロダクトが成長しチームが拡大するフェーズでは、Git ベースのバージョン管理やコードレビューといったソフトウェア開発のプラクティスを取り入れたいというニーズが高まってきます。

本記事では、ノーコード AI プラットフォーム Dify で立ち上げ、環境分析調査時間を大幅に削減した生成 AI ツールを、プロダクトの成長に合わせて Amazon Bedrock AgentCore と Strands Agents SDK によるコードベースのアーキテクチャへ移行した株式会社 Sapeet の事例をご紹介します。 Dify で築いた約 1 年間の開発資産と設計思想を活かすことで、わずか 2 週間で基盤移行を完了した取り組みです。

株式会社 Sapeet について

株式会社 Sapeet（以下、Sapeet）は、AI 技術を活用したソリューションを提供するテクノロジー企業です。 同社は仰星監査法人様向けに、生成 AI を活用した環境分析ツールを開発・提供しています。 監査業務における環境分析プロセスを AI で効率化し、分析品質の向上と業務負担の軽減を実現するプロダクトです。

本プロダクトの立ち上げ期の取り組みについては、過去記事「仰星監査法人様の AWS 生成 AI 活用事例：株式会社 Sapeet 様支援のもと、Dify を用いて生成 AI アプリを構築し、機微な情報を扱えるセキュアな環境でクライアント情報の収集・環境分析調査時間の 87% 削減を実現」で詳しく紹介しています。本記事は、その後のプロダクト成長フェーズにおける進化を描いた続編です。

Dify による立ち上げと、次のフェーズで見えてきた課題

Sapeet はこのツールを、ノーコード AI プラットフォーム Dify と Amazon Bedrock を組み合わせて AWS 上に構築しました。 ワークフローを可視化しながら少人数で素早くプロトタイピングできる Dify の強みを活かして開発を進め、環境分析調査時間の大幅な削減という成果を実現しました。導入後も改善を重ね、約 1 年間にわたってプロダクトを育ててきました。

一方、プロダクトが成長し、チームでの開発とプロダクション運用のフェーズに入るにつれ、新たなニーズが見えてきました。 これらは特定のツール固有の問題というより、プロトタイプから本格運用へ移行する際に多くの開発現場で生じる、フェーズの変化に伴う課題です。

課題 1: チーム開発におけるバージョン管理

チームで開発を進める中で、Git ベースの差分管理やプルリクエストによるコードレビューを取り入れたいというニーズが高まりました。 当時の開発体制では作業者ごとの変更差分の把握が難しく、リグレッションや、意図した変更が反映されないといった事象も発生していました。

課題 2: ワークフローの複雑化への対応

機能追加に伴いワークフローのノードが増え、管理の複雑さが増していきました。 アプリを分割して開発する際の同期や結合にも工夫が必要になり、チームでの分業を支える仕組みづくりが課題となっていました。

課題 3: プロダクトに最適な UX の追求

プロダクトの進化に伴い、チャット形式にとどまらない、業務に最適化した専用 UI を提供したいという要望が強まりました。 また、開発効率をさらに高めるため、途中実行やログ出力を活用したデバッグのしやすさも求められるようになりました。

こうした課題は、Dify の欠点ではなく、プロダクトのフェーズが変わったことによるトレードオフです。 重要なのは、フェーズに応じて最適なツールを見極めることです。Sapeet は、立ち上げ期を支えた Dify の資産を活かしながら、次のフェーズに向けてコードベースへの移行を決断しました。

ソリューション: Amazon Bedrock AgentCore + Strands Agents SDK への移行

選定の決め手: ノード親和性 ― Dify の設計思想をそのまま活かす

Amazon Bedrock AgentCore は、AI エージェントのビルド・デプロイ・運用をスケーラブルに実現するフルマネージドプラットフォームです。 サーバーレスランタイム、マネージドメモリ、ツールゲートウェイ等を提供し、フレームワークに依存しない柔軟な構成が可能です。

Strands Agents SDK は、オープンソースの AI エージェント SDK（Python / TypeScript）です。 モデル・ツール・プロンプトの 3 要素でエージェントを構築でき、Amazon Bedrock がデフォルトのモデルプロバイダーとして統合されています。

Sapeet がこの組み合わせを選定した最大の理由は、ノード親和性です。 Dify のブロック繋ぎ型ワークフローと、Strands Agents SDK のノードベース実行は構造的に類似しています。 Dify で 1 つの LLM ノードにプロンプトを書いて入出力を次のノードに繋いでいた構成が、Strands Agents でもほぼそのまま表現できます。 つまり、Dify 上で 1 年間かけて磨き上げてきたワークフローの設計思想が、そのままコードベースへの移行資産になったのです。 また、モデル基盤には立ち上げ期から Amazon Bedrock を利用していたため、今回の移行ではオーケストレーション層とホスティング環境の進化に集中できました。

移行プロセス: 2 週間で基盤移行を完了

移行は 2026 年 4 月に開始しました。 まず 1 ヶ月をかけて技術検証を実施し、その上でメイン実装エンジニア 1 名が集中して開発することで、実質 2 週間で基盤移行を完了し、 結合テストを含めても約 2 ヶ月という短期間で構築を終えました。 この速さを支えたのが、前述のノード親和性です。ゼロからの再設計ではなく、既存ワークフローの「翻訳」に近い形で移行を進められました。

予想外の収穫: Toolkit とエコシステム

移行を進める中で、AgentCore の Toolkit によるデプロイの容易さが予想以上のメリットとなりました。 Dockerfile 不要で動作確認が可能であり、エコシステムの充実により導入・お試しのハードルが低いことも評価されています。 Sapeet の堀ノ内様も「Toolkit を活用することでデプロイが想像以上に簡単になり驚いた」と、エコシステムによる開発者体験の良さを語ります。

CDK L2 Construct による統一管理

インフラ管理には AWS CDK の L2 Construct（aws-cdk-lib/aws-bedrockagentcore、AWS CDK v2.221.0 以降で利用可能）を採用しました。 AgentCore でエージェントをホスティングし、Amazon Elastic Container Service（Amazon ECS）でバックエンドとフロントエンドをホスティングする構成を、単一の CDK プロジェクトから一括でデプロイできるようにしています。 これにより、バージョン管理・コードレビューがインフラを含めて一元化されました。 開発メンバーも「インフラ全体を 1 つの CDK プロジェクトでまとめて管理できるようになったので、構成がシンプルになった。」と、インフラ管理の一元化による開発効率の向上を実感されています。

導入効果

移行により、以下の効果を実現しました。

なお、実行時間については、基盤の移行に伴う遅延が懸念されましたが、処理時間の 8 割以上を LLM の推論時間が占めるため、移行前と体感でほぼ同等の水準を維持できています。
さらに、将来的には Amazon S3 + AWS Lambda + AgentCore 構成への最適化による、コスト効率の改善を見込んでいます。

お客様の声

移行後、Sapeet の開発メンバーの方々からは下記のコメントをいただいています。

• 「コード管理機能やレビューを通して、差分がわかりますし、これまでのソフトウェア開発のベストプラクティスに沿った形でやっていけるようになった」村上 大昌 様（AI Solution 事業部 Senior Project Manager）
• 「リリースしたいバージョンを確実に選んで反映できるようになった」津守 優 様（AI Solution 事業部 Engineer）
• 「Strands Agents の Graph 機能を使うことで処理が順番に流れるワークフローを構築でき、Dify 上でのノードを繋げていく形と同じ構成を取りやすかった。AgentCore へのデプロイも簡単で、エコシステムが充実しており導入がしやすい」堀ノ内 司 様（AI Solution 事業部 Engineer）

今後の展望

Sapeet は、移行した生成 AI 環境分析ツールの本番適用を経て、継続的な改善サイクルを回していきます。 2026 年 8 月以降のアップデートを機に、実際の利用者からのフィードバック収集を進めていく予定です。また、環境分析以外にも複数テーマで AI 開発を進めており、その一部は Strands Agents SDK を活用してすでに本番リリースを迎えています。 ノーコードで素早く立ち上げ、成長に合わせてコードベースへ移行するスキームを社内で確立し、他プロジェクトへ横展開していく方針を掲げています。

まとめ

本事例から得られる示唆は以下の通りです。

• フェーズに応じたツール選定 — ノーコードは迅速な立ち上げに、コードベースはチーム開発・品質管理のフェーズに強みを発揮する。どちらが優れているかではなく、プロダクトの成長段階に応じた見極めが重要
• ノード親和性を活かした段階的移行 — 既存のワークフローと構造的に類似するフレームワークを選ぶことで、これまでの設計資産を活かし、移行コストを最小化できる
• 開発スピードとガバナンスの両立 — Amazon Bedrock AgentCore + CDK による統一管理で、開発スピードを保ちながらコードレビュー・バージョン管理を実現
• エコシステムの活用 — Toolkit やマネージドサービスを活用することで、インフラ構築の負担を最小限に抑えられる

ノーコードツールで AI アプリケーションを立ち上げ、プロダクトの成長とともに次のフェーズを迎えつつある方は、Amazon Bedrock AgentCore と Strands Agents SDK によるコードベースへの移行をぜひご検討ください。

実際に手を動かして試したい方には、Amazon Bedrock AgentCore ワークショップ : 基本から高度なエージェント開発まで をご活用ください。エージェントの構築からデプロイ、運用に必要な観測・評価まで、約 2 時間のハンズオンで体験できます。