本文へ移動

#使い方・実践

今日 0 件

11月3日

火曜日
  1. Amazon Nova Multimodal EmbeddingsとAmazon Bedrock AgentCoreでマルチエージェント型エンジニアリングインテリジェンスアシスタントを構築

    Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings、オープンソースのStrands Agents SDKを基に、部品代替評価における文書横断検索と根拠の集約を自動で行うマルチエージェント型エンジニアリングアシスタントを構築できる。

  2. Amazon SageMaker AI で知識蒸留による効率的なエージェントを構築

    AWS は、系列レベルの知識蒸留(SeqKD)を用いて Amazon SageMaker AI 上でショッピングエージェントをファインチューニングする方法を紹介した。フロンティアの教師モデルが多段階のツール呼び出し軌跡を生成し、タスクを解けるサンプルのみを残して、教師ありファインチューニングで小規模モデルを訓練する。SeqKD は教師モデルのテキスト出力のみを必要とし、logits や強化学習の基盤を要しないため、API のみを提供するクローズドソースの教師モデルにも適用でき、軌跡データを異なる生徒モデルの訓練とテストに再利用できる。

  3. Crawl4AIでAmazon Bedrock Knowledge Bases向けのウェブコンテンツを準備する

    Amazon Bedrock Knowledge Basesで細かい制御が必要なウェブソースには、オープンソースのPythonクローラーCrawl4AIで前処理を行う。各ページをMarkdownとメタデータのサイドカーとしてAmazon S3にアップロードし、ナレッジベースのS3データソースから取り込む。

10月31日

土曜日
  1. Amazon Bedrock のコストをエンドツーエンドで管理する方法:FinOps とプラットフォームチーム向けの実践マニュアル

    AWS は、Amazon Bedrock のコストを帰属・可観測性・強制・最適化・運用の5ステップのループで管理する方法を提示した。Amazon Bedrock は IAM プリンシパル単位での推論コストの自動帰属に対応している。

10月30日

金曜日
  1. MoEngage、AgentCore Gatewayで400以上のAPIをエージェントツール化

    MoEngageはAmazon Bedrock AgentCore Gatewayを活用し、VPC内の非公開REST API約400個を権限管理されたエージェントツールに変換した。プラットフォームエンジニアリングの工数を約6カ月分削減し、新規APIの接続は数日から数時間に短縮。MCPサーバーのコードを書かず、公開エンドポイントも設けず、AIプラットフォームチームがMCP層を一元管理し、各エンジニアリングチームはOpenAPI specを提供するだけで済む。

  2. Kiroで再現可能なPHPからJavaへの移行エンジンを構築

    Kiroは再現可能なPHPからJavaへの移行エンジンを提供する。元のPHPアプリを仕様とみなし、共有メソッド論、機械的な検出スキャナー、8段階のワークフローで移行を進め、parity harnessでJava移植版の動作が一致すると確認できて初めて正しいと判定する。同じskillファイルはKiro内でアプリごとにインタラクティブに実行できるほか、AWS Transformに渡して複数アプリをエージェント方式で並列処理することもできる。

10月29日

木曜日
  1. Amazon Nova Act で実現するエージェント型QA自動化:アプリとチーム権限管理

    Amazon Nova Act で構築した QA Studio に「アプリケーション」と「チームベースのユーザー管理」の2機能を追加し、組織内でテスト自動化を大規模に展開できるようにした。アプリケーションはテストのコンテナとして環境ごとに実行結果を記録し、0〜100のヘルススコアを生成する。不安定なテストは減点され、7日間は時間単位、30日間は日単位で推移を確認できる。権限は Admin、Team Lead、Editor、Executor、Viewer の5段階で、アプリケーションは単一のチームに属し、他のチームからは見えない。

  2. Amazon Bedrock AgentCoreで企業向けAgentic AIプラットフォームを構築

    AWSはAmazon Bedrock AgentCoreを基盤とする企業向けAgentic AIプラットフォームのブループリントを公開した。連邦型の運営モデルを採用し、中央のPlatformチームがガバナンスされた共有サービスを提供、各Workstreamチームがエージェント、ツール、データの所有権を保持する。

10月28日

水曜日
  1. Exowatt、SageMakerのサーバーレスモデルカスタマイズでフロンティアモデルを精度で上回り、コストは最大49分の1に

    ExowattはAmazon SageMaker AIのサーバーレスモデルカスタマイズを活用し、エッジとクラウドの2つの展開先向けにタスク特化モデルをファインチューニングした。精度はフロンティアモデルを上回り、コストは最大49分の1に抑えられる。エッジのアラームトリアージにはQwen3-1.7B、クラウドのエネルギー市場分析にはQwen3-14Bを基にし、後者はAmazon Bedrock Custom Model Importでホストされる。このプロセスにより、生の運用データから評価済みの展開成果物までの道のりが数カ月から数日に短縮された。

  2. Property Finder、評価バイアスを修正しAmazon Bedrockでより優れたモデルを選定

    Property Finderは、評価ラベルの96.8%が人手による検証ではなく既存の視覚言語モデルの予測に由来しており、代替モデルが比較で構造的に不利になっていたことを突き止めた。チームはUAEの画像356枚を再び人手でラベリングし、マルチラベル分類に切り替え、v0からv27までのプロンプト反復最適化を組み合わせてAmazon Bedrock上で新モデルを選定。精度は向上し、コストは86%削減された。

10月27日

火曜日
  1. AIエージェントの「土撥鼠の日」:Amazon BedrockでOpenAIモデルを使う際のプロンプトキャッシュパターン

    Amazon BedrockでOpenAIモデルを使う場合、プロンプトキャッシュにより、AIエージェントが毎ターン、ツール定義や指示、履歴を再送信するのを避けられ、入力コストを抑えられる。キャッシュには、Bedrockが再利用可能なプレフィックスを自動選択する暗黙的キャッシュと、prompt_cache_breakpointで境界を指定する明示的キャッシュの2種類があり、併用が推奨される。

10月24日

土曜日
  1. Bayer Crop Science、Amazon Bedrock AgentCoreとAWS Unified Operationsでエージェント型意思決定エンジンを構築

    Bayer Crop ScienceはAmazon Bedrock AgentCoreを基盤にマルチエージェント型の自然言語インターフェース「Agentic Decision Engine(ADE)」を構築した。第1フェーズでは、ユーザーの質問の約80%がエンジニアの介入なしで解決される。

  2. AWS CDKでSageMaker AIエンドポイントの自動スケーリングをオーケストレーション

    SageMaker AIのリアルタイムエンドポイントを更新する際、自動スケーリングが登録済みだとデプロイが失敗する問題について、AWSは再利用可能なCDK constructを提示した。3つのCloudFormationカスタムリソースを使い、エンドポイント更新の前後でスケーリングターゲットを自動的に登録解除・再登録する。

  3. OpenAI、10億人超のChatGPTユーザーを支えるオンラインストレージの拡張手法(後編)

    OpenAIは信頼性の高いマルチテナント構成、グローバルキャッシュ、Azure Cosmos DBを用いてHabitatストレージシステムを拡張し、ChatGPTの読み取り速度を12倍に向上させた。このシステムは10億人を超えるChatGPTユーザーの規模を支える必要がある。

10月23日

金曜日
  1. Amazon SageMaker AI 上の TTS 自動スケーリング目標値、推測はもう不要

    自前でホストする TTS エンドポイントの自動スケーリング目標値を推測に頼る問題に対し、AWS は Amazon SageMaker AI のリアルタイムエンドポイントに 8200 万パラメータの Kokoro-82M をデプロイし、実測した Q_max(1 インスタンスが SLO 内で処理できる最大同時実行数)と T_total(スケールアウト 1 回のエンドツーエンド所要時間)から、スケールアウトしきい値、スケールインしきい値、2 つのクールダウン時間を算出した。

  2. IskayPet、Amazon Bedrock Managed Knowledge Basesで企業知識を統合する方法

    IskayPetはAmazon Bedrock Managed Knowledge Basesを基に企業知識アシスタントを構築し、従業員が小売運営、獣医療、人事オンボーディング、購買などの文書を自然言語で照会できるようにした。4言語・3カ国をカバーし、RAGインフラを自前で管理する必要はない。

10月22日

木曜日
  1. マルチエージェントシステムの5つの本番課題とDeep Insightの解決策

    AWSソリューションアーキテクチャチームがマルチエージェントシステムDeep Insightをオープンソース化した。Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Trackerなどのエージェントが、CSVデータ分析から引用付きDOCXレポートの自動生成までを担う。

  2. AWS PrivateLink で Amazon Quick の企業内ネットワークへのプライベートアクセスを実現する方法

    AWS は、AWS PrivateLink の VPC エンドポイントと Quick の VPC 接続を通じて、Amazon Quick がパブリックインターネットを経由せずに企業ファイアウォール背後のオンプレミスデータソースへアクセスできるようにする構成を公開した。

  3. Strands Agents ベースの適応型エージェントフレームワーク AAIF、ローカル SLM でリクエストを振り分け、複雑なタスクは Amazon Bedrock へ

    Strands Agents で構築した Adaptive Agentic Intelligence Framework(AAIF)は、llama3.2:1b をオーケストレーション層としてリクエストを分類し、定型タスクは Ollama のローカル SLM で処理、複雑な分析は boto3 経由で Amazon Bedrock にルーティングする。

  4. TorchNeuron の性能プロファイリング(1):AWS Trainium でのシステムレベル性能分析

    Hugging Face のブログが「Profiling TorchNeuron」シリーズの第1回を公開した。AWS Trainium 上で torch.profiler を NeuronConfig および NeuronProfiler と組み合わせてクリーンな trace を取得し、key_averages() テーブルから Neuron デバイス時間を消費する演算子を特定する方法を解説している。

10月21日

水曜日
  1. AtScale と Amazon Bedrock AgentCore で AWS 上にエージェント AI 向けセマンティックレイヤーを構築

    AWS ブログは、AtScale をセマンティックレイヤーとし、Amazon Bedrock AgentCore 上で Strands エージェントを動かす C360 構成を実演した。AtScale は YAML ベースの Semantic Modeling Language でモデリングし、同一モデルを SQL、XMLA、MCP の 3 プロトコルで同時に公開する。

  2. Strategy MosaicとAmazon Bedrock AgentCoreでAWS上のエージェントAI向けセマンティックレイヤーを構築

    AWSブログは、Strategy MosaicをセマンティックレイヤーとしてAmazon RedshiftとAmazon Aurora上にCustomer 360モデルを構築し、Amazon Bedrock AgentCore上でホストするStrandsエージェントがMCPエンドポイント経由でそのモデルにアクセスする例を紹介した。

  3. Denodo と Amazon Bedrock AgentCore で AWS 上にエージェント AI 向けセマンティックレイヤーを構築

    Denodo Platform をセマンティックレイヤーとして、Amazon Bedrock AgentCore でホストするエージェントと組み合わせ、Amazon Aurora、Amazon Redshift、オンプレミス PostgreSQL の 3 つのデータソースをフェデレーテッドクエリして Customer 360 ビューを構築する方法を解説する。

  4. Eon、Amazon Bedrock AgentCoreのMCP Gatewayでマルチクラウド調査機能を構築した方法

    Eonはツールごとの認証情報とローカルMCPプロセスをAmazon Bedrock AgentCoreのMCP Gatewayに置き換え、開発者と自律型SREエージェントが単一の認証ゲートウェイを通じてAWS、GCP、Azureの3クラウド上の調査ツールにアクセスできるようにした。