はじめに こんにちは、EC基盤開発本部SRE部カート決済SREブロックの金田です。テックリードとして、ZOZOTOWNのカート決済機能のリプレイスや運用を担当しています。 カート決済SREブロックでは、Slackを起点としたChatOpsで運用作業の自動化に取り組んでいます。以前の記事で紹介したAWS Chatbotベースの基盤を約2年運用する中で、アクセス制御とツール追加コストの課題が見えてきました。本記事ではその課題と、Argo Eventsを軸にChatOps基盤を再構築した取り組みを紹介します。

目次 誰の、どんな問題を解決する記事か トレースの基本構造 スパンの種類 どこに、どんな名前で保存されるか 準備 トレース収集の設定を確認する サンプルデータを入れる 四つの調査シナリオ シナリオ 1：ツールを使わない場合と使う場合の比較 シナリオ 2：複数ツールを使った処理の遅延調査 ツールの中で LLM が呼ばれている 入力トークンはラウンドの中でも増える 同じ質問をもう一度送ると シナリオ 3：ツールエラーの調査 シナリオ 4：長い会話のトークン増加調査 小さな注意：View Trace はすぐに開

目次 1. はじめに 2. 動作環境 3. 以前のバージョンとの比較 4. シーケンス図（概略図） 5. 準備 6. MCPサーバーのURL の取得 6.1. Elasticsearch / Agent / Tool の画面の表示 6.2. すべてのツールを管理 6.3. MCPサーバーのURLをコピー 7. API Key の発行 7.1. APIキー作成画面の検索 7.2. APIキー作成画面への遷移 7.3. APIキーの作成 7.4. APIキーのコピー 8. LM Studio からの MCPサ

こんにちは。BUYMA で購入者向け機能を開発している Web エンジニアの高橋です。所属している BUY チームは、BUYMA の購入者側の体験（集客と CVR）を担当しています。 2025年末、BUYMA は対象商品の購入時に将来の買取金額を提示するサービス「 買取保証 」を開始しました。保証期間内に申し込めば、購入代金の一部が現金または BUYMA ポイントで戻る仕組みです。 プロダクトとしてはシンプルですが、この機能はフェーズを分けて段階的に作ってきました。進め方として意識していたのは、要件を全て

1. はじめに エージェントフレームワークの設定ミスで困るのは、例外で止まるケースよりも、機能が有効にならないまま動き続けるケースです。前者はその場で気づけますが、後者は結果が返ってくるため、コストや品質の差として後から現れます。 2026/09/21（日本時間では 09/22 早朝）に公開された Strands harness は、この仕分けを設計方針として持っています。 https://strandsagents.com/blog/introducing-strands-harness/ strand

1. はじめに 長いシステムプロンプトを毎リクエストへ載せる構成では、Prompt Cache が効くかどうかが input 側のコストを大きく左右します。ただし、キャッシュが取れていなくてもレスポンス自体は正常に返るため、HTTP 200 だけでは cache hit / miss を判定できません。本記事では usage.input_tokens_details の cached_tokens と cache_write_tokens を使って判定します。 AWS（Amazon Web Service

1. はじめに エージェントに長期記憶を持たせると、記憶は増える一方になります。Amazon Bedrock AgentCore Memory の長期記憶レコードには、レコードを自動で消す仕組みが用意されていません。短期イベントには eventExpiryDuration がありますが、そこから抽出された長期レコードは、明示的に削除するまで残り続けます。 AWS（Amazon Web Services）の公式ブログ「Designing lifecycle policies for AgentCore me

先週、Kiro Crew をフルタイムで開発している私たち3人は、7日間で 1,000 件の pull request をマージしました。1日あたり 120 件を超え、そのすべてが CI とレビューを通っています。Kiro Crew は、このフルタイムのエンジニア3人を中心に、500 人近い熱心なコミュニティコントリビューターとともに開発されています。 この数字を狙っていたわけではありません。並行して開発を進めるやり方が次々に限界にぶつかり、それを越えるたびに少しずつ到達した結果です。ボトルネックにぶつか

はじめに こんにちは。KINTOテクノロジーズの JR.Liang です。 本記事では、 AIと対話するだけでプレゼン動画が作れるアプリ を題材に、生成AIアプリ向けのフレームワーク LangGraph を使ってこのアプリをどう構築するのかを解説します。特に、LangGraph の機能で 複雑な処理の流れ（フロー）をどう制御したか に焦点を当て、使った機能を一つずつ説明していきます。 まず、私たちが作りたかったものはこんなアプリです。 使う人 ：生成AIも動画編集も、知識と経験が少ない人。 やること ：ア

はじめまして、わっきーです。 普段は、Copilot、Power Platform（主にはCopilot StudioやPower Automate）の活用支援、ワークショップ講師をやっているものです。 そんな私が最近、Copilot Studioを開いて思ったことがあります。

フォルシアSREチームの森です。 SREチームでは、プロダクトのスケールや社員数の増加に伴う、さまざまな課題の解決に取り組んでいます。その1つが、障害対応プロセスの改善と、障害から学んだことを品質向上につなげるための基盤づくりです。 その取り組みとして、Slack上で動く障害対応専用Bot「Elpis」を開発・導入しました。この記事では、開発の背景にあった課題や、Elpisがどのように障害対応を支援しているのか、運用や実装で工夫したことをご紹介します。 ちなみに、Elpis（エルピス）という名前は、ギリシ

こんにちは、イノベーションセンターの真崎です。普段はAIを用いた業務改善や技術開発に従事しています。 私たちのチームではコーディングエージェントのClaude Codeを業務で活用しています。便利な一方で、利用が広がるほどコストも増えていきます。 そこで、調査と実装を割安なモデルに任せ、全体の判断とレビューだけを高性能なモデルが担う構成（オーケストレーション）をClaude Codeのカスタムサブエージェント機能で構築し、コストと品質を実測しました。 結果は予想外でした。小規模な改修では、オーケストレーシ

※ この投稿はお客様に寄稿いただいた記事です。 本稿は、NTTドコモ モバイルイノベーションテック部（以下、MIT 部）が AI-DLC TTT でフィジカル AI 領域の ML パイプラインを構築した取り組みの第 2 回です。 第 1 回：フィジカル AI 領域での ML 開発への適用 第 2 回：2 チーム並行開発の実験結果と知見（本記事） 第 1 回では、AI-DLC の Inception フェーズで要件を構造化し、設計レビューで 11 個の不整合を事前に検出した取り組みをご紹介しました。 第 2

2026年9月16日、Elastic Cloud Serverless の Cross-Project Search（CPS：クロスプロジェクト検索） が正式提供（GA）になりました。 CPS を使うと、複数の Serverless プロジェクトをリンクできます。データを1か所に集約することなく、複数のプロジェクトを横断して検索できる機能です。 目次 Cross-Project Search の利点 設定はシンプル 仕組み：Origin Project と Linked Project GA で特に注目し

G-gen の菊池です。当記事では、 Looker のスケジュール配信機能で配信されたデータが古いままになっており、バッチ更新された最新のデータが反映されない問題の解決方法を解説します。 事象 原因 対処法 概要 手順1. データグループの定義 手順2. Explore への適用 手順3. 永続的な派生テーブル（PDT）への適用 手順4. ダッシュボードでのトリガー設定変更 事象 BigQuery のデータを可視化する Looker のダッシュボード環境を想定します。BigQuery のテーブルデータは、