データ戦略部 データプロダクト課 データインフラストラテジーセクションに所属しているデータエンジニアの藤井です。 データインフラストラテジーセクションはネクサスの必需品である「データ」という必需品の基盤を支えるセクションです。 今回は、データインフラストラテジーセクションがグループ会社向けに構築しているデータ基盤について紹介したいと思います。 アーキテクチャ アーキテクチャは以下のようになっています。よくあるデータ基盤構成になっているかと思いますが、今回はグループ企業、規模の大きい会社ならではのことを記述しつつ構成について詳細に紹介したいと思います。 技術スタックと採用基準 弊

本稿は、2026年1月5日に公開された AWS Blog “ Agentic Cloud Modernization: Accelerating Modernization with AWS MCPs and Kiro ” を翻訳したものです。 今日の急速に進化するテクノロジー環境において、組織はレガシーシステムのモダナイゼーションを進めながら、運用上の優秀性を維持し、コストを管理するという大きなプレッシャーに直面しています。従来のクラウドモダナイゼーションのアプローチでは、多くの場合、数週間にわたる手作業での調査、広範なドキュメント作成作業、そして多大な開発リソースが必要となり、市場投入までの時間を遅らせ、プロジェクトコストを増加させるボトルネックが生じていました。しかし、AWS の Kiro や Cline のような AI を活用した開発アシスタントが、公式の Anthropic Model Context Protocol (MCP) servers for AWS と統合されて登場したことで、これまで手動で時間のかかっていたプロセスを、自動化され、一貫性があり、スケーラブルな手法に変革するパラダイムシフトが起きています。このエージェンティック・アーキテクチャアプローチは、測定可能なビジネス成果を提供しながら、プロジェクトリスクを大幅に削減し、実装期間を数週間から数日に短縮します。 AI アシスタントの選択 組織は、AI を活用した開発パートナーとして Kiro または Cline のいずれかを活用できます。 Kiro は、AWS のネイティブな AI 搭載開発環境および IDE で、クラウドモダナイゼーションプロジェクトに対してインテリジェントな支援を提供します。AWS サービス、ドキュメント、リアルタイム AI アシスタンスへの統合アクセスを備えた包括的な開発体験を提供します。Kiro は、コンテキストに応じたコード分析、インフラストラクチャコードの生成、プロジェクトの可視化、コラボレーティブな開発ワークフローに優れています。開発環境に直接組み込まれた、AWS サービスとの深い統合、MCP サーバー管理、AI 搭載開発支援を備えた完全な IDE 体験を求めるチームに最適です。 Cline オプション: Kiro を使用していない組織の場合、AWS MCP との統合を完全にサポートする Cline を使用できます。Cline は VS Code 拡張機能として動作し、IDE 内で統合された開発体験を提供します。Cline は、VS Code の使用が必要なチームに最適です。 両方のアシスタントは、公式の AWS MCP servers と統合されており、すべての推奨事項と生成されたコードが現在の AWS ベストプラクティスに従い、特定のワークロード要件に最も適切なサービスを活用することを保証します。 従来のモダナイゼーションアプローチの課題 エンタープライズのモダナイゼーション施策は、通常、多大な時間とリソースを消費する典型的なパターンに従って進められます。評価フェーズでは、アーキテクトが既存システムを手動でカタログ化し、相互依存関係を文書化し、技術的負債を評価するため、数週間にわたることがよくあります。計画フェーズでは、ターゲットアーキテクチャの設計、コストの見積もり、モダナイゼーション戦略の策定のために、複数のチーム間で広範なコラボレーションが必要になります。実装フェーズでは、インフラストラクチャコードの作成、クラウドネイティブパターンへのアプリケーションの変更、運用手順の確立のために、多大な開発作業が必要になります。 こうした従来のアプローチは徹底的ではありますが、市場投入までの時間を遅らせ、プロジェクトコストを増加させるボトルネックを生み出します。手動プロセスは、ドキュメントの品質とアーキテクチャの決定に一貫性のなさをもたらします。最新のクラウドプラットフォームの複雑さから、チームがモダナイゼーション施策全体にわたってベストプラクティスを一貫して適用することは容易ではありません。組織は、手作業による評価と実装ワークフローに伴う避けられない遅延により、組織はプロジェクトの推進力を維持することが困難になることが少なくありません。 エージェンティック・アーキテクチャアプローチの紹介 エージェンティック・アーキテクチャという概念は、AI を活用してモダナイゼーションのライフサイクル全体を自動化・加速するものです。Kiro を公式の AWS MCP サーバーと統合することで、組織は既存システムと AWS のベストプラクティスの両方を理解するインテリジェントな開発環境を構築できます。この統合により、モダナイゼーションプロジェクトの評価、計画、実装フェーズにわたるエンドツーエンドの自動化フレームワークが実現します。 図 1 は、従来のモダナイゼーションの 3 つのフェーズ (評価、計画、実装) が、Kiro と AWS MCP の統合によってどのように変革されるかを示しています。このエージェントワークフローは、レガシーシステムの分析からターゲットアーキテクチャの設計、本番環境で使用可能なコード生成まで、一連のプロセスが自動化され、手作業の負担とプロジェクト期間を大幅に削減します。 Kiro は、既存のコードベースを分析し、アーキテクチャパターンを理解し、 AWS Well-Architected Framework の原則に沿った本番環境対応のソリューションを生成できる、インテリジェントな開発パートナーとして機能します。公式の AWS MCP サーバーとの統合により、すべての推奨事項と生成されたコードが現在の AWS ベストプラクティスに従い、特定のワークロード要件に最も適切なサービスを活用することが保証されます。 エージェントアプローチの3つの中核フェーズ 分析フェーズ – Kiro が既存システムを自動的に検証するフェーズです。コードベースを分析して現在のアーキテクチャパターンの包括的なドキュメントを生成し、システムの依存関係とデータフローを示す視覚的な図を作成し、技術的負債とモダナイゼーションの機会を特定し、アプリケーションとサービス全体のクラウド対応状況を評価します。 計画フェーズ – Kiro がターゲット AWS アーキテクチャをインテリジェントに設計します。具体的には、特定の要件に最適化されたソリューションを設計し、リアルタイムの AWS 価格を使用して詳細なコスト見積もりを生成し、段階的な実装戦略を含むモダナイゼーションロードマップを作成し、ワークロードの特性に基づいて適切な AWS サービスを推奨します。 実装フェーズ – 本番環境対応のアセットを自動生成します。Kiro は CloudFormation、CDK、または Terraform を使用した Infrastructure as Code を提供し、クラウドネイティブパターンに対応したアプリケーションコードの変更を作成し、モダナイズされたアーキテクチャを反映した最新のドキュメントを生成し、デプロイ自動化スクリプトと CI/CD パイプラインを生成します。 各フェーズは、特定の AWS MCP サーバーと Kiro の機能を活用して、従来は手作業で数週間かかっていたプロセスを、数日で本番環境対応の結果を提供する自動化された一貫性のあるワークフローに変革します。 図 1 – エージェントアーキテクチャワークフロー: AIを活用したクラウドモダナイゼーションプロセス 現状分析 エージェンティック・アーキテクチャモダナイゼーションの最初のフェーズは、既存システムの自動分析に焦点を当てます。Kiro はコードベースを調査し、アーキテクチャパターン、依存関係、潜在的なモダナイゼーションの機会を特定します。この分析により、通常であればシニアアーキテクトや開発者が数週間かけて手作業で行う必要がある詳細なドキュメントが生成されます。この自動分析アプローチにより、評価時間が数週間から数日に短縮され、すべてのシステムコンポーネントに対して一貫した評価基準が確保されます。 AIアシスタントは、システムの依存関係とデータフローを示す視覚的な図を作成することで、ステークホルダーが現在のアーキテクチャの複雑さを明確に理解できるようにします。技術的負債の評価を通じて、モダナイゼーションの取り組みが最も大きな効果を発揮する具体的な領域を特定します。クラウド対応性の評価では、各アプリケーションコンポーネントを調査して最適なモダナイゼーション戦略を決定し、プロジェクトのタイムラインに影響を与える前に潜在的な課題を特定します。生成されたドキュメントは、計画フェーズの確固たる基盤となり、モダナイゼーションプロセス全体を通じて貴重な参考資料として活用できます。 図 2 – Kiroで生成された現状アーキテクチャの分析とドキュメント 図 3 – Kiroで生成された現状アーキテクチャ図 計画 現状分析が完了すると、Kiro は組織固有の要件に最適化されたターゲット AWS アーキテクチャの設計に移行します。この AI アシスタントは、AWS サービスとアーキテクチャパターンの知識を活用して、パフォーマンス、コスト、運用の複雑さのバランスを取ったソリューションを推奨します。AWS MCP サーバーとの統合により、推奨事項は常に最新のサービス機能と料金モデルを反映します。 コスト見積もりは、さまざまなアーキテクチャオプションのリアルタイム分析を提供する自動化されたプロセスになります。Kiro は、現在のインフラストラクチャ費用と予測される AWS コストを比較するコストモデルを生成でき、モダナイゼーションの優先順位と予算配分について情報に基づいた意思決定を可能にします。モダナイゼーションロードマップは、ビジネスの中断を最小限に抑えながら、モダナイゼーションプロセス全体を通じて段階的な価値を提供する段階的な実装戦略の概要を示します。 計画フェーズには、ワークロードの特性に基づいた適切な AWS サービスの自動選択も含まれます。プロンプトを通じて非機能要件に関する情報を提供することで、エージェントは技術目標とビジネス目標の両方に沿ったアーキテクチャを設計できます。 図 4 – Kiro で生成されたターゲットアーキテクチャドキュメント 図 5 – Kiro で生成されたターゲットアーキテクチャ図 図 6 – Kiro で生成されたターゲットアーキテクチャのコストモデル 実装 実装フェーズでは、エージェンティック・アーキテクチャアプローチの真の力が発揮されます。Kiro は、組織の好みや既存のツール標準に基づいて、 AWS CloudFormation 、 AWS Cloud Development Kit (CDK)、または Terraform を使用して Infrastructure as Code を生成します。これらの生成されたテンプレートには、セキュリティ、モニタリング、運用上の優秀性に関する AWS のベストプラクティスが組み込まれており、評価フェーズと計画フェーズで特定された具体的な要件が反映されています。 コンテナ化、マイクロサービス分割、サーバーレス採用などの一般的なモダナイゼーション要件に対応するため、クラウドネイティブパターン向けのアプリケーションコード変更が自動生成されます。AI アシスタントは、レガシーコードパターンと最新のクラウドネイティブアプローチの両方を理解しており、ビジネスロジックを維持しながらクラウド最適化されたアーキテクチャを採用する変換コードを生成できます。 図 7 – Kiro で生成されたターゲットアーキテクチャのコードと CDK 公式 AWS MCP サーバーの活用 公式の AWS MCP サーバー との統合により、Kiro は AWS の機能と最新のベストプラクティスへの包括的なアクセスが可能になります。AWS MCP サーバーは、最新のドキュメントへのアクセスと AWS サービスに関する深い文脈的知識を持つため、基盤モデル以上のメリットを提供します。この統合により、より正確で有用な応答が可能になり、生成されるすべてのコードと推奨事項が現在の AWS サービスの機能と制限を反映します。 まず始めるべき MCP これらの MCP は、現在の状態のアーキテクチャ (図を含む) を文書化し、図、コスト、コード、デプロイメントを含むターゲットアーキテクチャを設計するのに役立ちます。 分析フェーズ core-mcp-server – ロールベースの環境変数に基づく動的プロキシサーバー戦略により、AWS MCP サーバーを使用するための出発点を提供します。 code-doc-gen-mcp-server – リポジトリ構造を分析し、コードプロジェクトの詳細なドキュメントを生成します。 aws-diagram-mcp-server – Python diagrams パッケージ DSL を使用して図を作成します。このサーバーを使用すると、Python コードを使用して AWS 図、シーケンス図、フロー図、クラス図を生成できます。 計画フェーズ aws-documentation-mcp-server – AWS ドキュメントへのアクセス、コンテンツの検索、推奨事項の取得を行うツールを提供します。 aws-knowledge-mcp-server – 最新のドキュメント、コードサンプル、その他の公式 AWS コンテンツを提供します。 aws-pricing-mcp-server – リアルタイムの AWS 料金情報へのアクセスとコスト分析機能を提供します。 生成フェーズ cdk-mcp-server – Cloud Development Kit (CDK) のベストプラクティス、Infrastructure as Code パターン、CDK Nag によるセキュリティコンプライアンス terraform-mcp-server – AWS 上の Terraform のベストプラクティス、Infrastructure as Code パターン、Checkov によるセキュリティコンプライアンス Infrastructure as Code の生成は、CDK、Terraform、CloudFormation ワークフロー専用の MCP サーバーから恩恵を受けます。これらの特化したサーバーは、セキュリティスキャンとコンプライアンスチェックを提供し、生成されたインフラストラクチャコードがエンタープライズセキュリティ基準を満たすことを保証します。この統合により、AWS サービスの制限やリージョンの可用性に対するインフラストラクチャ設計のリアルタイム検証も可能になります。 コンテナとサーバーレスのモダナイゼーションシナリオでは、EKS、ECS、AWS Serverless Application Model ワークフロー用の専用 MCP サーバーを活用します。これらの統合により、コンテナ化戦略とサーバーレス採用パターンに対する広範なサポートが提供され、生成されたソリューションが各デプロイモデルの AWS ベストプラクティスに従うことが保証されます。 AWS MCP を使用した AI アシスタントのセットアップ AWS MCP を使用した Kiro の設定 Kiro 内で MCP を設定する詳細については、 Introducing remote MCP servers をお読みください。 Kiro は、IDE 内に組み込まれた MCP 設定システムを通じて AWS MCP と統合されます。Kiro を AWS MCP サーバーで設定するには、次の手順を実行します。 AWS 認証情報の設定 : IDE の設定または環境変数を通じて、開発環境で AWS 認証情報が適切に設定されていることを確認してください。 MCP サーバーの追加 : Kiro IDE では、複数の方法で MCP サーバーを設定できます: ワークスペース設定 : ワークスペース内の .kiro/settings/mcp.json を作成または編集します ユーザー設定 : ~/.kiro/settings/mcp.json のグローバル設定を使用します IDE インターフェース : Kiro IDE 設定の MCP 設定パネルを使用します 図 8 – Kiro における MCP 設定パネルと JSON ワークスペース設定の例: { "mcpServers": { "aws-core": { "command": "uvx", "args": ["awslabs.core-mcp-server@latest"], "env": { "FASTMCP_LOG_LEVEL": "ERROR" }, "disabled": false }, "aws-docs": { "command": "uvx", "args": ["awslabs.aws-documentation-mcp-server@latest"], "env": { "FASTMCP_LOG_LEVEL": "ERROR", "AWS_DOCUMENTATION_PARTITION": "aws" }, "autoApprove": ["search_documentation"], "disabled": false }, "awslabs.aws-pricing-mcp-server": { "command": "uvx", "args": ["awslabs.aws-pricing-mcp-server@latest"], "env": { "FASTMCP_LOG_LEVEL": "ERROR", "AWS_PROFILE": "default", "AWS_REGION": "us-east-1" } } } } ** aws-pricing-mcp-server については、AWS_PROFILE 変数を定義する必要があることにご注意ください ** MCP ツールへのアクセス : Kiro IDE 内で、以下のことができます。 統合された MCP パネルで利用可能な MCP サーバーを表示 AI チャットインターフェースを通じて MCP ツールを直接使用 MCP サーバーのステータスを確認し、必要に応じてサーバーに再接続 特定のツールを自動承認してワークフローを効率化 統合の検証 : チャットインターフェースで Kiro に質問します。 Kiro IDE は、AWS に焦点を当てたモダナイゼーションにおいて、いくつかの利点を提供します。 コンテキストに応じた AI アシスタンスを備えた統合開発環境 ビジュアルな MCP サーバー管理と監視 コード編集と AWS サービスとのやり取りのシームレスな統合 リアルタイム検証を備えた Infrastructure as Code の組み込みサポート 開発、ドキュメント、デプロイを組み合わせた包括的な IDE ワークフロー AWS MCP を使用した Cline の設定 VS Code の Cline に MCP サーバーを追加するには、cline_mcp_settings.json ファイルを使用します。cline_mcp_settings.json ファイルは以下の場所にあります: macOS: ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/ Windows: %APPDATA%/Code/User/globalStorage/saoudrizwan.claude-dev/settings/ 上記と同じワークスペース設定 json が Cline でも動作します。 エージェンティック・アーキテクチャモダナイゼーションのメリット エージェンティック・アーキテクチャアプローチの採用は、モダナイゼーションプロジェクトの複数の側面において具体的な改善をもたらします。これらの手法を実装する組織は、クラウド変革施策全体を通じて、効率性の向上、リスクの低減、成果の改善を経験します。以下のセクションでは、AWS MCP サーバーと統合された AI を活用した開発アシスタントを利用する際に、組織が期待できる具体的なメリットと測定可能な影響について詳しく説明します。 測定可能なビジネス価値 エージェンティック・アーキテクチャアプローチを実装している組織は、モダナイゼーションプロジェクトの成果が改善されたと報告しています。アセスメントのタイムラインは数週間から数日に短縮され、より迅速な意思決定とプロジェクトの開始が可能になります。生成されたドキュメントの品質と一貫性は、人間による監視を最小限に抑えながら、手作業によるアプローチを上回ります。 コスト最適化は、実装後の検討事項ではなく、設計プロセスの不可欠な部分となります。アーキテクチャ設計中のリアルタイムコストモデリングにより、チームは実装を開始する前にパフォーマンスとコストの間で情報に基づいたトレードオフを行うことができます。自動化されたライトサイジング推奨事項は、組織がソリューションの過剰構築を回避し、インフラストラクチャの過剰プロビジョニングを防ぐのに役立ちます。 AWS のベストプラクティスの一貫した適用と自動化されたセキュリティコンプライアンスチェックにより、リスク軽減が向上します。プロセス全体を通じて生成される詳細なドキュメントは、監査要件をサポートし、継続的なメンテナンスと最適化の取り組みのための貴重な参考資料を提供します。 品質保証と標準化 エージェンティック・アーキテクチャアプローチは、AWS Well-Architected Framework に対する自動検証を通じて、強化された品質保証を提供します。生成されたすべてのアーキテクチャは、フレームワークの 6 つの柱すべてにわたって体系的な評価を受け、モダナイズされたソリューションが運用上の優秀性、セキュリティ、信頼性、パフォーマンス効率、コスト最適化に関するエンタープライズ標準を満たすことを保証します。 コード品質分析には、インフラストラクチャとアプリケーションコンポーネントの両方に包括的なカバレッジを提供する自動テスト生成が含まれます。この自動テストアプローチにより、モダナイズされたソリューションが信頼性を維持しながら、クラウドネイティブ運用に不可欠な継続的デリバリープラクティスをサポートすることが保証されます。 すべてのソリューションが同じ AI アシスタントと AWS MCP サーバー統合を活用することで、モダナイゼーションプロジェクト全体での標準化が自動的に実現されます。この一貫性により、運用の複雑さが軽減され、チームは異なるプロジェクト間で多様なアーキテクチャアプローチを管理するのではなく、標準化されたパターンに関する専門知識を開発できるようになります。 実装戦略とタイムライン エージェンティック・アーキテクチャアプローチの導入を成功させるには、自動化のメリットと組織の変更管理ニーズのバランスを取る、慎重な実装計画が必要です。初期セットアップでは通常、適切な AWS MCP サーバーで Kiro を構成し、必要な AWS 認証情報とアクセス許可を確立するのに数時間かかります。 パイロット評価フェーズは、AI が生成した推奨事項を組織の要件や好みに照らして検証する貴重な学習機会を提供します。これらのパイロットプロジェクトは通常 2 ~ 3 週間にわたり、組織が直面するモダナイゼーションの課題の全範囲を示す代表的なアプリケーションに焦点を当てます。 モダナイゼーション設計フェーズでは、パイロット評価から得られた教訓を活用して、包括的なターゲットアーキテクチャと実装ロードマップを作成します。これらのフェーズには通常 4 ~ 5 週間を要し、生成された推奨事項がビジネス目標と技術的制約に沿っていることを確認するためのステークホルダーレビュープロセスが含まれます。 実装フェーズは、アプリケーションの複雑さと組織の準備状況によって異なりますが、従来の手作業によるアプローチと比較して大幅に加速されます。Kiro が生成する本番環境対応のアセットにより、チームはインフラストラクチャコードとデプロイ自動化をゼロから作成するのではなく、検証とカスタマイズに集中できます。 今後の検討事項と継続的な進化 エージェンティック・アーキテクチャアプローチは、AI の機能が進化し、 AWS サービスが拡大するにつれて継続的に改善される進化する手法です。このアプローチを採用する組織は、長期的なモダナイゼーションの成功を支える標準化されたプロセスを確立しながら、AI を活用した開発支援の継続的な改善から恩恵を受けることができます。 MCP サーバーが新しいサービス提供やベストプラクティスを反映したアップデートを受け取ることで、新しい AWS サービスや機能との統合が自動的に行われます。この継続的な進化により、モダナイゼーションの取り組みは、確立された組織のパターンと好みとの一貫性を維持しながら、AWS のイノベーションに対応し続けます。 エージェンティック・アーキテクチャのモダナイゼーションを通じて確立された詳細なドキュメントと標準化されたアプローチは、将来の最適化と拡張の取り組みに向けた強固な基盤を提供します。組織はこれらの資産を活用して、エンタープライズの成功に不可欠な品質と一貫性を維持しながら、継続的なクラウド導入の取り組みをサポートできます。 まとめ AI を活用した開発アシスタントと公式 AWS ツールの統合は、組織がクラウドモダナイゼーションの課題にアプローチする方法における根本的な変革を表しています。評価、計画、実装の各フェーズを自動化することで、エージェンティック・アーキテクチャアプローチは、プロジェクトのタイムラインとリソース要件を削減しながら、価値ある成果を提供します。 これらの手法を採用する組織は、エンタープライズの成功に不可欠な品質と一貫性を維持しながら、クラウド導入の取り組みを加速できます。インテリジェントな自動化と AWS のベストプラクティスを組み合わせることで、レガシーシステムをビジネスの成長とイノベーションをサポートする最新のクラウドネイティブアーキテクチャに変革するための強力なフレームワークが生まれます。 アーキテクチャモダナイゼーションの未来は、人工知能と実績のあるクラウドプラットフォームおよびプラクティスの思慮深い統合にあります。今日これらの機能に投資する組織は、AI 機能が進化し成熟し続けるにつれて、時間とともに複利的に増大する競争優位性を確立するでしょう。 次のステップ 今日からエージェントアーキテクチャの取り組みを始めましょう。お好みの AI アシスタントに AWS MCP サーバーを設定してください。Kiro または Cline をダウンロードし、AWS 認証情報を設定し、IDE で MCP サーバーを設定して、代表的なレガシーアプリケーションで最初のモダナイゼーション評価を開始してください。初期セットアップにかかる時間はわずか数時間で、得られるインサイトはモダナイゼーションプロジェクトへのアプローチを大きく変えるでしょう。 Jeff Escott Jeff Escott は、AWS のプリンシパルアーキテクトで、30 年以上のテクノロジー経験を持っています。彼は、お客様がモダナイゼーション戦略を定義し、クラウドファーストのアプローチを採用することを支援し、人材、プロセス、テクノロジーにわたってお客様の変革を支援することに注力しています。さらに、Jeff は長年にわたり、アーキテクチャの実践を進歩させ、将来のアーキテクトを育成することを提唱してきました。Jeff は、ウースター工科大学で保険数理学の学士号を取得しており、米国コネチカット州を拠点としています。 翻訳はソリューションアーキテクトの平良允俊が担当しました。

こんにちは。クラウドサービスCBUに所属し、開発サービスを支えるプライベートクラウドを担当しているYoung Hee Parkです。LINEヤフーでは、エンジニアがサービス開発に必要とするインフラおよ...