Anthropicの開発者向けAIツール「Claude Code」「Claude Desktop」の企業導入時に課題となる認証・コスト管理を一元化する「Claude apps gateway」の本番リファレンス構成が公開された。企業はこの自力ホスト型ガバナンス層をAWS上に構築することで、個々の開発者端末に上流の認証情報を配布することなく、利用制御と監査を組織全体に適用できる。AIツールの現場展開と集中管理の分離を可能にするアーキテクチャといえる。
認証情報を端末から排除するアーキテクチャ
発表されたリファレンス構成の中核は、上流の認証情報を開発者端末に配布しない点にある。ゲートウェイはAWS Fargate上のコンテナとして稼働し、Amazon Bedrockへの認証にはタスクに割り当てたIAMロールを、Claude Platform on AWSへの認証にはAWS Secrets Managerに格納したAPIキーを用いる。開発者はゲートウェイが発行する短命のベアラートークン（デフォルト有効期間1時間）のみを持ち、セッション切れ後はOIDCプロバイダー経由で再認証する。組織として管理すべきシークレットが集約され、端末紛失時の認証情報漏洩リスクが低減される設計だ。
モデル利用を部署別に制御するポリシー適用
ゲートウェイは単なるプロキシではなく、認証後に開発者の所属グループを解決し、ポリシーに従ってモデルアクセスや利用上限を動的に制御する。例えば、特定のチームにはClaudeの特定モデルのみを許可し、別のチームにはより広範なモデルを開放するといった運用が可能になる。また、ユーザー単位の利用量カウンターと監査ログをPostgreSQLデータベースに保持し、設定した上限を超えるリクエストを遮断する。この仕組みにより、現場へのAIツール展開後も部門横断的なガバナンスを維持できる。
日本の現場導入に共通する管理コスト課題
国内企業が生成AIを開発現場に導入する際、情報システム部門が直面するのは「利用させたいが、野放しにはできない」というジレンマである。APIキーの管理、部署別のコスト按分、過剰利用の防止といった運用負荷が、全社展開を遅らせる要因になっている。今回公開されたゲートウェイ構成はこうした課題に直接対応するもので、AWSの閉域網（VPCエンドポイントやPrivateLink）上に構築できる点も、国内の厳格なネットワーク分離要件と親和性が高い。もっとも、自力ホスト型である以上、インフラ運用のスキルは依然として導入企業側に求められる。
AIツールの現場普及が促すガバナンス層の分離
今回の発表は、AIモデルやAPIの提供レイヤーと、それらを組織内で安全に流通させるガバナンスレイヤーが、異なる技術スタックとして分化しつつあることを示唆する。Anthropicは開発者体験を直接提供しつつ、統制機能は企業自身のインフラに委ねるモデルを選択した。AWSはコンテナ、データベース、シークレット管理といった構成要素を提供し、この分離を支えている。クラウド事業者とモデル提供者の双方が、企業の自力統制を前提としたツールチェーンに投資する動きは、今後のエンタープライズAI導入の標準パターンになる可能性がある。
