# AWS CLI のインストール確認（未インストールの場合はインストール）
if ! command -v aws &> /dev/null; then
    curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"
    unzip awscliv2.zip
    sudo ./aws/install
    rm -rf awscliv2.zip aws/
fi
aws --version

# CDK のインストール確認（未インストールの場合はインストール）
if ! command -v cdk &> /dev/null; then
    npm install -g aws-cdk
fi
cdk --version

# Strands Agents のインストール
pip3 install strands-agents strands-agents-tools

# boto3（Bedrock アクセス用）
pip3 install boto3

# AWS CDK Python ライブラリのインストール
pip3 install aws-cdk-lib constructs

# calculate ツールの安全な実装に使用（詳細は後述）
pip3 install simpleeval

# Observability 用（ステップ4で使用）
pip3 install opentelemetry-sdk opentelemetry-exporter-otlp-proto-grpc

# agent.py
from strands import Agent, tool
from strands.models import BedrockModel
from simpleeval import simple_eval, InvalidExpression

@tool
def get_weather(city: str) -> str:
    """指定した都市の天気情報を取得する"""
    # 実際の実装では外部APIを呼び出す
    return f"{city}の天気: 晴れ、気温22℃"

@tool
def calculate(expression: str) -> str:
    """数式を計算する（simpleeval を使用した安全な実装）"""
    # simpleeval は eval() と異なり、任意コードの実行を防ぐ安全な数式評価ライブラリ
    # eval(expression) の直接使用は任意コード実行につながるため避けること
    # pip install simpleeval で導入可能
    try:
        result = simple_eval(expression)
        return f"計算結果: {result}"
    except InvalidExpression as e:
        return f"計算エラー（不正な式）: {str(e)}"
    except Exception as e:
        return f"計算エラー: {str(e)}"

# エージェントの作成
# モデルIDは Bedrock コンソールで利用可能なIDを確認して設定すること
model = BedrockModel(
    model_id="us.anthropic.claude-haiku-4-5-20251014:0",
    region_name="ap-northeast-1"
)

agent = Agent(
    model=model,
    tools=[get_weather, calculate],
    system_prompt="""あなたは親切なアシスタントです。
    天気情報の取得と計算ができます。"""
)

def handler(event, context):
    """AgentCore Runtime のエントリーポイント"""
    user_message = event.get("message", "")
    session_id = event.get("session_id", "default")

    response = agent(user_message)

    return {
        "statusCode": 200,
        "body": str(response)
    }

# cdk_stack.py
import aws_cdk as cdk
from aws_cdk import (
    aws_iam as iam,
    Stack
)
from constructs import Construct

class AgentCoreStack(Stack):
    def __init__(self, scope: Construct, construct_id: str, **kwargs):
        super().__init__(scope, construct_id, **kwargs)

        # AgentCore 用の IAM ロール（最小権限の原則に従って設定）
        agent_role = iam.Role(
            self, "AgentCoreRole",
            assumed_by=iam.ServicePrincipal("bedrock.amazonaws.com"),
            inline_policies={
                "AgentCoreMinimalPolicy": iam.PolicyDocument(
                    statements=[
                        iam.PolicyStatement(
                            actions=[
                                "bedrock:InvokeModel",
                                "bedrock:InvokeModelWithResponseStream",
                                "bedrock-agent-runtime:InvokeAgent",
                                "bedrock-agent-runtime:GetMemory",
                                "bedrock-agent-runtime:PutMemory"
                            ],
                            # 本番環境では必ず具体的なARNに絞り込むこと
                            # 例: "arn:aws:bedrock:ap-northeast-1:123456789012:agent/XXXXXXXXXX"
                            resources=[
                                "arn:aws:bedrock:ap-northeast-1:*:agent/*"
                            ]
                        )
                    ]
                )
            }
        )

        # AgentCore Runtime の作成
        # CDK の AgentCore サポートはプレビュー期間中は
        # CloudFormation カスタムリソース経由で設定
        agent_runtime = cdk.CfnResource(
            self, "AgentRuntime",
            type="AWS::Bedrock::AgentRuntime",
            properties={
                "AgentRuntimeName": "my-weather-agent",
                "RoleArn": agent_role.role_arn,
                "RuntimeArtifact": {
                    "ContainerConfiguration": {
                        "ContainerUri": "your-ecr-repo-uri:latest"
                    }
                }
            }
        )

# memory_agent.py
from strands import Agent, tool
from strands.models import BedrockModel
import boto3
import json

bedrock_agent_runtime = boto3.client(
    "bedrock-agent-runtime",
    region_name="ap-northeast-1"
)

def save_to_memory(session_id: str, key: str, value: str):
    """AgentCore Memory にデータを保存"""
    bedrock_agent_runtime.put_memory(
        memoryId="your-memory-id",
        memoryContent={
            "sessionId": session_id,
            "content": json.dumps({key: value})
        }
    )

def get_from_memory(session_id: str) -> dict:
    """AgentCore Memory からデータを取得"""
    try:
        response = bedrock_agent_runtime.get_memory(
            memoryId="your-memory-id",
            sessionId=session_id
        )
        content = response.get("memoryContent", {})
        return json.loads(content.get("content", "{}"))
    except bedrock_agent_runtime.exceptions.ResourceNotFoundException:
        return {}

@tool
def remember_user_preference(session_id: str, preference_key: str, preference_value: str) -> str:
    """ユーザーの好みをMemoryに保存する"""
    save_to_memory(session_id, preference_key, preference_value)
    return f"覚えたヨ！{preference_key} = {preference_value}"

@tool
def recall_user_preference(session_id: str, preference_key: str) -> str:
    """ユーザーの好みをMemoryから取得する"""
    memory = get_from_memory(session_id)
    value = memory.get(preference_key)
    if value:
        return f"{preference_key} は {value} デスネ"
    return f"{preference_key} の情報はまだ覚えていないデスネ"

model = BedrockModel(
    model_id="us.anthropic.claude-haiku-4-5-20251014:0",
    region_name="ap-northeast-1"
)

memory_agent = Agent(
    model=model,
    tools=[remember_user_preference, recall_user_preference],
    system_prompt="""あなたは記憶力の良いアシスタントです。
    ユーザーの好みや情報を記憶し、次の会話でも活用できます。"""
)

def handler(event, context):
    """Memory 付きエージェントのエントリーポイント"""
    user_message = event.get("message", "")
    session_id = event.get("session_id", "default")

    # Memoryから既存のコンテキストを取得してシステムプロンプトに注入
    existing_memory = get_from_memory(session_id)
    context_prompt = ""
    if existing_memory:
        context_prompt = f"\n既知のユーザー情報: {json.dumps(existing_memory, ensure_ascii=False)}"

    response = memory_agent(user_message + context_prompt)

    return {
        "statusCode": 200,
        "body": str(response)
    }

# observability_agent.py
from opentelemetry import trace
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import BatchSpanProcessor
from opentelemetry.exporter.otlp.proto.grpc.trace_exporter import OTLPSpanExporter
from strands import Agent, tool
from strands.models import BedrockModel

# OpenTelemetry プロバイダーの設定
provider = TracerProvider()
otlp_exporter = OTLPSpanExporter(
    endpoint="https://your-otlp-endpoint:4317"
)
provider.add_span_processor(BatchSpanProcessor(otlp_exporter))
trace.set_tracer_provider(provider)
tracer = trace.get_tracer("agentcore-observability-demo")

@tool
def get_weather(city: str) -> str:
    """指定した都市の天気情報を取得する（トレーシング付き）"""
    with tracer.start_as_current_span("tool.get_weather") as span:
        span.set_attribute("tool.name", "get_weather")
        span.set_attribute("tool.input.city", city)
        result = f"{city}の天気: 晴れ、気温22℃"
        span.set_attribute("tool.output", result)
        return result

def handler(event, context):
    """Observability 付きエージェントのエントリーポイント"""
    user_message = event.get("message", "")
    session_id = event.get("session_id", "default")

    with tracer.start_as_current_span("agent.invoke") as span:
        span.set_attribute("session.id", session_id)
        span.set_attribute("agent.input", user_message)

        model = BedrockModel(
            model_id="us.anthropic.claude-haiku-4-5-20251014:0",
            region_name="ap-northeast-1"
        )

        agent = Agent(
            model=model,
            tools=[get_weather],
            system_prompt="あなたは親切なアシスタントです。天気情報を取得できます。"
        )

        try:
            response = agent(user_message)
            span.set_attribute("agent.output.length", len(str(response)))
            span.set_attribute("agent.status", "success")

            return {
                "statusCode": 200,
                "body": str(response)
            }
        except Exception as e:
            span.set_attribute("agent.status", "error")
            span.set_attribute("agent.error.message", str(e))
            span.record_exception(e)
            raise

agent.invoke [200ms]
  └─ tool.get_weather [15ms]  ← ここが見えるの、サイコーすぎる！！