Guardrails をアプリケーションの安全境界に組み込む

四つの異なる制御点を描く

入力検査は不適切な要求や機密入力を扱います。検索の認可は、呼び出し元が使える文書を制御します。出力検査は生成内容を評価します。ツール認可は業務操作を制御します。内容フィルターで記録へのアクセスや支払いを承認することはできません。

利用方針、禁止内容の例、機密データの規則、アプリケーションのデータフローを準備します。各規則を、それを強制する部品に対応付けます。要求の拒否、一部マスキング、人による確認時に、利用者に何を見せるかを決めます。

対応している検査だけを設定する

Bedrock Guardrails では、コンテンツ、禁止トピック、単語、機密情報のフィルターや、対応する根拠確認などを設定できます。独立した ApplyGuardrail API は、モデル呼び出しとは別に対応テキストを評価できます。直接連携の可否はモデル、API、リージョン、エンドポイントによって異なります。

例えば現在の GPT-6.1 Sol モデルカードは、一般的な API 文書より厳しく、Responses での統合 Guardrails を対象外としています。ヘッダーの追加ですべての経路を保護できるとは考えず、文書で対応を確認できる経路か明示的なアプリケーション検査を選び、試験します。

誤検知と見逃しを評価する

許可、不許可、曖昧、多言語のサンプルを使います。検索文書のプロンプトインジェクション、メッセージをまたぐ機密情報、禁止トピックに似た正常な業務要求も含めます。方針の版、期待する判定、実際の判定を記録します。

ストリーム出力では、評価完了前に部分内容を利用者に届けてよいかを決めます。token の逐次出力を安全と決めつけず、実際のバッファリングとエラー挙動を確認します。

方針と制御の対応図、設定参照、サンプル結果、エスカレーション経路を引き渡します。フィルター試験とともに権限・操作試験も維持します。どの設定も、絶対的な安全性や法的適合を確立するものではありません。

公式参考資料

資料確認日：2026年10月17日。本記事は参考手順であり、記事作成のためのクラウド API 呼び出しは行っていません。