2026 年 9 月 25 日、 Amazon CloudWatch は CloudWatch Omni を発表しました。これは、アプリケーション中心で AI を活用し、オープンスタンダードに基づいて構築され、オフコンソールで提供される、アプリケーションと AI ワークロードの統合オブザーバビリティエクスペリエンスです。CloudWatch Omni は、AI エージェント向けに特化して構築されたオブザーバビリティ、評価、実験のためのソリューションです。評価主導のワークフロー、既存のツールのサポート、そして作業環境に直接提供されるオブザーバビリティにより、チームは、モデルプロバイダー、フレームワーク、ランタイムを問わず、AI エージェントの設計、評価、運用を行えます。オブザーバビリティは IDE に直接提供されるほか、AWS Management Console とは独立したスタンドアロンの Web エクスペリエンスからも利用できます。 エージェント型 AI システムを導入する組織は、従来のモニタリングでは対処できないオブザーバビリティの課題に直面しています。エージェントの動作は非決定的です。標準的なメトリクスでエラーが示されていなくても、プロンプトを変更すると応答品質が低下する可能性があります。チームは複数のシステムにまたがるログを手作業で確認するために何時間も費やしており、何が変更されたのか、なぜ変更されたのかを特定できないことがあります。既存のツールでは、チームはサイロ化された生成 AI モニタリングを利用するか、コーディング環境とブラウザーベースのダッシュボードを頻繁に行き来する必要がある分断されたソリューションを利用するかの選択を迫られます。 CloudWatch Omni はすべてのトレースをキャプチャし、正確性、一貫性、検索品質、ツール選択などを評価する組み込みの評価機能を備えています。Playground でプロンプトバージョンを並べて比較したり、本番トラフィックからテストデータセットを構築したり、さまざまな構成で実験を実行したり、リグレッションを自動的に検出したりできます。 開発用と運用用の2つのサーフェス CloudWatch Omni は、相互に補完する 2 つのインターフェイスを通じてオブザーバビリティを提供しま開発者は、現在サポートされている IDE である VS Code と Kiro にネイティブ拡張機能を導入できます。エージェントの実行中にトレースが表示され、プレイグラウンドや評価機能にもワンクリックでアクセスできます。運用担当者は、AWS Management Console とは独立したスタンドアロンの Web エクスペリエンスを利用してフリートをモニタリングできます。SSO 経由でアクセスでき、AWS Management Console は必要ありません。どちらも同じデータを共有します。開発者がデバッグするトレースと、運用担当者が調査するトレースは同じものです。 Cloud Login 機能 は、ローカルの IDE 環境を AWS アカウントに接続し、テレメトリデータを Amazon CloudWatch に送信して永続的に保存したり、チームとトレースを共有したり、本番環境のダッシュボードにアクセスしたりできるようにします。この接続はオプションです。開発中は CloudWatch Omni を完全にローカル環境で使用し、本番環境のエージェントをモニタリングする準備ができたら、クラウドに接続できます。 使用の開始 CloudWatch Omni を使い始める方法は 2 つあります。IDE 拡張機能（VS Code と Kiro 向け）を使用する方法と、クラウドエクスペリエンスから直接開始する方法です。クラウドエクスペリエンスでは、IDE 拡張機能をインストールせずに CloudWatch へのテレメトリデータの送信を開始できます。このチュートリアルでは、拡張機能をインストールし、エージェントを作成して実行した後、IDE からトレースと評価ツールを確認します。 VS Code Marketplace から CloudWatch Omni 拡張機能をインストールすると、アクティビティ バーに CloudWatch Omni のアイコンが表示されます。ウェルカム画面から、[ サンプルプロジェクトを開始する ] を選択して、事前設定されたエージェントにサンプルトレースデータをロードするか、Command+Shift+P（macOS の場合）または Ctrl+Shift+P（Windows/Linuxの場合）を使用してコマンドパレットへのショートカットを使用し、[オムニ：新しいプロジェクトの作成] を選択します。 図 1.CloudWatch オムニウェルカムスクリーンと VS Code での新規プロジェクトの作成 サンプルプロジェクトには、エージェントの実装とサンプルデータセットが含まれています。使用開始時の設定の一環として、OpenTelemetry の計測機能を追加します。CloudWatch Omni が各手順をガイドします。新しいエージェントを最初から作成することもできます。CloudWatch Omni では、インタラクティブなチャットを使ってプロセスを進めます。チャットでエージェントの目的を定義し、モデルプロバイダーを選択して、ツールを設定します。デフォルトでは、すべてのデータはローカルに保存されます。必要に応じて AWS に接続し、Amazon CloudWatch にデータを送信できます。 設定を確認した後、ローカル開発サーバーを起動し、エージェントに質問を送信しました。これが一般的なチャットボットインターフェースと異なるのは、次に何が起こるかということです。「 トレースを表示 」を選択すると、エージェントがリクエストをどのように処理したかが正確に表示されます。 図 2.CloudWatch Omni は、AI コードアシスタントをガイドし、テスト用のローカル開発環境を設定できるようにします CloudWatch Omni は、Kiro、Claude Code、Codex などの AI コードアシスタントと統合し、セットアッププロセスを効率化します。これらのアシスタントは、Dev Server の設定、依存関係のインストール、計測機能の設定を代わりに行うことができるため、手動で設定することなく、インストールから最初のトレース付きエージェントセッションの実行までを数分で完了できます。 図 3.エージェントとのやり取りとトレースの表示 トレースは AI エージェントの動作を理解するために不可欠です。従来のリクエストとレスポンスのシステムとは異なり、エージェントは 1 回の呼び出しで複数の意思決定を行います。ツールの選択、プロンプトの組み立て、サブコールの連鎖などが含まれます。トレース全体を可視化できなければ、エージェントが誤った回答を生成した理由や、予期しない処理経路をたどった理由の診断は推測に頼ることになります。CloudWatch Omni は、すべてのステップを構造化されたタイムラインに記録するため、動作が想定から外れた箇所を正確に特定できます。 Trace Explorer では、エージェントが実行したすべてのステップ（LLM 呼び出し、ツールの呼び出し、推論ステップ）を、構造化された階層型タイムラインで詳細に確認できます。任意のスパンを詳細に確認して、入力、出力、トークン使用量、レイテンシーを調査できます。 図 4。エージェントの実行タイムラインを表示するトレースエクスプローラー Trace Explorer は比較モードもサポートしています。比較モードでは 、2 つのトレースを並べて表示し、異なるプロンプトや設定が動作にどのように影響するかを確認します。比較モードは、リグレッションのデバッグに特に役立ちます。また、 Ask Assistant を使用すると 、AI エージェントがトレースから表面のパターンや異常を分析し、「なぜエージェントはこのツールを2回呼び出したのか」などの質問に答えます。 図 5。2 つのトレースを並べて比較する 評価は、生成 AI のオブザーバビリティを、実際の品質改善につながるものに変える役割を果たします。レイテンシーやエラー率などの従来のメトリクスでは、エージェントの応答が有用で、一貫性があり、事実に基づいて正確なものかどうかを判断できません。評価機能は、各応答を品質の観点から評価することで、ユーザーが実際に体験する品質を測定し、標準的なモニタリングではまったく検出できないリグレッションを発見できるようにします。 CloudWatch Omni には、一貫性、有用性、忠実性、ルーティングの正確性などのメトリクスに対応する 17 種類の組み込み評価機能が含まれています。Trace Explorer からトレースを選択し、評価機能を選んで評価を実行しました。カスタム評価フレームワークを構築することなく、各サンプルのスコアと集計メトリクスを取得できました 。 図 6.トレースの評価の実行 そこから、 Playground を使用してさまざまなシステムプロンプトを並べてテストし、複数のモデルとプロンプト構成をリアルタイムで比較して、変更を加える前に各バリエーションが出力品質にどのように影響するかを確認しました。Experiments ビューを使用すると、同じデータセットに対して 2 つのエージェントのバリエーションを実行し、評価スコア、レイテンシー、トークン使用量を並べて比較できるため、パフォーマンスの高い構成を選択できます。 図 7 。Omni Experimentsコンソールでのエージェントバリアントの評価比較 Prompt Management を使用すると 、プロンプト構成を長期にわたってバージョン管理および追跡できるため、新しいバージョンのパフォーマンスが低下した場合でも、簡単にロールバックできます。 CloudWatch Omni には、完全な会話履歴を確認し、エージェントが複数ターンのインタラクションをどのように処理するかを把握できる Session Explorer も用意されています。また、 Agent Topology ビューでは、サブエージェント、ツール、およびそれらの相互接続を含むエージェントシステムのアーキテクチャを可視化できます。任意のノードを詳細に確認して、パフォーマンスを調査し、ボトルネックを特定できます。 CloudWatch Omni には、IDE を使用せず、任意のブラウザーからアクセスできる専用の Web エクスペリエンスも用意されています。チームは、アプリケーションモニタリング、分析、エージェントのオブザーバビリティ、AI を活用した調査など、すべての機能に共同でアクセスできます。 図 8.アプリケーションモニタリング、分析、エージェントオブザーバビリティを備えた CloudWatch Omni ウェブエクスペリエンス トレースをキュレーションしてゴールデンデータセットにし 、構造化された実験を行いました。 Experiment 関数は 、データセットに対してエージェントを実行し、結果を自動的に評価します。プロンプトやエージェントのロジックが変更されるたびに、リグレッションテスト用のベンチマークを作成できます。 サポートされているフレームワークで構築されたエージェントがすでにある場合、CloudWatch Omniはインストルメンテーションを追加するための2つの方法を提供します。 1つはフレームワークを検出してトレースを自動的に設定する Auto-Instrumentswith Kiro 、 もう1つは Python と TypeScript 用のすぐに使えるコードスニペットを使った手動インストゥルメンテーションです 。詳細なインストルメンテーションガイドについては、 CloudWatch Omni ドキュメントを参照してください。 サポートされているフレームワークとオープンスタンダード 上記のチュートリアルではサンプルプロジェクトを使用していますが、CloudWatch Omni は、チームがすでに使用しているエージェントフレームワークにも対応しています。LangChain、LangGraph、CrewAI、OpenAI SDK、Strands、Vercel AI SDK など、Python と TypeScript の両。また、 Amazon Bedrock AgentCore で構築されたエージェントにネイティブなオブザーバビリティを提供し、AgentCore の評価機能を使用してエージェントの品質をオムニワークフロー内で直接評価します。 計測機能には、エージェントが Lambda、ECS、EKS、その他のクラウドのいずれで実行されている場合でも、オープンスタンダード（OpenInference および ADOT）が使用 。評価については、Omni は Braintrust、DeepEval、Ragas などのサードパーティー評価ツールと統合できるほか、組み込みのデータセット、プレイグラウンド、バッチ実験も利 。再プラットフォーム化は不要です。 CloudWatch Omni は、エージェントのオブザーバビリティとアプリケーションのオブザーバビリティを 1 つのエクスペリエンスに統合します。アプリケーションのオブザーバビリティ体験については、関連記事「 Amazon CloudWatch Omni の紹介:人工知能を活用したアプリケーションのコラボレーティブオブザーバビリティ 」を参照してください。 料金と利用可能なリージョン Amazon CloudWatch Omni が一般公開されました。IDE 拡張機能は自由に使用できます。開始するのに AWS アカウントは必要ありません。Amazon Bedrock のモデルを使用する場合は AWS 認証情報のみが必要で、OpenAI や Anthropic などの他のプロバイダーを使用する場合は API キーのみが必要です。 VS Code マーケットプレイスから拡張機能をインストールして 、今すぐ始めましょう。 すべての機能を調べてすぐに使い始めるには、 CloudWatch on AWS Builder Center にアクセスしてください。 API を呼び出したり、ドキュメントを検索したり、リージョンごとの提供状況を確認したり、この新機能に関するトラブルシューティングを確認したりする場合は、お好みの AI ツールで AWS MCP Server と プラグイン を使用してみてください。 AWS re:Post でフィードバックを共有するか、通常の AWS サポート の連絡先からお問い合わせください。 ハッピービルディング! – Daniel Abib 原文は こちら です。

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サーバー への接続手順 8.1. Developer Mode 8.2. mcp.json の編集 9. LM Studio での Local LLM のロード 10. MCPサーバーとの接続 10.1. mcp/elastic-agent-builder との接続 10.2. 利用する tool の選択 11. 問い合わせの実行 11.1. 問い合わせの実行 11.2. 処理の継続 11.3. 回答の確認 12. 注意事項 13. 参考URL 1. はじめに 「Pythonコード不要？Elastic AI Agent と ES|QL で実現する超シンプルな次世代RAG」のブログ で Elastic AI Agent を使って、「柿之助」についての質問に答える RAG を作成しました。 その際、「柿之助」に関するコンテキストを取得する手段として ES|QL を用いた Elastic AI Agent Tool を作成・登録しました。 本記事では、この Tool を MCP (Model Context Protocol) サーバーとして公開し、LM Studio などの MCPクライアントから外部ツールとして呼び出せる環境を構築してみます。 ※一般的には MCPサーバーは多様な役割を担いますが、本稿では「柿之助のコンテキストを提供するデータソース」としてシンプルに活用しています。 Elastic AI Agent Tool （の集合）をMCP サーバーとして公開するメリット： Claude Desktop や LM Studio などの標準的な MCP クライアントから、自作の Elastic 検索ロジック（ES|QL）をコンテキスト提供ツールとしてシームレスに呼び出せるようになります。 2. 動作環境 Elastic Cloud Enterprise License (Elastic Integration Service (EIS) 用に必要) Docker 実行環境 (筆者はWindows用のRancher Desktop 1.24.0を利用) MCPクライアント : LM Studio 0.4.25 Local Chat LLM : google/gemma-4-e4b ※Elasticsearch 9.5.3 (Trial License) は、自動的にダウンロードされます。 ※今回、MCPクライアントには LM Studio を利用しました。MCPクライアントに Claude Desktop などを利用することも可能です。　→　参考URL: Claude DesktopにElastic Agent BuilderのMCPサーバーを追加する方法 3. 以前のバージョンとの比較 2025年1月に作成した RAG アプリケーションとの比較表です。 項目 2025年01月版 今回版(MCP利用版) ベースとなる Elasticsearch のバージョン v8.16.0 v9.5.3 index.mode standard vectordb_document Machine Learning Node 必須 不要 (代わりにEISを利用) クエリーの言語 Query DSL ES|QL 密ベクトル生成用のモデル .multilingual-e5-small_linux-x86_64 .jina-embeddings-v5-text-nano (EIS経由) セマンティックリランク用モデル なし .jina-reranker-v3.5 (EIS経由) MCPサーバー なし Elastic AI Agent Tool MCPクライアント なし LM Studio 質問回答用LLM Cohere Command R (2024年12月版) google/gemma-4-e4b UI Streamlit LM Studio 4. シーケンス図（概略図） 5. 準備 Pythonコード不要？Elastic AI Agent と ES|QL で実現する超シンプルな次世代RAG の準備作業の 1 ～ 5.4 までを行い、以下が完了している状態にします。 Elasticsearch / Kibana のセットアップ ES|QLを用いた AI Agent Tool (kakinosuke.get_contents) の登録 ※なお、Elastic 側の AI Agent の登録は今回は不要です。 6. MCPサーバーのURL の取得 ※ Kibana の Display language : 日本語 としています。 6.1. Elasticsearch / Agent / Tool の画面の表示 Kibana にログイン後、Home / Elasticsearch / エージェント / ツール の画面を表示します。 6.2. すべてのツールを管理 右上の すべてのツールを管理 をクリックします。 6.3. MCPサーバーのURLをコピー ツールライブラリ画面が表示されるので、右上の MCPを管理 から MCPサーバーのURLをコピー をクリックします。 MCPサーバーのURLがクリップボードにコピーされるので、メモ帳などに貼り付けて記録しておきます。 今回は Docker 上で、HTTP で動作させているため、下記のような URL になるはずです。 http://localhost:5601/api/agent_builder/mcp 7. API Key の発行 7.1. APIキー作成画面の検索 上部の検索窓に api と入力します。「セキュリティ / APIキー」が検索結果に表示されるのでクリックします。 7.2. APIキー作成画面への遷移 [(+) APIキーを作成] をクリックします。 既に他のAPIキーが存在する場合、表示される内容が異なりますが、その場合も [(+) APIキーを作成] をクリックしてください。 7.3. APIキーの作成 APIキー作成画面が表示されます。 名前に MCPサーバーへのアクセス用とわかる名前を入力し、右下の [APIキーを作成] をクリックします。 名前 : mcp_server_api_key (例) ※注 本番運用では、有効期限の設定や、セキュリティ権限の制御を行うことを推奨します。 7.4. APIキーのコピー APIキーが作成されると、APIキーの作成完了画面が表示されます。 エンコーディング済のAPIキーの値をコピーします。 コピーした APIキーは、メモ帳などに貼り付けて記録しておきます。 もしも、この値を忘れてしまったら、APIキーを再作成してください。 8. LM Studio からの MCPサーバー への接続手順 8.1. Developer Mode LM Studio を起動し、Developer Mode を選択します。 Developer Mode の画面から [mcp.json] をクリックします。 8.2. mcp.json の編集 mcp.json の編集画面になるので、下記を貼り付けます。貼り付けが終わったら、mcp.json を保存します。 ※既存の設定がある場合は、それらの設定を削除しないように貼り付けてください。 ※mcp-remote の次の行のURLには、6.3. でコピーしたMCPサーバーの URL を貼り付けます。 ※YOUR_API_KEY== のところには、7.4. でコピーした APIキーの値を貼り付けます。 { "mcpServers": { "elastic-agent-builder": { "command": "npx", "args": [ "-y", "mcp-remote", "http://localhost:5601/api/agent_builder/mcp", "--header", "Authorization:${AUTH_HEADER}" ], "env": { "AUTH_HEADER": "ApiKey YOUR_API_KEY==" } } } } 9. LM Studio での Local LLM のロード LM Studio で使いたい LLM を選択してロードします。ここでは、google/gemma-4-e4b を選択しています。 この状態では、まだ、Elastic AI Agent Tool の MCPサーバーとは接続できていません。 10. MCPサーバーとの接続 10.1. mcp/elastic-agent-builder との接続 LM Studio の画面の右側に Integrations メニューが表示されます。 そこから mcp/elastic-agent-builder の左のスイッチを ON にします。 MCPサーバー (Elastic AI Agent Tool) との接続が行われます（少し時間がかかります）。 10.2. 利用する tool の選択 MCPサーバー (Elastic AI Agent Tool) との接続に成功すると、tool の一覧が表示されます。 今回利用したい tool は、kakinosuke_get_contents のみなので、それ以外のチェックを外します。 ※ Elastic 側では、kakinosuke.get_contents として登録しましたが、LM Studio 側には kakinosuke_get_contents として表示されます。 なお、MCPサーバーへの接続に成功すると、LM Studio のチャット入力欄に elastic-agent-builder が追加されて表示されます。 11. 問い合わせの実行 11.1. 問い合わせの実行 LM Studio のチャット入力欄に次の内容を入力します。 あなたは柿之助についての質問に答えるエージェントです。 # 指示1 与えられた質問を query とし、次の tool を呼び出して、結果の 5 件のドキュメントを受け取りなさい。 受け取った5件のドキュメントを指示2に渡しなさい。 - tool : kakinosuke_get_contents # 指示2 指示1 で取得した 5 件のドキュメントを元に、与えられた質問 (query) に答えなさい。 # 質問 柿之助の3人の家来は誰? 11.2. 処理の継続 途中で、「処理を継続するか？」の確認を求められるので、処理の継続を選択します。 11.3. 回答の確認 回答が次のように返ってきます（下記は回答例です）。 ご提示いただいた資料に基づくと、柿之助の3人の家来は**猫**、**ゴリラ**、そして**鷹**です。 資料には「猫と、ゴリラと、鷹と、これで三にんまで、いい家来ができたので」といった記述や、「宝物をいっぱい積んだ車を、猫が先に立って引き出しました。鷹が綱を引いて、ゴリラがあとを押しました。」という描写から、この3体が一緒に行動していることが確認できます。 LM Studio から MCPサーバーとしての Elastic AI Agent Tool へ接続し、必要なコンテキストを取得して、Local LLM に回答させることに成功しました。 12. 注意事項 公開単位の仕様： Elasticsearch の MCPサーバーは、登録されている Elastic AI Agent Tool の「集合（ライブラリ全体）」を公開します。個別の Tool のみを個別に絞り込んで公開することはできません。 通信の暗号化 (HTTPS)： 本稿ではローカル検証のため、Kibana を HTTP で動作させていますが、本番運用時は必ず HTTPS (TLS) で保護してください。 スペースの分離： 今回は検証用に Kibana の Default スペースを使用しましたが、本番環境では公開専用のスペースを作成・整理して運用することを推奨します。 API Key の権限最小化： 今回発行した API Key は検証用に有効期限や権限を設定していません。本番環境では、必要最低限のロール設定および有効期限を設定してください。 13. 参考URL Pythonコード不要？Elastic AI Agent と ES|QL で実現する超シンプルな次世代RAG Claude DesktopにElastic Agent BuilderのMCPサーバーを追加する方法 GitHubリポジトリ The post 自作の Elastic AI Agent Tool をMCPサーバーとして公開してみる。 first appeared on Elastic Portal .

オランダに住んでいる私は、電車で過ごす時間がかなり多く、たいていその時間を使って、ビルダーコミュニティが発信している内容をチェックしています。これまでは、そのためにノートパソコンを開いたり、スマートフォンでブラウザタブを操作したりする必要がありました。2026 年 9 月 21 日週、遅れている電車を待っている間に、AWS Builder Center のモバイルアプリでトレンド記事をスクロールしたり、ワークショップを確認したりしていました。そのおかげで、空いた 20 分間をとても有効に活用できました。そこで今週は、まず Builder Center モバイルアプリをご紹介できることをうれしく思います。 AWS Builder Center が iOS と Android のモバイルアプリとして利用できるようになり 、デスクトップやウェブ以外にもエクスペリエンスが拡張されました。AWS Builder ID を使用すると、サインインした状態を複数のセッションで維持しながら、トレンド記事の閲覧、600 以上の AWS Skill Builder コースへのアクセス、無料のサンドボックス環境を使ったハンズオンワークショップの管理を、モバイルデバイスから行えます。AWS Heroes、Community Builders、User Group Leaders をフォローしたり、外出先から Builder Loft のイベントカレンダーを確認したり、購読しているトピックやコミュニティのプッシュ通知を受け取ったりすることもできます。また、このアプリは Wishlist 機能にも対応しており、製品に関するフィードバックを AWS チームへ直接送信できます。Apple App Store および Google Play Store で世界中から利用できます。 Builder Center には今週、さらに 2 つの機能が追加されました。 Polls を使うと、ホームフィードからコミュニティに質問できます。質問を入力し、2～5 個の回答候補を追加して、期限を設定すると、ユーザーが投票できます。結果は随時更新され、コメント欄で議論することもできます。投票は匿名で、作成者には集計された数とパーセンテージのみが表示されます。一方、 Zero to Shipped ハッカソンは、9 月 18 日から 10 月 2 日まで開催されています。コーディングエージェントを AWS に接続し、実際に動作するアプリケーションを構築して AWS 上で公開すると、総額 28,000 ドルの賞金プールの一部を獲得できるチャンスがあります。受賞する 5 つのプロジェクトには、それぞれ 5,000 ドル分の AWS クレジットと AWS Builder のグッズセットが贈られます。 9 月 14 日週のローンチ 9 月 21 日週は、このほかにも次のような発表がありました。 Amazon Connect Talent が一般提供を開始しました 。Amazon Connect Talent は、大規模な採用活動を行う人材獲得チーム向けの、AI を活用した採用ソリューションです。Amazon が長年培ってきた採用ノウハウを基盤としており、AI エージェントを使って構造化された音声面接を実施し、エビデンスに基づく評価を行い、候補者を一貫した基準でスコアリングします。これにより、採用担当者は最終判断に集中できます。候補者は、どのデバイスからでも 24 時間 365 日面接を受けることができ、採用担当者はスコア、文字起こし、詳細な評価結果を翌朝確認できます。AI による評価中は、候補者のすべてのデータが匿名化されます。また、各コンピテンシーは評価基準に基づいて採点され、すべてのスコアは面接中の具体的な根拠と紐付けられます。さらに、採用担当者はすべての採用について最終的な意思決定権を維持します。一般提供版には、コンピテンシーに基づく評価、適応型の質問を行う AI 主導の音声面接、ブランドに合わせてカスタマイズ可能なモバイルファーストの候補者ポータル、管理者向けオンボーディングツールが含まれています。 Amazon Corretto 27 が一般提供を開始しました 。Amazon Corretto 27 は、無償かつマルチプラットフォーム対応の OpenJDK ディストリビューションの Feature Release 版で、Linux、Windows、macOS 上でダウンロードして利用できます。サポートは 2027 年 4 月まで提供されます。主な機能として、すべての環境で G1 がデフォルトのガベージコレクターとして採用されたこと（JEP 523）、TLS 1.3 向けの耐量子ハイブリッド鍵交換（JEP 527）、より小さいメモリフットプリントを実現するコンパクトなオブジェクトヘッダー（JEP 534）、さらに Java Flight Recorder の記録データが JVM 外に出る前に機密情報を削除する、JFR のプロセス内データ編集機能（JEP 536）などがあります。また、強化されたパターンマッチング、構造化並行処理、遅延定数のプレビューも継続されており、Vector API のインキュベーター版も含まれています。 Moonshot AI の Kimi K3 が Amazon Bedrock で一般提供を開始しました。Kimi K3 は、コーディングおよびナレッジワーク向けに Amazon Bedrock で利用できるようになりました。 。Moonshot AI によると、Kimi K3 は同社で最も高性能なモデルであり、2.8 兆パラメータ規模に到達した初のオープンモデルです。ネイティブなビジョン機能と 100 万トークンのコンテキストウィンドウを組み合わせており、大規模なリポジトリを対象とする長時間のコーディングセッション、複数ドキュメントの分析、拡張エージェント型ワークフローに適しています。Moonshot AI は、Kimi K2 と比較してスケーリング効率が約 2.5 倍向上したとしています。Kimi K3 は、Amazon Bedrock 上のオープンウェイトモデルとして初めて明示的なプロンプトキャッシュをサポートしており、コンテキストを複数のモデル呼び出しで再利用する際のレイテンシーと入力コストの削減に役立ちます。 AWS は利用開始時のエクスペリエンスを刷新しました 。新しいプロジェクトを開始するビルダー向けに、よりシンプルな新しい体験を発表しました。最初に設定作業をすべて完了するのではなく、適切なデフォルト設定ですぐに開始できます。Google、GitHub、Apple などの既存の ID プロバイダーを使用してサインアップでき、多くの新規ユーザーではクレジットカードも不要です。また、AWS Free Tier の一環として 100 ドル分の無料クレジットが提供されます。AWS は作業を「プロジェクト」単位で整理します。プロジェクトには AWS アカウントと共有設定が含まれ、セキュリティ管理も AWS 側で適用されます。チームメンバーを招待できます。IAM ユーザーを設定する必要はありません。月間利用上限額は 20 ドルから設定でき、後から高度な AWS 機能を追加費用なし、かつ移行作業なしで有効化できます。このエクスペリエンスは、徐々に新しいお客様にも展開されています。 新しい低コストで耐久性に優れた Amazon EC2 T8i インスタンスが一般提供を開始しました 。Amazon EC2 T8i インスタンスは、Intel Xeon Scalable プロセッサ（Granite Rapids）を搭載しており、EC2 インスタンスの中でも特に低コストな選択肢の1つです。前世代の T3 インスタンスと比較して、最大 30 %優れたコストパフォーマンスを提供します。マイクロサービス、低トラフィックの Web サイト、開発・テスト環境、小規模なデータベースなど、CPU 使用率が低～中程度のワークロード向けに設計されています。T8i インスタンスは、T3 と比較してコンピューティング性能が最大 70 %向上し、ネットワーク帯域幅が最大 1.25 倍、Amazon EBS 帯域幅が最大 2.4 倍向上しています。また、同じ CPU クレジットシステムを使用しているため、T3 からのアップグレードも容易です。 AWS Elastic Beanstalk に Cluster Mode が導入されました 。AWS Elastic Beanstalk Cluster Mode は、Amazon EKS を基盤とする共有インフラストラクチャ上で複数のアプリケーションを運用するチーム向けの、新しいフルマネージドオプションです。各アプリケーションを個別に運用するのではなく、単一の運用基盤上で複数のアプリケーションを実行できます。これにより、アプリケーションの数が増えるにつれて、アプリケーションあたりのコストを削減できます。Java、.NET、Python、Node.js、PHP、Ruby、Go のソースコードをアップロードでき、Elastic Beanstalk がコンテナ化を自動的に処理します。また、必要に応じて Cloud Native Buildpacks も利用できます。Cluster Mode には、自動ロールバックを備えた本番環境向けのデプロイ戦略、イベント駆動型のオートスケーリング、AWS Secrets Manager との統合、ネイティブな OpenTelemetry オブザーバビリティ、AI を活用したトラブルシューティングが含まれています。Standard Mode と Cluster Mode の環境は、同じアプリケーション内で並行して実行できるため、チームは環境を1つずつ段階的に移行できます。 AWS のお知らせに関する詳しいリストについては、「 AWS の最新情報 」ページをご覧ください。 AWS のその他のニュース お客様に役立つ可能性のある記事をさらにいくつかご紹介します。 AWS European Sovereign Cloud での構築 — 2つの新しい記事では、AWS European Sovereign Cloud 上での構築について紹介しています。これは、独自のコントロールプレーン、IAM、請求、コンソール、サービスエンドポイントを備え、独立したパーティションとして運用される欧州向けの独立したクラウドです。最初のリージョンはドイツ・ブランデンブルクに開設されます。最初の投稿では、アカウント構造とガバナンス、コードとしてのインフラストラクチャとしてのアイデンティティ、集中ロギング、データ保護、AWSパーティション全体で機能するパーティション対応ARNの構築など、 安全なランディングゾーンの設計について説明します 。2つ目は、AWS European Sovereign CloudのAmazon Bedrock次世代推論エンジンでGemma 4オープンウェイトモデルが一般公開されたことを発表しました 。データ保持やオペレーターアクセスゼロのモデルでは、推論は完全にeusc-de-east-1の範囲内にとどまります。 新しい AgentCore ランタイム：伸縮性に優れ、最適化され、一貫して高速な起動 — エージェントを実行するためのマネージドコンピューティングレイヤーである Amazon Bedrock AgentCore ランタイムの新バージョンを発表しました。新しいランタイムでは、セッション中のピーク時のメモリ量を保持し続けるのではなく、セッションがメモリを解放するとその分を回収します。そのため、料金はセッション全体を通じた実際の使用量に基づいて計算されます。また、コンテナイメージのサイズや同時実行数に関係なく、一貫したコールドスタート時間を実現します。これは、環境を一度準備してスナップショットを取得し、新しいインスタンスごとにそのスナップショットを復元することで実現しています。空のエコーエージェントを使ったテストでは、新しいランタイムは 200 MB のイメージから最大 2 GB までの約 2 秒で P75 コールドスタートを実現しました。これに対し、元のランタイムでは約 5.4 秒から 30 秒かかりました。 更新された AWS Well-Architected ストリーミングメディアレンズの紹介 — 動画ストリーミングワークロードのアーキテクチャのベストプラクティスを提供する改訂版ストリーミングメディアレンズを公開しました 。今回の改訂では、2021 年の初版から対象範囲が拡大され、5つのストリーミングシナリオをカバーしています。これには、Amazon IVS を使ったインタラクティブライブストリーミング、最大 25,000 人の同時視聴者に対応するリアルタイムストリーミング、低遅延ライブストリーミング、広告対応コンテンツの収益化、さらに強化されたビデオオンデマンドおよびライブストリーミングのガイダンスが含まれます。また、カーボンフットプリントの削減に重点を置いた新しいサステナビリティのベストプラクティス、拡張されたオブザーバビリティおよびインシデント対応フレームワーク、多層 DRM とフォレンジックウォーターマーキングを活用した高度なコンテンツ保護も追加されています。レンズホワイトペーパーとカスタムレンズがご利用いただけるようになりました。 AWS のブログ記事の詳細な一覧については、 AWS ブログ ページをご確認ください。 近日開催予定の AWS イベント カレンダーを確認して、近日開催予定の AWS イベントにサインアップしましょう。 AWS re: Invent — AWS re: Invent が 11 月 30 日から 12 月 4 日までラスベガスに戻ります。2, 200 以上のセッション時間、ロケーション、講演者がライブ配信されます。AWS re: Invent の指定席は 10 月 6 日にオープンします。 今すぐ登録して 、指定席が開いたら、チョークトーク、ワークショップ、ビルダーズセッションに参加する準備をしてください。 AWS Summits – AWS Summits は、クラウドと AI をカバーする無料の実地イベントです。re: Inventが間近に迫った今、今年のサミットは終わりに近づいています。 最後のサミットはドバイ （9月30日）にドバイワールドトレードセンターで開催され、60以上のセッション、AWSビレッジ、ハンズオンワークショップが行われます。 AWS Community Days – コミュニティリーダーが企画および提供するコミュニティ主導のカンファレンス。今後のイベントには、 レバノン （9月26日）、 マレーシア、クアラルンプール （9月26日）、 フィリピンのセブ（9月26日）、フィリピンのダバオ （9月26日）、 英国のコムサム・マンチェスター（10月1日）、 イタリア、ローマ （10月2日）などがあります。 夏は正式に終わり、9 月を迎えましたが、私のいる場所では、まだ天候が季節の移り変わりに追いついていないようです。日中は今でも例年になく暖かく、本格的な秋が訪れる前の、最後の穏やかな午後なのではないかと思っています。この陽気が続いているうちに、できるだけ満喫しようと思います。9 月 28 日週もまた新しいニュースをお届けしますので、お楽しみに。 – Esra 原文は こちら です。