AWS Machine Learning Blog

この記事では、Model Context Protocol（MCP）を使用してAmazon S3からリアルタイムにPDFテキストを抽出するサーバーを構築する方法を説明します。Amazon Textractとの比較、アーキテクチャ、実装手順、コスト分析、セキュリティ考慮事項を詳述します。

Caraは、AWS上に構築された保険ブローカレッジのバックオフィス業務を自動化するAIネイティブソリューションです。Amazon EKSとAmazon Bedrockを活用し、スケーラブルでセキュアなドメイン特化型AIワークフローを実現します。

Stripeは年間1.4兆ドルの決済量を50カ国で処理し、Amazon Bedrock上のReActエージェントフレームワークを使用して、人間の監視を維持しながらレビュー処理時間を26%削減しました。本記事では、タスク分解、オーケストレーションパターン、プロンプトキャッシングによるコスト最適化を含む技術アーキテクチャ、インフラストラクチャの決定、および学んだ教訓を紹介します。

本記事では、AWSと著者による技術協力の成果として、実用的なソリューションであるエージェンティックオーバーレイ（Agentic Overlays）を紹介します。エージェンティックオーバーレイは薄いラッパー層であり、従来のRESTベースのサービスをA2A対話に参加できるエージェントに変換し、同時にREST APIをModel Context Protocol（MCP）互換のツールとして公開します。企業はビジネスロジックの書き換え、コードの複製、並行インフラの運用を必要とせずに、既存のRESTサービスにA2A機能を追加でき、エージェントの乱立を削減できます。リファレンスアーキテクチャとサンプルコードも提供します。

この記事では、Amazon SageMaker AI でトレーニングジョブを構成して、AWS 上の Blackwell アーキテクチャを最大限に活用する方法を説明します。Blackwell の拡張メモリを活用するバッチサイズとシーケンス長の選択、モデルサイズ（1B～64B パラメータ）に適した精度形式の選択、アクティベーションチェックポイントの戦略的適用について学びます。最後に、トレーニング構成を調整し、P6-B200 インスタンスで分散トレーニングジョブを起動するための実用的なフレームワークを提供します。

この投稿では、SeedVR2 を Amazon SageMaker AI 上で使用して動画をアップスケーリングする方法を紹介します。ソリューションのアーキテクチャ、デプロイ手順、品質向上と処理効率を示すパフォーマンス比較について説明します。最後まで読めば、この超解像ソリューションを実装するための実践的な知識が得られます。

この投稿では、Model Context Protocol（MCP）を介して公開されたAIエージェントを使用してセルフサービスのヘルスイベント分析を提供する、オープンソースソリューションであるChaplin（Customer Health and Planned Lifecycle Intelligence Nexus）の構築方法を紹介します。

この記事では、AWS上でガバナンスが効いたサーバーレスデータメッシュを構築し、プロダクション環境のエージェンティックAIに必要な安全でスケーラブルなデータ基盤を提供する方法を紹介します。

この記事では、Amazon Nova 2 Sonic と Amazon Bedrock AgentCore を使用して、予約リマインダー会話を処理する音声エージェントの構築方法を学びます。エージェントは音声で患者を認証し、予約の管理（確認、キャンセル、再スケジュール）、来院前の健康情報の収集、必要に応じて人間のスタッフへのエスカレーションを行います。ルーティンコールを大規模に処理し、無断キャンセル率の低減に役立ちます。このサンプルは問題のエージェント側、つまり音声会話とツールオーケストレーションに焦点を当てています。テスト用のブラウザベースのインターフェースが含まれています。実際の電話回線に接続して発信するには、Amazon Connect Customer などのテレフォニーサービスを統合します。

本記事では、SnowflakeのセマンティックビューとAmazon QuickSightのエンドツーエンド統合を構築する方法を、映画レビューデータを用いて説明します。自然言語クエリによるデータ探索と一貫したビジネスロジックの実現方法を紹介します。

Loka は Amazon Nova 2 Sonic を活用して、従来の音声アシスタントの遅延や不自然さを解決する会話型 AI エージェントを構築しました。ネイティブな音声-to-音声処理により、高精度、低コスト、自然な対話を実現しています。

この記事では、自然言語クエリの解析、タンパク質埋め込みのベクトル類似性検索、AI生成の科学サマリーを組み合わせた対話型タンパク質研究アシスタントの構築方法を紹介します。

この記事では、Amazon Bedrock AgentCore を使用して本番環境対応のマルチテナント AI システムを構築するパターンを紹介します。複数のクリニックや病院にサービスを提供する医療 AI エージェントを通じて、テナント分離、サービス階層の差別化、コスト追跡、観測可能性を示します。

Ampersendは、Amazon Bedrock AgentCore Payments上にペイ・パー・インテリジェンスのルーティングレイヤーを構築し、AIエージェントがx402プロトコルを使用して自律的にモデルサービスに支払えるようにしました。この統合は、ウォレット管理、支出ガバナンス、2ホップ決済を処理し、開発期間を数ヶ月から2週間未満に短縮しました。

本稿では、マルチモーダル埋め込み、LLMによるキャプション生成、AWS上のベクター検索を利用して、航空画像ライブラリを自然言語で検索可能な知識ベースに変換する方法について説明します。Amazon BedrockとAmazon OpenSearch Serverlessで構築された5段階のパイプラインにより、さまざまな埋め込みモデル、融合戦略、キャプション手法、検索方法を評価します。実験では、Amazon Nova Multimodal Embeddingsがベンチマーククエリで最高のF1スコアを達成しました。この作業は、検索可能な画像製品であるVexcel Intelligenceへと発展しました。

この投稿では、Amazon SageMaker AI処理ジョブでComfyUIワークフローをデプロイし、1回のバッチで数百の高品質画像を生成する方法を説明します。AWS CDKを使用したインフラのセットアップ、GPUアクセラレーション処理の構成、大規模な画像生成の自動化について学びます。このソリューションは独自のComfyUIワークフローに適合させることができます。

Amazon Bedrock AgentCore の Web 検索機能が一般提供を開始しました。このフルマネージドな MCP 互換の機能により、AI エージェントはリアルタイムの Web 情報を取得できます。Amazon 自社の Web インデックスを基盤とし、クエリは AWS 内で完結するため、プライバシーも確保されています。

この記事では、Model Context Protocol（MCP）を使用して Adobe Marketing Agent を Amazon Quick と統合する方法を説明します。設定手順、認証、マーケティングデータへの接続、自然言語でのキャンペーンインサイトの取得方法を詳しく解説します。

Amazon SageMaker AI は、GPU ヘルス、トークンレベルのレイテンシー、KV キャッシュプレッシャー、アベイラビリティゾーン間のトラフィック分散など、100 以上の詳細な推論メトリクスを発するようになりました。これらのメトリクスは、CloudWatch の組み込み SageMaker Insights ダッシュボードに表示され、PromQL クエリをサポートします。この記事では、詳細な可観測性を有効にする方法、ダッシュボードの操作方法、およびメトリクスを外部ツールに接続する方法について説明します。

Amazon Bedrock AgentCore Harness が一般提供を開始しました。開発者はわずか2回のAPI呼び出しで完全な機能を備えたエージェントを作成・実行できます。隔離されたランタイム環境、組み込みメモリ、ツール統合、スキルライブラリ、リアルタイムトレーシングを提供し、オーケストレーションコードやコンテナ構築は不要です。

本日、Amazon SageMaker AI 非同期推論のインラインペイロードサポートを発表します。顧客は InvokeEndpointAsync API のリクエスト本文に直接推論ペイロードを送信できるようになり、呼び出しごとに Amazon S3 に入力データをアップロードする必要がなくなります。

Amazon Quick に、継続的にあなたの代わりに作業する新しい自律エージェント、最も重要な作業を優先するアクティビティフィード、そして単一の質問であらゆるデータソースからインサイトを見つける機能が追加されました。

AWSニューヨークサミットで、AWSは、AWS Context（近日公開）、AWS Glue Data Catalogのビジネスコンテキストとセマンティック検索（プレビュー）、Amazon S3 Annotations（一般提供開始）などの一連のイノベーションを発表しました。これらは、AIエージェントに信頼できるコンテキストを提供し、データレイク、データウェアハウス、データベース、ストリーム、そして文書化されていない組織知識に散在するコンテキストに安全にアクセスできるようにします。ナレッジグラフ、ID認識アクセス、オープンスタンダードを通じて、組織は共有・管理可能なコンテキストレイヤーを構築し、AIエージェントの意思決定能力を向上させることができます。

Amazon Bedrock AgentCoreは、エージェントを組織、ウェブ、有料の知識に接続するための新機能と、継続的な改善のための最適化機能、強化されたポリシー制御を導入します。

本日、Amazon Bedrock Guardrails の新しいAPIを発表します。このAPIを使用すると、ガードレールリソースを作成することなく、エージェンティックAIアプリケーションの任意の時点で個別の安全対策（セーフティチェック）を適用できます。この記事では、InvokeGuardrailChecks API の仕組みと、安全なマルチターンエージェンティックAIアプリケーションを構築する方法を説明します。

Amazon SageMaker AI は、推論用のコンテナイメージキャッシングを発表し、スケールアウトイベントにおいて生成AIモデルのエンドツーエンドレイテンシーを最大2倍削減します。

この記事では、Amazon SageMaker AI 内で P-EAGLE を直接使用する方法を説明します。SageMaker JumpStart カタログから互換性のあるモデルを選択し、並列ドラフト仕様を構成し、高度に最適化されたリアルタイム SageMaker AI エンドポイントをデプロイして生成 AI アプリケーションを高速化する方法を示します。

Google DeepMind が構築し Apache 2.0 ライセンスでリリースされた Gemma 4 ファミリーが Amazon Bedrock で利用可能になりました。このファミリーには、Gemma 4 31B、Gemma 4 26B-A4B、Gemma 4 E2B の 3 つの命令チューニング済みバリアントが含まれ、デンスおよび混合エキスパート（MoE）アーキテクチャをカバーしています。組み込みの推論、ネイティブ関数呼び出し、テキストと画像のマルチモーダル入力を提供します。Amazon Bedrock は完全マネージドサービスとしてこれらのモデルを提供し、データ保護、規制コンプライアンス、運用制御を保証します。

本記事では、Strands Evals SDKの検出器がAIエージェントの実行トレースから障害を自動的に識別し、根本原因分析を行うことで、診断時間を数時間から数分に短縮する方法を紹介します。検出関数の呼び出し方、構造化出力（分類された障害、信頼度、因果連鎖、修正推奨事項）の解釈方法、および評価パイプラインへの統合方法について学びます。

本記事では、LangChain Deep AgentsとAmazon Bedrock AgentCoreを使用して、競合調査用リサーチエージェントを構築する方法を紹介します。エージェントは深い作業を隔離されたサブエージェントに委任することで、コンテキストウィンドウの制限を克服し、並列リサーチ、データ分析、セッションを超えたメモリ活用を実現します。