こんな方へ特におすすめ エヴァンゲリオンが好きな方 ローカルLLM（ Ollama ）や Raspberry Pi で、何か動くものを作ってみたい方 LangGraph でマルチエージェントを試したい方 概要 こんにちは。サイオステクノロジーのはらちゃんです！ 今回はOSCの展示ブース用開発として、『新世紀エヴァンゲリオン』の意思決定コンピュータ MAGI を、Raspberry Pi 3台 + ローカルLLM（Ollama）で再現してみました。 ―― 3体の人格が別々のマシンで議論し、多数決で結論を出す その設計や速度チューニング、実機を立ち上げる過程でハマった落とし穴まで、実務にも通じる知見をまとめていきます。 背景 MAGI は、3つの独立したコンピュータ Melchior・Balthasar・Casper が、それぞれ異なる人格で同じ議題を判断し、多数決で結論を出す合議システムです。 これをただの1プログラムで再現するのは簡単です。 でも、それだと何かが違う。「 1エージェント = 1台の独立コンピュータ 」という原作の設定を、そのまま物理的に再現できないだろうか？ 武井さん の協力の元、Raspberry Pi を3台並べることにしました。とはいえ、非力な Raspberry Pi でLLMなんてまともに動くのか、と最初は半信半疑でした。 結論から言うと、役割を割り切って軽量モデルとチューニングを重ねれば、合議AIは十分に動きます。 システム構成｜3台の Pi + 母艦 役割分担はシンプルです。 各Pi は、ただの推論バックエンド。Ollama が待ち受けているだけで、人格ごとのプログラムは書きません。 母艦（オーケストレータ） となる1台のPCが、合議の進行・集計・画面表示を担当します。今回は PC上の WSL2 で Flask + LangGraph を動かしました。 ブラウザ / kiosk UI       ▲ ▼   SSEで投票をリアルタイム配信 母艦 — Flask + LangGraph（合議・集計）       ▲ ▼   イーサネット（各Piのollama :11434） +-----------------+-----------------+-----------------+ | Pi1 Melchior | Pi2 Balthasar | Pi3 Casper | | Ollama | Ollama | Ollama | +-----------------+-----------------+-----------------+ どのPiがどの人格かは、母艦の `.env` にある 各Piの固定IPだけ で決まります。人格ごとの特別なコードは無く、role名で接続先を引くだけ。この割り切りのおかげで、Pi側は「モデルを入れて待ち受ける」だけで済みます。 合議フロー｜LangGraphで組む2ラウンド投票 合議の本体は LangGraph の StateGraph です。1回目で全会一致なら即確定、意見が割れたら「討論」を挟んで再投票する、という2ラウンド構成にしました。 prepare ：開始を通知 3体を並列実行 ：Melchior / Balthasar / Casper が同時に投票（fan-out） 1回目集計 ：賛成が2票以上なら「可決」 分岐 ：全会一致ならそのまま確定。割れたら 討論 → 再投票 → 再集計 finalize ：評決を確定して配信 ここでは「アイス食べたい」をテーマにしています。2:1で可決されました。 各人格には異なる「観点」を与えています。 Melchior ：論理性・合理性・整合性を最重視 Balthasar ：人間要因・感情・受容性を重視 Casper ：現実性・リスク・実務性を重視 ここでは「アイス食べたい」をテーマにしています。クリックで理由が表示されます。 実装のキモ｜小さいモデルに「JSONだけ」返させる 各人格への問い合わせは1つの関数に集約しています。小さいモデルを安定させるコツは、 出力をJSONに固定する こと。 format="json" と temperature=0 を指定し、 role / reason / vote の3項目だけを返させます。 必ずJSONのみで返してください: { "role": "{role}", "reason": "80字以内で簡潔に（必ず日本語で）", "vote": "approve or reject" } 返ってきた文字列は、 ```json のコードフェンスを剥がし、最初の {` から最後の `} までを抜き出してからパースします。理由が80字を超えたら、途中で切れないよう「最後の句読点」で丸める。小さいモデルは文字数指示を守りきれないので、この後処理は必須でした。 Raspberry Pi で待たせない3つの速度チューニング 非力なPiで素直にLLMを動かすと、1票に何十秒もかかります。体感速度を詰めるために効かせた工夫が主に3つ。 1. コンテキスト長を絞る 対応： num_ctx を既定の 4096 から 1024 へ。 根拠： 投票プロンプトは数百字なので、大きな窓は無駄にメモリと時間を食うだけ。 2. 生成トークン数を制限する 対応： num_predict = 128 。 根拠： 理由は80字上限なのでこれで十分。 出力が短いほど速い。 3. モデルをRAMに常駐させる 対応： keep_alive = -1 ＋ 起動時に一度空打ちして先読み。 根拠： 初回質問のコールドロード待ちを消せる。 OLLAMA_NUM_CTX=1024 # 4096 → 1024 OLLAMA_NUM_PREDICT=128 # 理由は80字で足りる OLLAMA_KEEP_ALIVE=-1 # モデルをRAMに常駐 このほか、3体を 並列実行 （直列の約1/3の時間）し、最終要約は LLMを使わず定型文 で組み立てて呼び出しを1パス削減しています。 モデル選定｜0.5Bの罠を、プロンプトで直す 速度優先でまず qwen2.5:0.5b を使ったところ、奇妙な出力に遭遇しました。 理由には「適切だ」と書いてあるのに、投票は reject となっている、つまり reason と vote が食い違うのです。 原因は集計バグではなく、モデルの出力そのものの矛盾でした。しかも当初のプロンプトは vote を reason より先に書かせていたため、モデルは先に投票を決め打ちしてから、後付けで理由を書いていたのです。 そこで、JSONの並びを reason → vote に変更し、「理由を先に書き、それに一致する投票を選べ／矛盾してはならない」と明示。0.5Bのままでも矛盾が大きく減りました。 最終的に qwen2.5:1.5b に上げると、投票と理由の整合性が安定します。おまけに、 num_ctx=1024 のままでも約1300字の長文議題を破綻なく処理できました。 課題｜本当に時間を溶かしたのはネットワークとOllama 正直、アーキテクチャよりも実機3台の立ち上げのほうが遥かに大変でした。同じ轍を踏む人のために残しておきます。 Wi-Fiが突然切れる GUIから静的IPを設定したらWi-Fiが切断。プロファイルからパスワード（PSK）が抜け落ちていました。 解決： プロファイルを削除して nmcli device wifi connect で作り直す。静的化も nmcli でパスワードごと一括指定するのが確実です。 （今回の構成としてはインターネット不要なのでここはスキップできちゃいます。） Ollamaのサービスが壊れる unit is masked → ディレクトリ欠落 → ssh: no key found と、1台だけドミノでおかしくなりました。 解決： 中途半端に直すより、 完全に削除してから install.sh で入れ直す のが最短でした。 母艦からPiに届かない Ollamaの既定は 127.0.0.1 待ち受けで、他マシンから見えません。 解決： OLLAMA_HOST=0.0.0.0:11434 を設定して再起動。 ss -tlnp | grep 11434 で待ち受けが 0.0.0.0 になっているか必ず確認しましょう。 検証｜「意見が割れる議題」で試す 多数決システムの見どころは、票が割れて「討論→再投票」が発動する瞬間です。だから 論理・感情・現実の3視点が対立する議題 を選びます（例：「AIに人事評価を任せるべきか」「延命治療を中止すべきか」）。 面白かったのは頑健性で、 音声入力の変換ミスで議題が多少崩れていても 、3体とも妥当な結論に収束しました。むしろ本番では、コンテキスト長よりも 音声認識の精度のほうが実害リスクが大きい という気づきが得られました。 母艦を起動して [warmup] done が出て、3体の投票がそろい評決が返ってくれば成功です！ ここでは「残業を法律で全面禁止すべき」をテーマにしています。 まとめ 「 Raspberry Pi でLLMなんて動くの？」という半信半疑から始めましたが、役割を割り切って設計し、チューニングを重ねることで、合議AIはしっかり動きました。 MAGI = 3つの人格が多数決で決める合議システム。 「1人格 = 1台の Raspberry Pi 」 を物理的に再現。 構成は 3台のPi（Ollama）+ 母艦（Flask + LangGraph） 。役割は .env のURLだけで振り分けるシンプル設計。 非力なPiでも、 コンテキスト長・生成量・モデル常駐 の3点を絞れば実用的な速度で動く。 小さいモデルの「投票と理由の矛盾」は、 プロンプトの並び替え という小さな工夫で大きく改善できた。 一番の敵はAIではなく ネットワークとサービス管理 。ここを乗り越えれば合議AIは立ち上がる。 今回はイベント会場に向けて軽量・高速に特化させましたが、精度を重視し他のモデルを試していきたいと考えています。 今後も、こうした個人開発を通して得られた知見を、皆さんに共有していきたいと思います！ 宣伝 生成AIを活用する開発として、自分専用のRAGを作ることもやりました。興味がある方はぜひのぞいてみてください。 RAGの作り方｜LlamaIndexで簡単2ステップ RAGの育て方｜LlamaIndexでペルソナ設計 ご覧いただきありがとうございます！ この投稿はお役に立ちましたか？ 役に立った 役に立たなかった 32人がこの投稿は役に立ったと言っています。 The post ラズパイ3台でエヴァのMAGIを作る｜ローカルLLMで動く合議AIシステム first appeared on SIOS Tech Lab .

今年も半分が過ぎました。2026年4-6月のサマリーです。 記事数・執筆者数 # この3ヶ月で13本の記事が投稿され、記事数は889になりました。 連載 # AIエージェントとシステムをつなぐMCP入門 # MCP(Model Context Protocol) は AI エージェントが外部サービスと通信するための仕様で、2024年に Anthropic 社によって初版がリリースされました。MCP を使用することで、AI エージェントは外部サービスの機能を効果的に利用できます。MCP の基本から実装まで段階を分けて解説するシリーズです。 /blogs/2026/04/24/mcp-impl_introduction/ 現在は以下の6記事が公開されています。 イントロダクション stdio実装編 StreamableHTTPステートレス実装編 StreamableHTTPステートフル実装編 プロンプト編 リソース編 テーマ別記事 # 認定資格 # /blogs/2026/04/13/google_cloud_all_certified_revenge/ /blogs/2026/04/20/aws_certified_generative_ai_developer/ ペアレンタルコントロール # 上記の AWS・Google Cloud 認定を“W全冠”したエンジニアが、クラウドから降りて自宅のネットワークと格闘した異色の記事です。夜中に学校用タブレットでゲームをする子供との「イタチごっこ」に終止符を打つべく、手持ちの家庭用ルータとRaspberry Piを活用して、MACアドレス制限やサブネット分離、Pi-holeによる独自DNS構築まで、本気の「ガチ構成」を徹夜で組み上げる様子を赤裸々に綴っています。DoH（暗号化DNS）対策などのリアルな課題にも触れられており、ネットワークの基礎を学び直したい方や、同じ悩みを持つITエンジニアの親御さん必見の泥臭くも愛に溢れた実践録です。 /blogs/2026/04/09/home_network_control/ スクラムマスターと AI # チームの対話を支えるスクラムマスターにとって、視覚的な資料作成は欠かせませんが、一方で多大な時間がかかるのが共通の悩み。本記事では、そのボトルネックを AI で突破する実践的な手法を解説しています。ChatGPT を思考のパートナーとして構成を練り上げ、最新の生成 AI ツールでスライドを一気に形にする――単なる「時短術」に留まらず、AI との対話を通じてアイデアを磨き、本来注力すべきファシリテーションやコーチングの質を高めるための「共創のプロセス」を紹介しています。資料作成の重圧から解放され、チームの価値最大化に向き合いたいリーダー・マネージャーにとっても役立つ内容となっています。 /blogs/2026/04/27/ai-presentation/ GitHub # GitHub の Organization 運用において、「機密リポジトリを作りたいが、Basic Permission の設定変更による管理コスト爆発は避けたい」というジレンマ。この記事では、高価なEnterprise プランを契約せずとも、Teams プランの制限下で安全かつ効率的にアクセス権を管理する「ホワイトリスト方式」の戦略を解説しています。全メンバー用の統合チーム作成によるセキュリティ境界の構築から、GitHub API と Actions を組み合わせた「チーム追加漏れを防ぐ自動化スクリプト」の実装まで、管理者の負担を増やさない現場目線のハックを紹介しています。 /blogs/2026/06/24/github-manage-organization-access/ CI/CD 環境で広く使われる GitHub Actions に新たに追加された、単一ワークフロー内でのステップ並行実行機能をいち早く検証した記事です。background 属性を使った非同期実行や、parallel ブロックを使った同時実行の基本構文を解説するだけでなく、Go 言語のクロスコンパイルを用いた実践的なパフォーマンス検証も実施。vCPU コア数やコンテキストスイッチの観点から「期待したほど速くならなかった理由」と、「これまでの Matrix ビルドとどう使い分けるべきか」まで深く考察しており、現場の CI 改善に直結する生きた知見が得られます。はてなブックマークでも注目され、公開直後からアクセスが上昇しました。 /blogs/2026/06/27/github-actions-parallel-steps/ さいごに # 以上、2026年度第1四半期のサマリーでした。投稿数が少なかったため、個別の記事紹介を厚めにしてみました。 よかったら フィード の購読、 X や Bluesky でのフォローもお願いします。 Facebook でも本サイトの注目記事をはじめ豆蔵に関するイベントを紹介しています。 note にも時々本サイト関連の記事が掲載されています。

みなさん、こんにちは。ソリューションアーキテクトの河井です。 6 月といえば、いよいよ FIFA ワールドカップ 2026 が開幕します！日本代表の活躍に期待が高まりますね。このワールドカップ期間中にもう 1 つ熱いイベントがあります！ 6 月 25-26 日に幕張メッセで開催される AWS Summit Japan 2026 です。ワールドカップではチームワークとデータ分析が勝敗を分けますが、製造業でも AI エージェントとデータ活用が競争力の鍵を握る時代になりました。今月の「月刊 AWS 製造」では、 Summit の製造業向け展示の見どころを中心に、 5 月の注目トピックをお届けします。さあ、キックオフです！ ピックアップトピック AWS Summit Japan 2026 — 製造業向け展示の見どころ いよいよ 6 月 25 日（木）〜 26 日（金） に千葉・幕張メッセにて AWS Summit Japan 2026 が開催されます！ 260 を超えるセッション、 300 以上の展示が予定されており、日本最大の「AWS を学ぶイベント」です。製造業のお客様にとって注目のポイントは、 Hall 7 の AWS Industries Zone 内にある製造業向け展示エリアです。今年は 2 つの展示エリアを用意しています ① 製造業 Highlight 展示 — 「AIで加速する製造業のルネッサンス」をテーマに、未来の製造業を体感できる展示 生産ラインの未来 — デジタルツイン×シミュレーションでボトルネックを特定し生産効率を最大化します。技術要素として「ソフトウェア定義型生産ライン」「デジタルツインによるシミュレーション」「AI エージェントによる意思決定支援」の 3 つを実機デモでご紹介しています。 ソフトウェア定義型ファクトリー — 物理 PLC を仮想化し「ソフト PLC」として動作させることで、生産ラインの制御ロジックをソフトウェアとして管理できます。 Git リポジトリによるバージョン管理やエッジからクラウドまでの一気通貫アーキテクチャを体感いただけます。 サプライチェーン — 需要変動や供給遅延が発生した際に、 AI エージェントが在庫枯渇の予測・生産計画への影響・代替調達の選択肢・対応方針案を迅速に導き出す一連の流れをデモで体験いただけます。 ② 製造業 Industry 展示 — すぐに使える」テクノロジーを実機デモで体感いただけます。 Product Engineering （製品設計開発）と Smart Product （スマート製品開発・運用）の 2 軸に加え、 AWS 認定デバイスウォールやお客様事例展示エリアで構成されています。 詳しくはこちらのブログをご覧ください： AWS Summit Japan 2026 製造業向け展示の見どころ紹介！ まだ登録していない方はぜひお早めに！ →  AWS Summit Japan 2026 登録ページ 直近で開催予定のイベント 6/17 AWS Summit New York City 6 月 17 日（水）にニューヨーク Javits Convention Center で開催されます。昨年の NY サミットでは Amazon Bedrock AgentCore や Amazon S3 Vectors など、 AI ・データ領域の重要な新サービス発表が相次ぎました。今年もキーノートに AWS VP of Agentic AI の Dr. Swami Sivasubramanian が登壇予定であり、エージェント AI をはじめとする最新のアップデートが期待されます。製造業のお客様にとっても、 Industrial AI や IoT に関する新発表が出る可能性がありますので要注目です。昨年の主な発表まとめは こちら をご参照ください。 6/25 – 6/26 AWS Summit Japan 2026 今年も日本最大の “AWS を学ぶイベント” AWS Summit Japan が 6 月 25 日（木）、 26 日（金）の二日間、幕張メッセで開催されます！ 260 以上のセッションと 300 以上の展示が予定されており、基調講演・事例セッション・パートナーセッションに加え、オフラインならではのハンズオン体験が可能です。製造業のお客様は Hall 7 の AWS Industries Zone にある製造業向け展示エリア（Highlight 展示 + Industry 展示）と Physical AI 特設展示をお見逃しなく！ 製造関連ブログのご紹介 5/8 データサイロの解消: Volkswagen の Amazon DataZone を活用したアプローチ フォルクスワーゲングループが Amazon DataZone を活用し、組織全体のデータサイロを解消するアプローチを紹介するブログ（翻訳記事）です。 43 工場をクラウド接続し、 1,200 以上の AI アプリケーションを展開する同社の Digital Production Platform （DPP）において、データメッシュアーキテクチャを実現した事例が紹介されています。製造業でよくある「部門間のデータが繋がらない」課題に対する実践的な解決手法として参考になります。 5/11 Manufacturing intelligence with Amazon Nova Multimodal Embeddings Amazon Nova のマルチモーダル埋め込みモデルを製造業で活用する方法を紹介するブログです。テキスト・画像・ドキュメントページを共有ベクトル空間にマッピングすることで、 CAD 図面、検査レポート、設計仕様書などをテキスト＋画像の両方で意味的に検索できるようになります。設計ナレッジの横断検索やビジュアル類似検索に活用できます。 5/14 Hannover Messe 2026 AWS ブースレポート 4 月にドイツ・ハノーバーで開催された世界最大級の産業見本市 Hannover Messe 2026 における AWS ブースのレポートです。今年のテーマは 「Built for Industrial AI」 です。 Physical AI （フィジカル AI）のデモが最大の注目を集め、来場者がデザインを入力すると生成 AI がオリジナルデザインを作成し、 AMR ・協働ロボットアーム・レーザー彫刻機・ AI 画像検査・ヒューマノイドロボットが協調して金属製コースターを製造する一連のデモンストレーションが披露されました。エージェント AI が工程全体を自律的にオーケストレーションする点が従来の産業オートメーションとの大きな違いです。その他、スマート生産・サプライチェーン・製品設計開発・スマートプロダクトの 4 領域で最新デモが展示されました。 5/21 AWS IoT Core 上の MCP と MQTT で Physical AI エージェントを構築する 本ブログでは、MQTT と MCP を AWS IoT Core 上で組み合わせ、Physical AI エージェントを構築する方法を紹介します。自律型バリスタロボットを例に、エッジの物理制御とクラウド AI の推論をリアルタイムに連携させ、未知のレシピや顧客の好みに即座に対応する実装パターンを解説します。 5/26 AWS Summit Japan 2026 ― AWS IoT サービスを活用した展示の一部をご紹介 AWS Summit Japan 2026 での AWS IoT サービス関連展示を紹介するブログです。 IoT Greengrass を活用したロボット遠隔テレオペレーション体験、 AI エージェントによる産業機械の自律診断とリアルタイム安全監視（スマートマシン）、 Physical AI 基盤としての IoT アーキテクチャ（Raspberry Pi/Jetson によるライブデモ、 A/B デプロイ・ロールバック等の本番運用機能）、 builders’ Fair のクラウド VLA 搭載ミニロボ、 AWS 認定デバイスウォールなどが紹介されています。 イベント動画のご紹介 Hannover Messe 2026 の AWS セッション動画が公開されています。 Hannover Messe 2026 – Realizing Industrial AI at Scale with AWS Hannover Messe 2026 における AWS のキーノートセッションです。 Industrial AI を実験段階から本番スケールへと進化させるための戦略と技術について、 AWS VP の Ozgur Tohumcu が解説しています。 Physical AI 、エージェント AI 、インテリジェントデータ基盤の 3 つの柱を軸に、自律製造システム、サプライチェーン最適化、製品イノベーションの加速に AWS がどう貢献するかが紹介されています。 Hannover Messe 2026 – How Amazon builds and deploys autonomous robots Amazon が自律ロボットをどのように設計・開発・デプロイしているかを紹介するセッションです。物流・製造現場で活躍する自律移動ロボット（AMR）の開発プロセス、シミュレーションによる強化学習、 Physical AI の実装アプローチなど、ロボティクスと AI の融合について解説されています Hannover Messe 2026 – Reply: From Factory Floor to Cloud — Scaling Manufacturing Data on AWS イタリアの IT コンサルティング企業 Reply が、製造現場のデータをクラウドにスケーラブルに接続するアーキテクチャを紹介するセッションです。工場フロアの OT データを AWS に統合し、データ基盤として活用するための実践的なアプローチが解説されています。 その他のセッション動画は以下のプレイリストからご覧いただけます。 AWS at Hannover Messe 2026 動画リスト 最新事例のご紹介 Volkswagen Group — Digital Production Platform (DPP) フォルクスワーゲングループは AWS との DPP 協業を 5 年間延長し、世界 43 工場をクラウド接続、 1,200 以上の AI アプリケーションを展開しています。 Amazon SageMaker による品質管理用コンピュータービジョン、 AI による電力消費最適化（ポズナン工場でエネルギーコスト 12%削減・ CO2 排出削減）、ソフトウェア定義車両（SDV）の製造プロセスへのソフトウェアデプロイなどを実現しています。 Siemens Energy — Connected Factory シーメンス・エナジーが AWS IoT SiteWise Edge と Domatica EasyEdge を活用し、世界 18 工場の Connected Factory プラットフォームを構築。手動データ収集時間を 50% 削減、設備保守コスト 25% 低減、機械稼働率 15% 向上を達成しました。 10 以上の産業プロトコルからデータを取り込み、 30 のカスタムユースケースを展開しています。 Miraitek — Amazon Bedrock で工場デジタル化 ミラノ工科大学発スタートアップの Miraitek が、 Amazon Bedrock を活用して工場フロアの効率化を支援するバーチャルアシスタント「Robin」を開発。生成 AI により製造デジタル化を加速しています。 Toyota Motor North America — HiveMQ × mTLS によるスマート製造 IIoT 基盤 トヨタ自動車北米（TMNA）が、 IIoT プラットフォーム「NEXUS」の MQTT メッセージング基盤として HiveMQ を Amazon ECS Fargate 上にセキュアにデプロイしました。mTLS （相互 TLS 認証）によるゼロトラスト接続を実現し、工場フロアデータの統合・リアルタイムインサイト・予知保全を実現しています。現在、単一工場パイロットから北米全工場へスケール中です。 Everllence — P & ID （配管計装図）の AI ナレッジグラフ化 ドイツのスタートアップ Everllence が AWS Generative AI Innovation Center と協業し、 P&ID をナレッジグラフ（Neo4j）に変換するソリューションを開発しました。 AI エージェントが機器の関係性やプロセスフローを推論・クエリし、エンジニアのトラブルシューティング時間を大幅に短縮します。 1 サイト分で 1,909 ノード・ 7,525 リレーションを 1 時間で自動生成できます。 エージェント AI × デジタルツインで製造オペレーショナルエクセレンスを実現 エージェント AI （自律型 AI）とデジタルツインを AWS 上で組み合わせ、製造業のオペレーショナルエクセレンスを実現するアーキテクチャと実践パターンを紹介するブログです。自律的な生産最適化、予知保全のスケール化、サプライチェーンインテリジェンスの 3 つの活用領域と、自動車メーカーのエンジン生産ライン（10,000+センサー）での実装事例が解説されています。 製造関連の主要なサービスアップデート 5/1 AWS for SAP Management MCP Server 一般提供開始 Amazon Bedrock AgentCore 上で動作する SAP 環境管理用 MCP サーバーが一般提供開始しました。自然言語で SAP 環境のモニタリング、コンプライアンスチェック、ライフサイクル管理（起動・停止）、スケジュール運用が可能になります。複数コンソール＋ 10 以上の API 呼び出しが必要だった操作を 1 つのインターフェースに統合します。 SAP を利用する製造業のお客様の Basis 運用効率化に直結します。 5/1 セキュリティ強化と MQTT v5.0 に対応した FreeRTOS 202604 LTS が利用可能に FreeRTOS の長期サポート版（202604 LTS）がリリースされました。セキュリティ強化と MQTT v5.0 対応が主な更新点です。製造現場のマイコンベースのエッジデバイスやセンサーノードで FreeRTOS を利用しているお客様は、より安全で高機能な通信が可能になります。 5/5 AWS IoT Core for Device Location に信頼レベル設定と測定タイプのサポートが追加 IoT Core for Device Location に信頼レベル（confidence level）設定と測定タイプのサポートが追加されました。デバイスの位置情報の精度をより細かく制御できるようになり、工場内の資産追跡や物流トラッキングの信頼性が向上します。 5/5 Amazon EC2 I8ge インスタンスが一般提供される AWS リージョンが増加 ストレージ最適化インスタンス EC2 I8ge の利用可能リージョンが拡大しました。高スループット・低レイテンシーのローカルストレージを必要とするワークロード（製造データ分析、シミュレーション、大規模ログ処理等）に適したインスタンスです。 5/28 AWS Iot CoreがDirect Messaging（ポイントツーポイント通信）をサポート AWS IoT Core に、接続中のデバイスへ MQTT クライアント ID を指定してダイレクトにメッセージを送信できる新機能「Direct Messaging」が追加されました。従来のようにデバイス側でトピックを事前にサブスクライブする必要がなく、メッセージ配信の可視性向上とコスト削減を実現します。この機能により、クラウド上の AI エージェントがロボットやエッジデバイスに対してリアルタイムに指示を送る Physical AI のユースケースが大幅に簡素化されます。具体的には、 MCP（Model Context Protocol）と MQTT を組み合わせることで、クラウド AI が「何をすべきか」を推論し、エッジの機械が「どう動くか」を実行するアーキテクチャを低レイテンシーで実現できます。 最後まで読んでいただきありがとうございました。それでは、また来月お会いしましょう！ 著者について 　河井信彦（Nobuhiko Kawai） アマゾン ウェブ サービス ジャパン合同会社 シニアソリューションアーキテクト セキュリティベンダーを経て AWS Japan に入社し、エンタープライズ技術本部でソリュー ションアーキテクトとして活動中。関西の製造業のお客様を中心担当している。趣味はサッカーとフットサル。