コンテンツ分野 2: 実装と統合
タスク 2.1: エージェンティック AI ソリューションとツール統合を実装する。
スキル 2.1.1: 適切なメモリとステート管理機能を備えたインテリジェントな自律システムを開発する (Strands Agents と AWS Agent Squad を使用したマルチエージェントシステム、MCP を使用したエージェントとツールのインタラクションなど)。
スキル 2.1.2: 構造化された推論ステップに従って FM が複雑な問題を分解して解決できるようにする高度な問題解決システムを作成する (Step Functions を使用した ReAct パターンや思考連鎖推論アプローチの実装など)。
スキル 2.1.3: FM の挙動の制御を確実にするために、保護された AI ワークフローを開発する (Step Functions を使用した停止条件の実装、Lambda 関数を使用したタイムアウトメカニズムの実装、IAM ポリシーを使用したリソース境界の適用、回路ブレーカーを使用した障害の軽減など)。
スキル 2.1.4: 複数の機能にわたってパフォーマンスを最適化する高度なモデル調整システムを作成する (特化型 FM を使用した複雑なタスクの実行、モデルアンサンブルのためのカスタム集計ロジック、モデル選択フレームワークの使用など)。
スキル 2.1.5: 人間の専門知識を活用して FM 機能を強化するコラボレーション AI システムを開発する (Step Functions を使用したレビューと承認プロセスのオーケストレーション、API Gateway を使用したフィードバック収集メカニズムの実装、人間の拡張パターンの使用など)。
スキル 2.1.6: FM 機能を拡張し、信頼性の高いツール運用を実現するためのインテリジェントツール統合を実装する (Strands API を使用したカスタム挙動の実装、標準化された関数定義、Lambda 関数を使用したエラー処理とパラメータ検証の実装など)。
スキル 2.1.7: FM 機能を強化するモデル拡張フレームワークを開発する (Lambda 関数を使用した、軽量なツールアクセスを提供するステートレス MCP サーバーの実装、Amazon ECS を使用した、複雑なツールを提供する MCP サーバーの実装、MCP クライアントライブラリを使用した一貫性のあるアクセスパターンの確保など)。
タスク 2.2: モデルデプロイ戦略を実施する。
スキル 2.2.1: 特定のアプリケーションニーズとパフォーマンス要件に基づいて FM をデプロイする (Lambda 関数を使用したオンデマンド呼び出し、Amazon Bedrock プロビジョンドスループット設定、SageMaker AI エンドポイントを使用したハイブリッドソリューションの実装など)。
スキル 2.2.2: 従来の ML デプロイとは異なる大規模言語モデル (LLM) 特有の課題に対処することで FM ソリューションをデプロイする (メモリ要件、GPU 使用率、トークン処理容量について最適化されたコンテナベースのデプロイパターンの実装、特化型のモデルロード戦略の遵守など)。
スキル 2.2.3: GenAI ワークロードのパフォーマンスとリソース要件のバランスを取るように最適化された FM デプロイアプローチを策定する (適切なモデルの選択、特定のタスク向けに事前トレーニングされた小規模なモデルの使用、ルーチンクエリ実行のための API ベースのモデルカスケードの使用など)。
タスク 2.3: エンタープライズ統合アーキテクチャを設計し実装する。
スキル 2.3.1: FM 機能を既存のエンタープライズ環境にシームレスに組み込むエンタープライズ接続ソリューションを作成する (レガシーシステムとの API ベースの統合、疎結合を実装するイベント駆動型アーキテクチャ、データ同期パターンの使用など)。
スキル 2.3.2: 既存のアプリケーションを GenAI 機能で強化する統合 AI 機能を開発する (API Gateway を使用したマイクロサービス統合の実装、Lambda 関数を使用したウェブフックハンドラー、Amazon EventBridge を使用したイベント駆動型統合の実装など)。
スキル 2.3.3: 適切なセキュリティコントロールを確保するセキュアなアクセスフレームワークを作成する (FM サービスとエンタープライズシステム間の ID フェデレーション、モデルおよびデータアクセスに対するロールベースのアクセスコントロール、FM への最小権限の API アクセスの使用など)。
スキル 2.3.4: FM へのアクセスを有効にするとともに管轄区域を横断したデータコンプライアンスを確保する環境横断型 AI ソリューションを開発する (AWS Outposts を使用したオンプレミスデータ統合、AWS Wavelength を使用したエッジデプロイの実行、クラウドとオンプレミスのリソース間のセキュアなルーティングの使用など)。
スキル 2.3.5: エンタープライズ環境にセキュアで規制に準拠した消費パターンを実装するための CI/CD パイプラインと GenAI ゲートウェイアーキテクチャを実装する (AWS CodePipeline、AWS CodeBuild、GenAI コンポーネントの継続的デプロイとテストのためのセキュリティスキャンとロールバックをサポートする自動テストフレームワーク、一元化された抽象化レイヤー、オブザーバビリティと制御メカニズムの使用など)。
タスク 2.4: FM API 統合を実装する。
スキル 2.4.1: 柔軟なモデルインタラクションシステムを作成する (Amazon Bedrock API を使用した、さまざまなコンピューティング環境からの同期リクエストの管理、言語固有の AWS SDK と Amazon SQS を使用した非同期処理、API Gateway を使用したカスタム API クライアントへのリクエスト検証の提供など)。
スキル 2.4.2: FM から即時フィードバックを提供するリアルタイム AI インタラクションシステムを開発する (Amazon Bedrock ストリーミング API を使用した増分応答配信、WebSocket またはサーバー送信イベントを使用したテキストのリアルタイム生成、API Gateway を使用したチャンク転送エンコーディングの実装など)。
スキル 2.4.3: 信頼性の高い運用を確保するためのレジリエントな FM システムを作成する (AWS SDK を使用したエクスポネンシャルバックオフ、API Gateway を使用したレート制限の管理、グレースフルデグラデーションのためのフォールバックメカニズム、AWS X-Ray を使用したサービス境界をまたぐオブザーバビリティの提供など)。
スキル 2.4.4: モデル選択を最適化するインテリジェントなモデルルーティングシステムを開発する (アプリケーションコードを使用した静的ルーティング構成の実装、Step Functions を使用した特化型 FM への動的コンテンツベースのルーティング、メトリクスに基づいたインテリジェントなモデルルーティング、API Gateway とリクエスト変換を使用したルーティングロジック)。
タスク 2.5: アプリケーション統合パターンと開発ツールを実装する。
スキル 2.5.1: GenAI ワークロードの特定の要件に対応する FM API インターフェイスを作成する (API Gateway を使用したストリーミング応答への対処、トークンの制限管理、再試行戦略を使用したモデルタイムアウトへの対処など)。
スキル 2.5.2: FM の採用と統合を促進するために、アクセシブルな AI インターフェイスを開発する (AWS Amplify を使用した宣言型 UI コンポーネントの開発、OpenAPI 仕様を使用した API ファースト開発アプローチ、Amazon Bedrock Prompt Flows を使用したノーコードワークフロービルダーなど)。
スキル 2.5.3: ビジネスシステムの機能強化を作成する [Lambda 関数を使用した顧客関係管理 (CRM) の機能強化の実装、Step Functions を使用したドキュメント処理システムのオーケストレーション、Amazon Q Business データソースを使用した社内ナレッジツールの提供、Amazon Bedrock Data Automation を使用した自動データ処理ワークフローの管理など]。
スキル 2.5.4: GenAI アプリケーションの開発ワークフローを加速させるためにデベロッパーの生産性を高める (Amazon Q Developer を使用したコードの生成とリファクタリング、API アシスタンスのコード提案、AI コンポーネントテスト、パフォーマンスの最適化の使用など)。
スキル 2.5.5: 高度な AI 機能を実装する高度な GenAI アプリケーションを開発する (Strands Agents と AWS Agent Squad を使用した AWS ネイティブオーケストレーション、Step Functions を使用したエージェント設計パターンのオーケストレーション、Amazon Bedrock を使用したプロンプトチェーンパターンの管理など)。
スキル 2.5.6: FM アプリケーションのトラブルシューティング効率を向上させる (CloudWatch Logs Insights を使用したプロンプトと応答の分析、X-Ray を使用した FM API コールのトレース、Amazon Q Developer を使用した GenAI 固有のエラーパターン認識の実装など)。
