サムネイル こんにちは。アプリケーションサービス本部、DevOps担当の兼安です。 先日、pnpmでPythonのライブラリを管理できるようになりました。 私はAWS上でシステム開発をする時に、TypeScriptとPythonを併用することが多いので大変興味深いアップデートです。 というわけで今回は、この機能をAWSと絡めたシステム開発のパッケージ管理に当てはめて考えてみます。 pnpm.io なお、今回紹介する機能はExperimentalで、pnpm v12.4.0以降（pnpm v12）でないと利

この記事の対象者 System One Model(本記事ではLaya)を用いたテーブルデータの分類問題に興味がある方 Layaの実装に興味がある方 はじめに 2026年9月にリリースされたJevと呼ばれるモデルが話題になっています。 このモデルは通常の生成AIと異なり、文章を一切生成せず、高速な「判断」と確率・確信度のみを出力する、TypeSafe AIが開発した「System One Model」と呼ばれる新しいカテゴリのモデルです。 System Oneとは、心理学者ダニエル・カーネマンの著書『ファ

G-gen の佐々木です。当記事では、実行中の Cloud Run のコンテナに SSH で接続し、ファイルシステムやプロセスを直接調査できる機能について解説します。 概要 Cloud Run とは Cloud Run の SSH 機能とは 対応する実行モデル SSH 機能の基本 仕組み 制限事項 料金 注意点 有効化する期間 第2世代実行環境の明示 設定変更の影響範囲 接続ユーザー 使用できるコマンド セッション中の変更の扱い 既知の問題 設定手順 事前準備 必要な API とロール Cloud Run

1. はじめに こんにちは。電通総研の武田嵩史（たかふみ）です。 今回は、AWSが公開している Engineering Development Hub（EDH） を実際にデプロイして触ってみたので、その内容を紹介します。 EDHは以前 Scale-Out Computing on AWS（SOCA） という名称で公開されていたソリューションで、2026年4月からEngineering Development Hubという名称になりました。 AWSにはHPC環境を構築するための選択肢として、 AWS Bat

生成AIの利用が広がる中で、次のテーマとして注目されているのがAIエージェントです。AIエージェントを最もシンプルに表すなら、 モデルが自律的にツールを繰り返し使う仕組み です。 目的を与えると、モデルは次に何をすべきかを考え、必要なツールを選びます。そして、その結果を受け取って、さらに次の行動を決めます。 この自律的にツールを使うという性質が、AIエージェントを便利にしています。同時に、この性質はセキュリティ上の意味も大きく変えます。 従来のLLMで問題になっていたのは、主に何を出力するかでした。しかし

はじめに Turingのインフラチームで、クラウドGPUクラスタの構築・運用を担当している大戸（おおど）です。先日、Platform Engineering Kaigi 2026（PEK2026）で、マルチクラウドとオンプレミスにまたがるGPU基盤についてお話ししました。構成管理の方針は公開した登壇資料にまとめています。 Amazon SageMaker HyperPodは、障害ノードの自動交換などを担うマネージドサービスで、私たちの運用負担を減らしてくれています。一方、サービスが行う初期化や設定更新の流

はじめに こんにちは、ZOZOMO部FBZブロックの杉田です。普段は Fulfillment by ZOZO （以下、FBZ）が提供するAPIシステムを開発・運用しています。昨年からは、社内における開発者向けAI支援ツールの推進を担う専門チームも兼務しています。 FBZ APIは2017年にServerless Frameworkで構築を開始し、現在はAWS Lambda（以下、Lambda）の関数500本超、40個以上のスタックで稼働しています。サーバーレス自体の運用負荷は低い一方、9年間でツールの有償

本ブログは 2026 年 8 月 6 日に公開された AWS Blog “ Agent Skills for Automated Reasoning policies in Amazon Bedrock ” を翻訳したものです。 Amazon Bedrock の自動推論チェック (Automated Reasoning checks) を導入したチームの多くは、ポリシーのライフサイクルをコードで実行したいと考えています。コードで実行すれば、作業の再現性とレビューのしやすさを確保でき、普段使っているコーディ

はじめに こんにちは。グループIT推進本部の Roki です。 AIエージェントにPRレビューを手伝 ...

はじめに セーフィー株式会社の鈴木です。 社内のGitHub組織でGitHub ActionsやAWS上の踏み台サーバーからGitHubリポジトリを操作する際の認証に、OIDCトークンを短命なGitHubアクセストークンへ交換するSecurity Token Serviceである sorah/sts-cat を導入しました。これによりGitHub Appの秘密鍵やPersonal Access Tokenといった長寿命の秘密情報を実行環境に置かずにGitHubの権限を利用できるようになりました。 本記事で

はじめに こんにちは、グローバルプロダクト開発本部ZOZOFIT USブロックの平川です。普段はZOZOFITの身体計測に関するデータを分析しています。 ZOZOFIT は、スマートフォンで身体を3D計測し、体型の変化を記録・管理できるボディマネジメントアプリです。アメリカを中心に海外へ展開しています。 今回ZOZOFIT開発チームでは、Google PlayストアのレビューをAIで分析し、リリース情報も加味した考察レポートを自動生成する仕組みを構築しました。本記事では、この仕組みの設計と運用について紹介

メインフレーム基幹系システムの AWS 移行を真剣にご検討中のお客様向けのイベント「AWS Mainframe Modernization Day Tokyo 2026」を 2026 年 9 月 17 日(木) に開催しました。本ブログでその概要を紹介します。 本イベントは以下の三部で構成しました。 Part 1: AWS セッション Part 2: お客様セッション Part 3: お客様同士の交流会 Part 1: AWS セッション 冒頭のオープニングは、アマゾンウェブサービスジャパン合同会社 (以

はじめに Turing の mlops 3 チームの加藤です。2026 年 3 月に Turing に入社し、自動運転モデルの学習基盤の開発ワークフロー改善を担当しています。最近は主に学習を高速化しています。 今回は、学習時に S3 から直接データを読み出すことで、学習データ容量の制限と、クラスタへの学習データのステージングを無くした時の話をしたいと思います。 この記事の内容 学習データを S3 から直接読む構成に変え、学習に使えるデータ量をクラスタのストレージ容量から切り離した。 S3 の帯域は十分だっ

1. はじめに 最近、AIエージェントの文脈で、A2A、マルチエージェントといったキーワードを見かける機会が増えてきました。 ただ、これらの概念は記事を読むだけでは少し抽象的で、実際に動かしてみないとイメージしづらい部分があります。 そこで今回は、マルチエージェントやエージェントワークフローの考え方を理解するために、 Microsoft Agent Framework を試してみました。 題材として、Azure Samples で公開されている Agent Framework Workshop に取り組み

こんにちは。タイミーのデータエンジニアリング部DSグループでMLOpsを担当しているYukitomoです。 前回の記事では、Python + uvのモノレポ環境において、Renovateを用いて依存関係更新のプルリクエストを制御するための基本設計を紹介しました。 その後、実際に運用してみると、Renovateの管理対象はPythonの依存パッケージだけでは収まりませんでした。 devcontainer.json やCloud Runのマニフェストなどへ対象を広げるにつれて設定が複雑になり、Mend.io経