Boomi Scribe は、エンタープライズ開発チームにとって最も根強い技術的負債の原因の一つであるドキュメント作成の負担を軽減します。エンタープライズ開発者は、特に複数のエンタープライズアプリケーションやデータソースとの統合を含むワークフロー（自動化されたビジネスプロセス）の場合、ドキュメントの作成と保守に苦労することがよくあります。Boomi はこの課題を認識し、AWS 上で動作する AI エージェントである Boomi Scribe を構築しました。これは、ドキュメント作成プロセス全体を自動化および合理化します。Boomi Scribe は、開発者が作業する際に、統合プロセス全体の詳細なドキュメントを自動的に生成します。
Boomi Scribe は、Amazon Bedrock や Claude モデルなどの AWS 人工知能および機械学習サービスを利用したマルチステップアプローチにより、正確で詳細かつユーザーフレンドリーなドキュメントを生成します。Boomi Scribe は自動ドキュメント作成にとどまりません。計画や広範なコミュニケーションに使用できる具体的な洞察とバージョン比較を提供します。完全なドキュメントは、ビジネスおよびコンプライアンスのニーズに合わせた監査のギャップを防ぐのにも役立ちます。
この投稿では、Boomi Scribe が統合プロセスのドキュメント作成を自動化し、コンポーネントのバージョンを比較して意味のある変更を明らかにし、開発者の生産性を向上させる方法について学びます。これはすべて、AWS 上のクラウド向けに構築されたスケーラブルなアーキテクチャによって支えられています。
ワークフローの文書化
Boomi の統合プロセスは、有向非巡回グラフ（DAG）として表すことができ、各ノードはワークフロー内の特定のステップに対応します。これらのワークフローは、ソースシステムと宛先システム間でデータが取得、操作、ルーティング、配信される方法を管理します。正確なドキュメントがないと、これらのワークフローは作成者以外には読み取れない可能性があります。これにより、デバッグ、引き継ぎ、コンプライアンスに重大な問題が発生します。
手動ドキュメント作成の落とし穴
これらのワークフローを文書化することは、手作業で時間がかかり、不整合や非効率につながる作業でした。しかし、保守性とステークホルダーの信頼のためには、各ステップの重要な論理的および技術的詳細を捕捉する必要があります。バージョン管理とプロセスバージョン間の変更の比較も、退屈でエラーが発生しやすいものでした。更新の見逃し、機能説明の不完全さ、不正確さは誤解を引き起こし、手戻りや時間の損失につながる可能性がありました。大量のプロセスを効率的に処理し、正確性を維持するために、自動化が必要でした。
Boomi Scribe のソリューション
Boomi Scribe は、プロセスドキュメント作成全体を自動化します。Boomi は統合プロセスを XML ファイルとして保存します。これには、各ステップがどのように接続されているかなどのプロセスに関するメタデータとその他の関連情報が含まれます。Boomi Scribe エージェントは、まず統合プロセスの複雑な XML 表現を解析して、関連する特徴を抽出します。次に、これらの特徴は、モデルへの構造化された消費可能な入力として機能する有向非巡回グラフ（DAG）ドット表記形式に変換されます。次に、エージェントは、Amazon Bedrock および Anthropic の Claude Haiku 4.5 を搭載した AI モデルにこの入力を渡すことにより、ドキュメントを生成します。最後に、エージェントは DAG のバージョンを比較して、コンポーネントの違いと変更を強調します。
各統合ステップとその特徴のデータを解析および抽出し、各リビジョンで DAG に編成することにより、正確で完全なデータがモデルに渡され、既存のドキュメントを作成または更新します。開発者は、追加や変更を正確に反映するために、プロセスの各ステップのドキュメントを手動で作成または分析する必要がなくなります。
ソリューションの概要とアーキテクチャ
Boomi Scribe のアーキテクチャは信頼性が高く、33,000 を超える Boomi 顧客の開発者が使用できるようにスケールする必要があります。Boomi は、Amazon SageMaker AI の機械学習（ML）サービスを使用して、ユーザーの意図を分類するためのモデルを構築および保守しています。Boomi は、Amazon Bedrock の基盤大規模言語モデル（LLM）（Claude Haiku 4.5 を含む）を使用して、自然言語ドキュメントを生成します。Haiku は、Boomi が DAG を処理して詳細な説明を生成するために使用する数ショット学習モデルです。Boomi は、DAG ファイル、生成されたドキュメント、およびメタデータを Amazon Simple Storage Service（Amazon S3）に保存します。Amazon DynamoDB は、システム機能に電力を供給し、サービス運用を維持するための内部バックエンドデータストアとして機能します。最後に、Boomi は AWS Lambda を使用して、DAG 解析からドキュメント生成と比較までのパイプライン全体を調整します。
コンテキストファイル形式
DAG
生成されたドキュメントには、次のものを順に含める必要があります：
- 目的
- プロセスの視覚的表現
- プロセスメタデータ
- ビジネスコンテキスト
- プロセスステップと機能
生成されたドキュメントとメタデータは、Boomi Integration Canvas および Boomi GPT でコンテキスト参照として利用できます。
図 1: AWS 上の Boomi Scribe アーキテクチャ
Boomi Scribe のワークフロー
エージェントは DAG を解析して統合プロセスの詳細を取得します。次に、前のバージョンとの比較からの変更と洞察を強調する包括的なドキュメントを生成します。最後に、結果を Amazon S3 に保存します。
DAG 解析
統合プロセス DAG は Amazon S3 にアップロードされ、AWS Lambda 関数がノードとエッジの解析をトリガーして統合ステップを表します。次の例の DAG は、統合プロセスのより複雑な XML 表現から抽出される関連機能とドット表記形式を示しています。これらの機能と形式は、AI モデルがワークフローと統合の詳細を理解してドキュメントを生成するために必要な入力機能と一致しています。
（完全なコード例は簡潔にするために省略されていますが、ここにサンプル DAG の説明が含まれています。）