Snowflake-managed MCP Server が 2025年10月2日に Public Preview になりました。 https://docs.snowflake.com/en/release-notes/2025/other/2025-10-02-mcp-server 早速、ChatGPTとCodex CLIからSnowflake-managed MCP Serverへ接続を試みてみました。 が、現時点でSnowflake-managed MCP ServerとChatGPT/Codex

こんにちは、SCSK松岡です⛄ Snowflake Intelligenceは、生成AIを利用して自然言語によるデータ検索や要約を可能にしてくれる機能です。 本記事では、その利用を開始するために必要な設定を、アカウント管理者の視点から紹介します。   Snowflake Intelligence   Snowflake IntelligenceとData Science Agent、エンタープライズAI/MLにおける 次世代データエージェントの可能性 ※本報道資料は米国スノーフレイク社

AI事業本部オペレーションテクノロジーDiv.の金綱雅也です。 本記事では、Snowflake の ...

はじめに Snowflakeを利用する中で、ユーザーやロール、データベース、スキーマといったリソースをどのように管理していますか？コンソールやSQLクライアントから直接コマンドを実行しても、確かに同じことは実現できます。 しかし、環境が増え、プロジェクトが横断し、関わるメンバーが多様になるにつれ、次のような課題に直面することは少なくありません。 誰が・いつ・どのリソースを変更したのか追いづらい 環境ごとの設定差分が増えて管理が煩雑になる 再利用できるコード資産として残らず、毎回手作業が発生する こうした課

はじめに これは「Cortex AnalystをLevel別に検証してみよう」シリーズの パート2 です。 本稿はLevel 3（JOIN 前提） の検証と、そこから得た 設計上の考慮事項の整理にフォーカスしています。 前回（Part 1）の要点 単表〜マルチターン（Level1・2）では、初期設定のままでも、正答率は約7割。 単表〜マルチターン（Level1・2）では、“セマンティック”を整えることで正答率が改善 https://zenn.dev/nttdata_tech/articles/b7e27f

はじめに Snowflakeを導入している組織の中で、「せっかくデータがあるのに、SQLが書けないから触れない…」という声を耳にすることはありませんか？ アナリストやエンジニアだけでなく、営業や企画などビジネスユーザも自分でデータを整形して取り出し、分析できたら便利なのに。 そんな課題を解決するヒントのひとつがSnowflake Cortex Analyst だと、私は考えています。 今回はその実力を、実際の検証シナリオを通じて探ってみたいと思います。 1.　Cortex Analystとは Cortex

はじめに DatabricksのAI Assistantは、コード生成・リファクタリング・エラー解消支援など、ノートブック上での開発作業を幅広くサポートしてくれる生成AIベースの機能です。 これまではノートブック内の単一セル単位でのサポートが中心でしたが、2025年8月のアップデートでノートブック全体を対象とした解析・提案が可能になり、さらにシステムプロンプトによる事前条件設定にも対応しました。 アップデートの概要 ノートブック全体のチェック機能 これまでのAI Assistantは、特定セルのコードやM

1. GET_LINEAGE 関数とは Snowflakeのリネージュ取得関数 GET_LINEAGE がGAになっています。これにより、SQLから直接、オブジェクト間の依存関係を構造化データとして取得でき、下流・上流のつながりを素早く把握できます。 この機能を使って、取込データに遅延や不正データが含まれた際に、どのデータマートテーブルに影響があるかを簡単に調査するアプリを作ってみたいと思います。 最終的に、以下のようなStreamlit in Snowflakeアプリを作成します。 ! 内容は記事作成時

1. はじめに 本記事は、Snowflake の上級認定「SnowPro Advanced: Architect」において、1回目は不合格（650点）から学習方針を見直し、2回目で合格（857点）に至るまでの記録です。 単なる知識の羅列ではなく、要件から設計判断へ落とし込む思考プロセスを中心にしています。 対象読者は、SnowPro Core 合格済み、かつ、実務で Snowflake を扱っており、アーキテクトとして設計判断の幅を広げたい方を想定しています。仕様の暗記ではなく、「なぜその選択をするのか」

※ この記事はお客様に寄稿いただき、AWS が加筆・修正したものとなっています。 株式会社 AJA は、 株式会社サイバーエージェント のグループ会社として、 ABEMA をはじめとしたプレミアム動画メディア向けの広告マーケットプレイス「AJA SSP」を提供しています。さらに、広告主向けプラットフォーム「AJA DSP」や、動画の考査を最短かつ簡便に行える「AJA Video Platform」、地上波テレビ CM の視聴データを活用しコネクテッド TV へ効果的に広告配信を行う「インクリー」、地上波テ

はじめに こんにちは、株式会社タップルで機械学習エンジニアをしている田中宏樹です。主に生成AIを活用 ...

AI事業本部 アドテクディビジョン SREグループに所属している平田聡一朗と申します。SREグループ ...

はじめまして。吉越です。 今回、6月25日に開催されていたAWS Summit2025へ参加して持ち帰ってきた話をブログにまとめようと思います。 はじめに 早速ですが、みなさんにSNSで話題となったラーメン山岡家のブースの「ゆで麺タイマー」のアーキテクチャをお見せします！ AWS Summitの企業ブースに山岡家がある～と思って近づいたところ、ゆで麺タイマー（？）というものがAWSで構築されているのかぁと面白くて気づいたら資料くださいって声かけてました。 色々なセッションを聞いてから家に帰り、山岡家の資料

はじめに 最近、Techイベントやブログで「AIエージェント」という言葉を耳にする機会が増えています。 Snowflakeもこの流れに乗り、Cortex Agents（現在プレビュー機能） をリリースしています。 今回は、このCortex Agentsが現時点でどこまで賢く動けるのか、いくつかの質問シナリオを通じて検証してみたいと思います。 ※本記事の内容は2025年8月4日時点のプレビュー版に基づく検証結果です。 注記 Cortex Agentsは現在プレビュー機能として提供されています。 プレビュー機

はじめに 本ブログは、株式会社丸千代山岡家と Amazon Web Services Japan が共同で執筆しました。 みなさま、こんにちは。AWS ソリューションアーキテクトの本田・大久保です。 株式会社丸千代山岡家 様(以下、山岡家) では、 券売機から注文情報が自動的に厨房のタブレットに連携され調理が開始できるタイマーアプリとして「ゆで麺タイマー」を 2019 年より開発し、従業員の早期戦力化や体験向上といった課題解決にアプローチしています。 2025 年 6 月 25 日 ~ 6 月 26 日に