🔥プロジェクト背景 「アイデアを形にして検証したいけど、モバイルアプリの開発費用はまだまだ高い上、時間もかかる」という我々の友人の多くが実際に抱えている課題に違和感を覚え、Flareプロジェクトは発足しました。 この課題は、特に新規プロジェクトの立ち上げ時に顕著でした。プロジェクトの本質的な価値を生み出す部分や価値の検証に注力したいのに、基礎的なコードの作成やデプロイ作業に膨大な時間を取られてしまいます。実際、モバイルアプリ開発においては、MVPのローンチに300万円以上を要するケースが半数以上存在しているといった調査結果があったりと、アイデアを実現するに至らないケースが多数あることも事実です。この状況を、根本から変える必要があると感じており、この問題を解決してくれるAI Agentを作ることを目標に掲げました。 今回、我々は自然言語からFlutterアプリを開発してくれるAI Agen

G-gen の奥田です。当記事では、Amazon Web Services（AWS）、Microsoft Azure、Google Cloud（旧称 GCP）が提供するフルマネージドな AI エージェントサービスの比較を行います。 はじめに 当記事について AI エージェントとは ツールとは マルチエージェントシステムとは RAG と併用する効果 3社比較 前提条件 機能比較 料金シュミレーション 想定シナリオ AWS Azure Google Cloud 総評 AWS Azure Google Cloud 詳細の解説 Amazon Bedrock Agents（AWS）の詳細 構成図 プロダクト一覧 できること 対応モデル ツール 料金 Azure AI Agent Services（Azure）の詳細 構成図 プロダクト一覧 できること 対応モデル ツール 料金 Playbooks（G

This is a guest post from one of the winners of our recent hackathon, Steve Castellotti and teammates Supriya Ramarao Prasanna, Christen Jacquottet, Kevin Tran, Bharat Bhavnasi, Rushi Chaudhari, and Anthony Avendano. In today's fast-paced business environment, companies rely heavily on cloud infrastructure for scalability and rapid innovation. However, the process of selecting appropriate cloud se

※この投稿は米国時間 2020 年 9 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。 DevOps Research and Assessment（DORA）チームが実施した 6 年間の研究から、ソフトウェア開発チームのパフォーマンスを示す 4 つの指標が確立されました。 デプロイの頻度 - 組織による正常な本番環境へのリリースの頻度 変更のリードタイム - commit から本番環境稼働までの所要時間 変更障害率 - デプロイが原因で本番環境で障害が発生する割合（%） サービス復元時間 - 組織が本番環境での障害から回復するのにかかる時間 概要レベルでは、デプロイの頻度と変更のリード時間は速度の指標であり、変更障害率とサービス復元時間は安定性の指標です。チームはこれらの値を測定し、継続的に改善を繰り返すことで、ビジネス成果を大幅に向上させることができま

昨今は、さまざまな要因から、複数のクラウド（IaaS）プロバイダーを活用することが多くなりました。例えば、サービスのワークロードはAWSだが、データ分析はGoogle CloudのBigQueryを使うなどです。異なるプロバイダー間でのリソースにアクセスするには、認証が必要であり、シークレットを安全に発…

ハイパフォーマンスのテクニカル コンピューティングはスケーラビリティとスピードがすべてです。創薬とゲノミクス、金融サービス、画像処理などの分野のアプリケーションは、その多くが大量かつ多様な計算リソースへのオンデマンド アクセスを必要とします。計算能力が大きく高速になれば、アイデアを発見に変え、仮説を治療法に生かし、ひらめきを製品に反映させることができます。 Google Cloud は、大量のハイパフォーマンス リソースへのオンデマンド アクセスを、Compute Engine を通じて HPC（High Performance Computing）コミュニティに提供しています。しかし、これらの強力なリソースを活用して HPC ジョブをすばやく実行し、既存の HPC クラスタを Compute Engine でシームレスに拡張する方法については、まだ課題が残っています。 この問題の解決を支

TL;DR 今話題のOpen InterpreterをSlack botにしました。 Codeはこちらのリポジトリをご覧ください。 はじめに Open Interpreter楽しんでますか？ 「どうやらヤバイやつが爆誕したらしい」という認識で間違いなさそうです。 でも、このヤバさがわかってるのはまだ一部の人だけ、もったいない！ ということで今回はこのOpen Interpreterを誰でも使えるようにSlack botにする方法を紹介します。 ファイルのアップロード、ダウンロードも可能ですので、最低限必要な機能を全て備えたものが完成すると思います。 この記事を読めばわかること Cloud Runを使ってサーバーレスなOpen Interpreter実行環境を構築する方法 Cloud Storageを使ってステートレスなCloud Runでも会話とファイルを維持する方法 Slack Botを

はじめに 新規事業部 山本です。 ChatGPT（OpenAI API）をはじめとしたAIの言語モデル（Large Language Model：以下、LLM）を使用して、チャットボットを構築するケースが増えています。通常、LLMが学習したときのデータに含まれている内容以外に関する質問には回答ができません。そのため、例えば社内システムに関するチャットボットを作成しようとしても、素のLLMでは質問に対してわからないという回答や異なる知識に基づいた回答が（当然ながら）得られてしまいます。 この問題を解決する方法として、Retrieval Augmented Generation（以下、RAG）という手法がよく使用されます。RAGでは、ユーザからの質問に回答するために必要そうな内容が書かれた文章を検索し、その文章をLLMへの入力（プロンプト）に付け加えて渡すことで、ユーザが欲しい情報に関して回答

Google Cloud のマネージド Terraform、 Infrastructure Manager 登場！ こんにちは。クラウドエースの阿部です。 今回はひっそりと一般提供されていた Infrastructure Manager について紹介したいと思います。 Infrastructure Manager とは Infrastructure Manager (以降、Infra Manager と表記) は、 Google Cloud におけるリソースのデプロイや管理を IaC で自動化するためのマネージドサービスです。 内部では Terraform と Cloud Build を使用してリソースの管理を行っています。 Infra Manager の特徴 特徴としては以下の通りです。 GitHub 等と連携した CD (継続的デリバリ) の構築を簡単に実装できます。Cloud Bui

はじめまして。デジタル庁ファクト＆データユニット所属、データエンジニアの長谷川です。 本記事ではデジタル庁内でデータ活用を推進するための組織と分析基盤についてご紹介します。 これまでのデジタル庁noteと比べると、技術寄りの話題が多い記事となりますが、庁内のデータ活用に興味のある方はぜひご覧ください。 デジタル庁のデータ活用組織「ファクト＆データユニット」ファクト＆データユニットとはデジタル庁の特徴の一つに、デジタル分野において各種の専門性をもつ「民間専門人材」が多く所属していることが挙げられます。 民間の専門人材は、デザイン、プロダクトマネジメント、エンジニアリングなど、領域ごとに「ユニット」と呼ばれる組織を構成しており（参考：デジタル庁 - 組織情報）、必要に応じてさまざまなプロジェクトにアサインされて業務を遂行する、人材プールのような役割を果たしています。 ファクト＆データユニットも

はじめに Terraformを扱い始めて2ヶ月ぐらいたったので、Terraformチュートリアル的なものをハンズオン形式でまとめました。 Infrastructure as Codeやりてぇ！と思った方の事始めとなれば幸いです。 公式のチュートリアルが公開されているのですが、AWSのみでGCPに関するものは掲載されていません。 よって今回はGCP上でTerraformからリソースを管理する流れをみる、という目標でやっていきたいと思います。 想定している読者 以下のような事象に心当たりのある方を想定しています。 Terraformを初めて触る GCPをちょっとだけ触ったことがあり、リソースの作成を自動化したい いい感じにリソースを管理したい気持ちになった 実行環境 実行環境をまとめました。 Cloud SDKについては入っている前提とします。 まだインストールできていない場合はこちらを参考に

G-gen の武井です。 当記事では Infrastructure as Code (IaC) を実現する Terraform を Google Cloud (旧称 GCP) で実行する際、GitHub の CI/CD 機能である GitHub Actions を介して実行する方法を紹介します。 GitHub Actions とは 概要 ワークフロー 図説 Google Cloud との連携 概要 従来の認証 Workload Identity 連携による認証 Workload Identity 連携 仕組み メリット 図説 設定方法 概要 Terraform のセットアップ GitHub Actions の設定 ディレクトリ構成 Workload Identity 連携の設定 ワークフローの定義 動作検証 概要 動作検証用リソースの定義 Pull Request 実行 Merge 実行

3社へのヒアリングに基づき「AWS、Microsoft Azure、Google Cloud比較表」を作成。2018年に実施した同様の調査をベースに、5年間の差分を埋めて収録した。39項目のなかで「開発支援」は昨今のトレンドを考慮し、今回新設したものである。

AWS、Microsoft Azure、Google Cloud――世界3大クラウドが競いながら進化を続けている。最近ではDX推進のニーズを受けて、アジャイル開発や高度なデータ分析に必要なサービス拡充に力を注ぐ。「ChatGPT」をはじめとする対話型AIの登場など、クラウドの競争に終わりはない。今、どのクラウド、どのサービスが秀でているのか。3大クラウドのサービス内容、機能、サポートなどについて39項目で徹底比較する。

※この投稿は米国時間 2023 年 1 月 13 日に、Google Cloud Press Release に投稿されたものの抄訳です。 Google Cloud の Discovery AI ソリューションが、モダンなブラウジング機能、パーソナライズされたショッピング体験、より優れた商品レコメンド機能を備え、EC サイトを強化する新しい AI 機能の提供を開始Google Cloud は本日、小売業者が店頭の棚卸プロセスを変革し、EC サイトを強化して顧客によりスムーズで自然なオンライン ショッピング体験を提供するための 4 つの最新 AI テクノロジーを発表しました。 Google Cloud で JAPAC リテール＆コンシューマ担当ディレクターを務める Sameer Dhingra は次のように述べています。「ここ数年の急激な変化により、小売業界の状況は一変しており、小売業者がよ

Take your ML models from prototype to production with Vertex AI You’re working on a new machine learning problem, and the first environment you use is a notebook. Your data is stored on your local machine, and you try out different model architectures and configurations, executing the cells of your notebook manually each time. This workflow is great for experimentation, but you quickly hit a wall

※本記事は2022年1月22日に公開された記事の翻訳版です。 この記事は、Developer Productivity Engineering Campブログシリーズの一環として、Platform Infraチームの Daisuke Fujita (@dtan4)がお届けします。 メルカリでは、すべてのクラウドインフラを宣言的構成で管理することがプラットフォームの中核となる考え方の一つです。メインのクラウドプロバイダーはGoogle Cloud Platform（GCP）であり、HashiCorp Terraformを使用してインフラをコードとして管理しています。Platform Infraチームは、すべてのTerraformワークフローを安全に管理するための社内CIサービスを提供しています。 Terraformはリソースプロビジョニングのためにクラウドプロバイダーのクレデンシャルを必要と