はじめに 2026年8月21日から2026年8月22日にかけて開催された PyCon JP 2026 に参加しました。 2026.pycon.jp 弊社からはバックエンドエンジニアの陶山 嶺が登壇しました。また、今年は弊社 RevComm もゴールドスポンサーとして PyCon JP 2026 に協賛いたしました。 今回はイベントの振り返りを紹介します。 登壇振り返り 詳解ASGIミドルウェア　シンプルながらも奥が深いASGIミドルウェアを使いこなす 概要: Pythonで本格的なWebアプリケーションを開発するためには、ASGIに対する理解は極めて重要です。本セッションではそのASGIのしくみの全てが詰まっていると言っても過言ではないASGIミドルウェアに焦点を当てて紹介します。アイディア次第で用途が広がるASGIミドルウェアのしくみを理解し、使いこなしていきましょう。 登壇者: 陶山 嶺 登壇の感想 PyCon JPでの登壇はこれまでにも何度かありますが、それでもやはり直前はスポンサーブースにいる同僚たちから「今日ずっとソワソワしていますね」と言われるくらい緊張していました笑 発表自体は直前まで何度も練習していたこともあり、全体的に上手く進めることができてよかったです。登壇後には「知らない話も聞けてすごく面白かったです」と言っていただけて発表して良かったなと改めて感じました。 今回の自分の発表時間帯は2日目午後だったので、次回があればパーティよりも前に発表できたら嬉しいです！笑 ブース運営について 今年はスポンサーとしてブースを出展させていただきました。 ブースまでお越しいただいた皆様、大変ありがとうございました。 PyCon JP 2026 RevComm ブース ブースには弊社で開発・提供している MiiTel の特徴を視覚的に理解いただけるよう、動画とパネルを展示しました。 また、ちょうど PyCon JP 2026 開催直前の2026年8月13日に、登壇者の陶山 嶺が執筆した「Python Web開発実践入門 ―― FastAPIによるWeb API開発と非同期処理」が発売されたため、ブースにも展示しました。FastAPI や Python による Web アプリケーション開発にご興味がありましたら、ぜひご覧ください！ gihyo.jp 印象に残ったセッション Python and language learning: How did Python help me get the JLPT N1 英語を母語とする学生として来日し、やがて日本語のエンジニアリングチームを率いながら JLPT N1 に合格するまでの 10 年間の歩みについてのJose 氏のトークです。海外出身のエンジニアが日本で働くうえで日本語力の重要性が高まっている昨今のビザ要件もあり、このセッションは非常にタイムリーで意義深いものに感じました。 特に印象的だったのは、Jose 氏が自身の言語学習の経験を、ソフトウェアエンジニアとしての専門性と直接結びつけていた点です。一般的な教科書や単調な暗記に頼るのではなく、Python や最新の LLM を活用することで、自分に最適化された学習ツールを作れることを示してくれました。以前は学習素材を集めるために Web スクレイパーを書いて、ニュースサイトなどからデータを収集していたそうですが、現在では LLM を使うことで、そのようなコンテンツをその場で生成できるようになっています。 また、フラッシュカード作成のための genanki や、発音分析のための onsei といったオープンソースライブラリを活用し、自分の弱点に合わせたパーソナルな学習環境を、まさにプログラムによって構築していた点も印象的でした。この話を通じて、プログラミングのスキルを使って、新しい言語を学ぶという複雑なプロセスを「ハック」できるのだと視点が変わりました。紹介された具体的な方法にとどまらず、Python を活用すれば、さまざまな言語学習の目標に対して、もっと創造的なアプローチができるのではないかと感じました。  2026.pycon.jp Retry Is Not a Strategy: Classifying and Recovering from AI Agent Failures in Python LLM エージェントを開発していると、原因が分かりにくいサイレントな失敗や、意図しないループへの対処に悩まされることがあります。Cyrus Mante 氏のトークは、まさにそのような課題に正面から向き合う内容でした。単に最初からリトライして「今度はうまくいくはず」と期待するのではなく、Cyrus 氏は triage というオープンソースライブラリを紹介していました。 このライブラリを使うことで、開発者はエージェントの実行ステップを分析し、失敗の原因を具体的に特定できます。たとえば、誤ったツールを呼び出したのか、ループに陥っていたのか、外部 API で問題が発生したのか、といった切り分けが可能になります。 さらに優れていると感じたのは、復旧方法の扱いです。発生したエラーの種類に応じて、システムがエージェントの状態をロールバックするのか、再計画を強制するのか、あるいは人間にエスカレーションするのかを自動的に判断します。また、このようなルーティングロジックを肥大化した LLM プロンプトに任せるのではなく、Python のコードとして明確に保つという考え方にも強く共感しました。堅牢な AI システムを構築するうえで非常に実践的なアプローチであり、自分たちのエージェントにもぜひ取り入れて試してみたいと感じました。  2026.pycon.jp Pyxelで、プログラミングを遊ぼう！ Pyxel の作者である北尾崇氏 ( https://github.com/kitao ) による 2 日目の基調講演です。 github.com 本質的な価値を追求するためにライブラリに意図的に制約を加えている、という点はライブラリの開発だけでなくプロダクト開発においても重要な視点なのではないかと感じました。その他にも、Pyxel v3 の構想や AI 時代における活用や意義など、興味深い内容がたくさんありました。 Pyxel は今まで使ったことがなかったのですが、今回の発表を聞いてぜひ遊んでみたいと思いました。 おわりに 筆者は PyCon JP に参加したのは今回が初めてのことでしたが、想像以上に参加者やセッション数が多く、非常に熱気を感じるイベントでした。セッションや基調講演にも興味深いテーマの発表が多く、素晴らしいイベントであったと感じています。 RevComm において Tech イベントでの本格的なブース運営は初めてという状況ではありましたが、ブースまで足を運んでいただいてありがとうございました。 お知らせ 2026年9月9日 (水) 19:00〜20:30 にSanSan株式会社様・株式会社ニーリー様・弊社の共同で PyCon JP 2026 の非公式アフターイベントを開催いたします！オンラインで開催いたしますため、ぜひお気軽にご参加ください！ sansan.connpass.com

1. はじめに エージェントに長期記憶を持たせるとき、記憶をどの単位で分けるかは設計の入口になります。1つのエージェントを複数の組織やテナントで共有するなら、「A社の会話から抽出した事実がB社の応答に混ざらない」ことを仕組みとして保証したいところです。 Amazon Bedrock AgentCore Memory は、長期記憶のレコードを namespace という階層パスで整理します。namespace は memory strategy ごとにテンプレートとして定義し、{actorId} のような変数を埋め込めます。ただし従来使えた変数は {actorId} / {sessio

みなさん、こんにちは。AWS ソリューションアーキテクトの野間です。今週も生成 AI に関する 1 週間のアップデートをお届けします。 8月26日に AWS と NVIDIA が戦略的協業の大幅な拡大を発表 しました。2027 年から 2028 年にかけて NVIDIA GPU を新たに 200 万基 AWS のグローバルインフラに追加配備する計画で、エージェント型 AI ワークロード向けの NVIDIA Vera CPU の AWS への導入も進められます。16 年にわたる両社の協業がフルスタックへと広がっていく動きで、お客様のワークロードに合わせて NVIDIA GPU と AWS Trainium を自由に選べる環境がさらに強化されていきそうです。気になる方はニュースリリースをチェックしてみてください。 それでは 8月 24日週の生成 AI with AWS界隈のニュースを見ていきましょう。 さまざまなニュース AWS生成AI国内事例ブログ「 株式会社 Sapeet がプロダクトの成長に合わせて生成 AI 基盤をコードベースへ ― Dify で築いた資産を活かし、Amazon Bedrock AgentCore と Strands Agents SDK への移行を 2 週間で実現 」 ノーコード AI プラットフォームの Dify で立ち上げた監査業務向けの生成 AI 環境分析ツールを、プロダクトの成長に合わせて Amazon Bedrock AgentCore と Strands Agents SDK によるコードベースのアーキテクチャへ移行した事例です。Dify のブロック繋ぎ型ワークフローと Strands Agents SDK のノードベース実行が構造的に類似する「ノード親和性」により、約 1 年間かけて磨き上げたワークフローの設計思想をそのまま移行資産として活かし、実質 2 週間で基盤移行を完了しました。移行後は Git ベースの差分管理とプルリクエストベースのコードレビューフローが確立され、AWS CDK の L2 Construct によりインフラを含めた一元管理を実現しています。 AWS生成AI国内事例ブログ「 株式会社 JAPANNEXT 様の AWS 生成 AI 事例「Amazon Connect と Amazon Bedrock で営業業務とカスタマーサポート業務を刷新。対応件数を 15% 増加、引き継ぎ工数ゼロを実現」のご紹介 」 液晶ディスプレイメーカーの JAPANNEXT 様が、クラウド型コンタクトセンターサービスの Amazon Connect Customer と Amazon Bedrock を活用し、営業とカスタマーサポートの電話対応業務を刷新した事例です。通話の文字起こしと Amazon Bedrock によるカスタマイズされた要約を組み合わせ、AWS Lambda で担当者が日常的に使うチャットツールへ終話後数分で連携する仕組みを構築しました。先行して運用を開始した営業部門では、1 日の電話対応件数が 15% 増加し、自動ルーティング機能により担当者への電話引き継ぎに要していた時間がゼロになったほか、担当者の残業時間も 15% 削減されています。 イベントレポート「 実践企業に学ぶ生成 AI 導入の勘所 〜眠るデータを企業価値に変える〜 – AWS Local Executive Roadshow 札幌編（#7/8）開催レポート 」 2026 年 4 月から 5 月にかけて全国 5 拠点・計 8 回で開催された「AWS Local Executive Roadshow」の第 7 回、札幌開催のレポートです。事例セッションでは、クラスメソッド株式会社が開発した、個人の知見・思考パターン・判断基準をインタビューと分析を通じて AI エージェントとして再現するデジタルツインサービス「ghoost」と、北海道文化放送株式会社（UHB）が視聴率分析などで生じていたナレッジの属人化の解決に向けて取り組んだ PoC が紹介されました。クラスメソッドでの早期検証では、生成された ghoost の回答の 92.3% が「本人らしい」と第三者に評価されています。検証前に撤退基準を設け、ROI の見える化と本人らしさの二軸で評価する UHB 様の進め方など、導入判断の実践的な知見が語られています。 イベントレポート「 AI ツールで実現する継続収益ビジネス​ 〜開発力を資産に変える〜 – AWS Local Executive Roadshow 札幌編（#8/8）開催レポート 」 同シリーズ最終回となる第 8 回、札幌での IT 企業向け開催のレポートです。株式会社アドウイック様は、5 名の少人数チームで複数のコーディングエージェントを比較検証して Cursor を採用し、取り組み開始からの 1 年でファイル送受信サービス、名刺管理アプリ、議事録作成アプリという 3 つのサービスをゼロから開発しました。名刺管理アプリでは、従来の OCR サービスから Amazon Bedrock 上の Claude による文字認識に切り替えたことで、縦書きも横書きも問題なく読み取れるほど精度が向上しています。「低い点数でもいいのでまず試してみる」「小さく始める」「メンバーを巻き込む」という 3 つの考え方のもと、小さな成功体験の積み重ねが、AWS 資格の取得数がメンバー全体で 1 年に 20 個近くにのぼるといった組織の変化につながった様子が語られています。 ブログ記事「 Amazon Quick と Snowflake Cortex AI によるマネーロンダリング対策のアラートトリアージの自動化 」 金融サービスで最も労働集約的なワークフローの 1 つであるマネーロンダリング対策（AML）のアラートトリアージを、Amazon Quick Flows と Snowflake Cortex を Amazon Quick の MCP（Model Context Protocol）統合で接続して自動化する手順を解説しています。アナリストがアラート ID を入力すると、フローが Snowflake Cortex Agent を呼び出して取引データやコンプライアンス文書を横断的に調査し、リスクスコアと対応判断の推奨を含む構造化された調査ブリーフを生成します。テスト環境では、アラート調査に要する時間が 30〜90 分から 5 分未満に短縮されました（実際の結果はアラートの複雑さやデータ量によって異なる場合があります）。プロンプトの表現によって出力が変動するチャットエージェントと異なり、誰が実行しても同じ構造化されたステップをたどるため、監査対応可能な一貫した調査ブリーフが得られる点もポイントです。 ブログ記事「 パート2: Amazon AthenaとCUDOSを使用したAmazon Bedrockのコスト配分 」 Amazon Bedrock のきめ細かなコスト配分機能で得られる IAM プリンシパル別のコストデータを、Amazon Athena と CUDOS ダッシュボードで可視化・分析する方法を解説する記事です。IAM プリンシパルデータを含む CUR 2.0（Cost and Usage Report）データエクスポートの設定から、Athena による SQL クエリパターン、CUDOS ダッシュボード バージョン 5.8 の AI/ML タブに追加された Amazon Bedrock セクションまでを段階的に紹介しています。ユーザー別・使用タイプ別のコスト分解や、IAM プリンシパルタグによるチーム・プロジェクト別の集計、100 万トークンあたりのコストのトレンド追跡ができ、「誰がどのモデルを呼び出していて、いくら使っているか」という質問に答えられるようになります。（ パート1はこちら ） ブログ記事「 Amazon Bedrock のきめ細かなコスト配分の導入 」 Amazon Bedrock が、推論コストを API コールを実行した IAM プリンシパル（IAM ユーザー、アプリケーションが引き受けたロール、フェデレーテッド ID）に自動的に紐付けるようになりました。CUR 2.0 のデータエクスポートで IAM プリンシパルデータを有効にすると、line_item_iam_principal 列でユーザーごと・アプリケーションごとの支出を確認でき、オプションのコスト配分タグを使えば AWS Cost Explorer や CUR 2.0 でチーム別・プロジェクト別に集計することもできます。記事では、IAM ユーザーや API キーを使う開発者、IAM ロールを使うアプリケーション、フェデレーテッド認証、LLM ゲートウェイという 4 つのアクセスパターン別にセットアップ方法を解説しています。本機能は追加費用なしで商用リージョンで利用できます。 ブログ記事「 ラップトップを閉じても、エージェントは動き続ける。cloud sessions で開発する 」 Kiro がリリースした cloud sessions（プレビュー）は、AI エージェントをローカルマシンではなくクラウドのサンドボックス上で実行する機能です。エージェントがリポジトリをクローンして作業を進めるため、ラップトップを閉じても処理は継続し、CLI・IDE・ブラウザーのどれからでも同じセッションの進捗確認と再開ができます。記事では、既存の EC アプリに決済 API を追加するタスクを題材に、CLI から --cloud フラグでセッションを起動し、音声入力機能 /voice でプロンプトを伝え、Kiro Web で進捗を確認して IDE で成果物をレビューするまでの一連の流れを紹介しています。Cloud Sessions は米国東部（バージニア北部）の us-east-1 リージョンでのみ利用できます。 ブログ記事「 継続的なプロンプト評価: LLM ジャッジとライブシグナルを使って Kiro エージェントの品質を高める方法 」 Kiro の開発チームが、システムプロンプトの変更を LLM ジャッジと実際の利用データで継続的に評価している仕組みを解説した記事です。診断・設計・テスト・評価の 4 ステージからなるサイクルを回し、社内の会話をタスクの完遂度や主張の正確性など 15 の挙動ディメンションでスコアリングして、プロンプト変更の効果を A/B 実験で検証します。社内の実験レベルの比較では、Kiro IDE で挙動品質の問題が 20% 減少、コードスタイルの不一致が 54% 減少するなどの結果が観測されました。同じプロンプト変更でも効果はモデルに依存するため、モデルアップグレードのたびに再検証が必要になるという知見も共有されています。 ブログ記事「 本番インシデントのトリアージを AI エージェントに任せられるようになるまで 」 Kiro のデータプレーンを運用するチームが、本番チケットキューのトリアージを Kiro CLI 上で動く AI エージェントに任せられるようになるまでの道のりを紹介しています。システムは専用のオーケストレーションフレームワークやファインチューニングしたモデルを使わず、Kiro CLI と markdown のステアリングファイル、MCP（Model Context Protocol）サーバー、スキルで構成されています。ある日曜日の深夜に発報したアラームでは、13 分 35 秒後には根拠のある診断がチケットに投稿されており、オンコールエンジニアの仕事は調査を始めることから、完了した調査をレビューして意思決定することへと変わりました。代表的な 1 か月では約 250 件の調査が無人で、中央値 13.6 分で完了しています。ドキュメントのバグをエージェントがマシンの速度で受け継いでしまうといった失敗談も含めて共有されています。 ブログ記事「 AI コーディングエージェントは本当に良くなっているのか？ 」 Kiro IDE の diagnostics ツール（エージェントがコードを書いたり変更したりした際に静的解析器で出力をチェックする仕組み）の呼び出しデータ約 40.6 万件を、2026 年 1 月から 6 月までの 6 か月間・7 つの Claude モデルにわたって分析した記事です。ファイルあたりのエラー数は両モデルファミリーとも最新版で約 1.2 に収束して低下傾向にある一方、エラーの構成は変化しており、解決できない import が全エラーの約 30〜58% を占めること、テストコードは実装コードより正しく書くのが 3〜4 倍難しいように見えること、言語別では Java のファイルエラー率（26.7%）が Python（4.0%）の 6.7 倍にのぼることなどが明らかになっています。 サービスアップデート OpenAI GPT-5.6 Terra および Luna が AWS GovCloud (US) の Amazon Bedrock で利用可能に OpenAI の GPT-5.6 Terra と Luna が、AWS GovCloud (US-West) および AWS GovCloud (US-East) の Amazon Bedrock で一般提供を開始しました。バランスの取れた性能の Terra と、高速でコスト効率の高い推論の Luna という 2 つの能力ティアをカバーし、Terra は GPT-5.5 レベルの性能を半分のコストで提供します。両モデルとも 100 万トークンのコンテキストウィンドウをサポートするため、コードベース全体や長大なドキュメントを 1 回のリクエストで処理できます。明示的なキャッシュブレークポイントによるプロンプトキャッシュにも対応しており、繰り返し利用されるコンテキストは 90% 割引で課金されます。 SpaceXAI Grok 4.6 が AWS GovCloud (US) の Amazon Bedrock で利用可能に AWS GovCloud (US) の Amazon Bedrock が、コーディング・エージェントタスク・ナレッジワーク向けに構築されたフロンティアモデルである SpaceXAI Grok 4.6 をサポートしました。500K のコンテキストウィンドウと、4 段階（low / medium / high / xhigh）で設定可能な推論エフォートを備えています。 bedrock-runtime エンドポイントで Responses、Chat Completions、Converse の各 API をサポートし、両方の AWS GovCloud (US) リージョンにまたがるクロスリージョン推論により大規模に利用できます。AWS GovCloud (US-East) では bedrock-mantle エンドポイント経由でも利用可能です。 Amazon Bedrock AgentCore Memory がきめ細かなアクセス制御をサポート Amazon Bedrock AgentCore Memory が、きめ細かなアクセス制御（FGAC）をサポートしました。カスタムの認可ロジックを構築することなく、AgentCore Gateway を通じてユーザー単位・テナント単位のメモリ分離を実現できます。OAuth（JWT）認証を構成した AgentCore Gateway を Memory リソースの前段に配置し、Cedar ポリシーをアタッチすることで、認証された呼び出し元のアイデンティティに基づくアクセス制限が可能になり、アクセス制御の実施をアプリケーションコードからインフラレイヤーに移せます。 Amazon Bedrock AgentCore Memory が柔軟な名前空間変数をサポート Amazon Bedrock AgentCore Memory で、柔軟な名前空間変数を定義できるようになりました。組織・テナント・チーム・環境といったアプリケーション固有のディメンションで長期メモリをスコープでき、メモリ戦略（会話から抽出する情報の種類を決める設定）の重複作成や組み込み変数の使い回しが不要になります。メモリリソースにキーを定義し、メモリ戦略の名前空間テンプレートで参照して、実行時に CreateEvent API で値を渡す仕組みで、メモリリソースあたり最大 5 つのキーを定義できます。AgentCore Memory が一般提供されているすべての AWS リージョンで、追加料金なしで利用できます。 Amazon Bedrock AgentCore が新たに 2 つのリージョンに拡大 AI エージェントの構築・接続・最適化のためのプラットフォームである Amazon Bedrock AgentCore が、米国西部（北カリフォルニア）リージョンとアジアパシフィック（ハイデラバード）リージョンで新たに利用可能になりました。エージェントランタイム、アイデンティティとアクセス制御、ポリシー管理、セッション永続化、ツール接続、評価、可観測性といった AgentCore の機能を提供開始時点から利用でき、これらのリージョンの顧客はエンドユーザーにより近い場所で低レイテンシーにエージェントを構築・実行できます。 Amazon SageMaker HyperPod が Ray のサポートを強化 Amazon SageMaker HyperPod が、AI ワークロードをスケールさせる人気のオープンソースフレームワーク Ray のサポートを強化しました。Amazon SageMaker Studio の Web ベースのインターフェイスから Ray クラスターを作成・管理し、JupyterLab や Code Editor、ローカル IDE を実行中のクラスターに接続して対話的に開発できます。可観測性では Grafana ダッシュボードのプロビジョニングと Ray Dashboard へのワンクリックアクセスが提供され、大規模学習ではノード自動復旧・ハングジョブ検知・階層化チェックポイントが長時間の学習を障害から守ります。Ray Serve による推論では、階層化された KV キャッシュが最初のトークンまでの時間を短縮します。Amazon EKS でオーケストレーションされる HyperPod クラスターを対象に、SageMaker HyperPod がサポートされる AWS リージョンで利用できます。 SageMaker MLflow がカスタマーマネージドキーをサポート SageMaker MLflow が、AWS Key Management Service（KMS）のカスタマーマネージドキー（CMK）によるデータの暗号化に対応しました。厳格なセキュリティ・コンプライアンス要件を持つ組織が自らの暗号化キーを管理できるようになり、AWS CloudTrail との統合によりデータアクセスをトレースする監査も可能です。キーは MLflow App と同じ AWS アカウント・リージョンで作成する必要があり、対称 KMS キーのみがサポートされます。MLflow App が利用できるすべての AWS リージョンで一般提供されています。 Muse-Glimmer-30B および Qwen 3.8-27B モデルが Amazon SageMaker JumpStart で利用可能に Meta の Muse-Glimmer-30B と Alibaba の Qwen 3.8-27B が Amazon SageMaker JumpStart で利用可能になりました。Muse-Glimmer-30B は、複数ステップの推論・ツール利用・失敗からの回復を備えた自律的なエージェントタスク向けに設計された 30B パラメータの密モデルで、131K 超のコンテキストウィンドウと選択可能な推論強度（low〜extra-high）を持ち、Apache 2.0 ライセンスで公開されています。Qwen 3.8-27B は、コーディング・複数ステップのエージェントタスク・テキスト/画像/動画にわたるマルチモーダル理解に優れた 27B パラメータのネイティブなビジョン言語モデルで、262K のコンテキストウィンドウ（YaRN スケーリングで約 1M まで拡張可能）を備え、SWE-bench Pro で 61.7 のスコアを記録しています。 Cosmos3-Edge、Cosmos3-Nano、Cosmos3-Super モデルが Amazon SageMaker JumpStart で利用可能に NVIDIA の Cosmos3-Edge、Cosmos3-Nano、Cosmos3-Super が Amazon SageMaker JumpStart で利用可能になりました。3 つのモデルは、フィジカル AI（物理世界を知覚・推論・計画・行動する AI）向けのオープンなオムニモーダル世界モデル「Cosmos 3」ファミリーを構成し、ロボット・自律走行車・ビジョン AI の構築に活用できます。Cosmos3-Edge はエッジハードウェア上でのオンデバイスのロボット制御とリアルタイムの視覚推論向けの 4B パラメータモデル、Cosmos3-Nano は物理法則の理解を踏まえた世界生成と物理推論に優れる 16B パラメータモデル、Cosmos3-Super はファミリー内で最高精度の世界生成・シミュレーションを担う 64B パラメータモデルです。 Kiro CLI : フルスクリーンのスペックタスク実行とスクロールバックの保持 Kiro CLI の本リリースでは、V3 のスペック実行に、リアルタイムの進捗表示とタスクスコープ選択を備えたフルスクリーンのタスク実行ビューが追加されました。 /spec run でスペックを実行すると専用のフルスクリーンビューが開き、実行開始前にタスクの範囲を選択して、進捗をリアルタイムに追跡できます。また、新しい「Preserve scrollback」トグルを有効にすると、画面のオーバーフローやリサイズによる再描画が発生してもターミナルの履歴が保持されます。 Kiro IDE : サードパーティ拡張機能との互換性と、より信頼性の高い MCP サインイン Kiro IDE の本バージョンでは、サードパーティ製の拡張機能を Kiro と併用できるようになりました。あわせて、最新の MCP（Model Context Protocol）プロトコルリビジョンのサポートによりサインインの信頼性が向上したほか、大きなエージェントレスポンスの処理中に発生していた拡張機能ホストのクラッシュが減少し、ネットワークが一時的に切断されてもエージェントのターンが継続されるようになっています。 生成 AI の活用を検討されている企業の皆様に向けて、AWS ジャパンでは「 AWS ジャパン生成 AI 実用化推進プログラム 」をご用意しています。ぜひご活用ください。 今週は以上です。それでは、また来週お会いしましょう！ 著者について 野間 愛一郎 (Aiichiro Noma) AWS Japan のソリューションアーキテクトとして、製造業のお客様を中心に日々クラウド活用の技術支援を行なっています。データベースやデータ分析など、データを扱う領域が好きです。最近燻製づくりにハマってます。