#agentpage 14/16

AI要約NVIDIAはBioNeMo Agent ToolkitをClaude Scienceに統合し、ライフサイエンス研究者がAI加速ツールを活用して創薬や生物学的解析を効率化できる環境を提供した。研究ワークフローのAI化が一段と加速する。

AI SUMMARYNVIDIA integrated its BioNeMo Agent Toolkit with Claude Science, giving life sciences researchers direct access to accelerated AI tools for drug discovery and biological analysis. The move streamlines AI-driven research workflows for the broader scientific community.

AI要約SkillOptはAIエージェントの指示（スキル）をモデルの重みを変えずに自動最適化する手法で、手動編集に頼らず体系的にエージェント挙動の信頼性を高める。

AI SUMMARYSkillOpt treats agent skill instructions as trainable parameters, automatically refining them through a principled optimization loop rather than ad-hoc manual edits, improving agent reliability without updating model weights.

AI要約コーディングエージェントを活用してAIエージェントの品質を継続的に高める「フライホイール」アプローチを解説し、評価と改善サイクルを自動化することで開発効率と品質向上を実現する方法を示す。

AI SUMMARYThis post explains how coding agents can power a quality flywheel for AI development by automating agent evaluation and iterative improvement cycles to ship more reliable agents.

AI要約GitHub Copilotのエージェントハーネスが複数ベンチマークで高い性能とトークン効率を発揮し、20以上のモデルから柔軟に選択できることを検証・解説した記事で、モデル単体ではなくハーネス設計の重要性を示す。

AI SUMMARYGitHub explains how its Copilot agentic harness delivers strong benchmark performance and leading token efficiency while supporting flexible choice among more than 20 models, underscoring that harness design matters beyond raw model quality.

AI要約GoogleはAIコーディングエージェント「Jules」の自律的な動作を正確に評価するため、従来の指標では捉えきれない新たなベンチマーク手法を導入。開発者がエージェントの実力を客観的に把握できるようになる。

AI SUMMARYGoogle introduces tailored benchmarking approaches for Jules, its autonomous AI coding agent, addressing the gap left by traditional metrics that fail to capture agent-level task completion. Developers gain clearer, more actionable insight into real-world coding agent performance.

AI要約Google ADKとAgent2Agent（A2A）プロトコルを用いて、PythonとGoで書かれた異言語エージェントが契約コンプライアンス処理で協調動作するマルチエージェントシステムの構築手法を解説。言語の壁を越えたエージェント連携を実現したい企業開発者に有益。

AI SUMMARYGoogle ADK combined with the A2A protocol enables a Python orchestrator agent and a Go specialist agent to collaborate on contract compliance tasks across language boundaries, demonstrating a practical pattern for enterprise multi-agent systems.

AI要約NetflixがLLMエージェントを活用し、データサイエンティストの因果推論ワークフローを自動化・支援する手法を紹介。人間を置き換えるのではなく拡張することで、分析の効率と品質を高める狙い。

AI SUMMARYNetflix details a human-augmenting agentic workflow using LLM agents to assist data scientists with causal inference, boosting analysis speed and quality without replacing human judgment.

AI要約GitHubが社内向けに構築したCopilot搭載データ分析エージェント「Qubot」の事例を解説。社員が自然言語でデータを問い合わせできる仕組みと、構築過程で得た設計や運用上の知見を共有している。

AI SUMMARYGitHub shares how it built Qubot, an internal Copilot-powered analytics agent that lets employees query company data in plain language, detailing its architecture and the lessons learned.

AI要約Continue.dev の VS Code 拡張機能バージョン 2.1.0 がリリースされた。Cursor エージェントとの共同作業による定例アップデートでバージョン番号が引き上げられた。

AI SUMMARYContinue.dev has released v2.1.0 of its VS Code extension. This routine chore update was co-authored with the Cursor agent, incrementing the extension version.

AI要約Microsoft FoundryがBuild 2026で企業向け強化学習基盤OpenEnvを発表。ホスト型エージェントやFrontier Tuningと統合し、評価から最適化までを一貫して扱う成果駆動型の学習スタックを構築できる。

AI SUMMARYMicrosoft Foundry unveiled OpenEnv at Build 2026, an enterprise reinforcement learning framework that integrates with hosted agents and Frontier Tuning to build outcome-driven optimization and learning stacks.

AI要約AIリサーチエージェントが機密情報をモザイク的に漏洩させるリスク「MosaicLeaks」を検証した研究で、ローカルLLMを用いたエージェント設計における情報セキュリティの重要性を示している。

AI SUMMARYThis research introduces MosaicLeaks, a study examining how AI research agents can inadvertently leak sensitive information through aggregated outputs, highlighting critical security considerations for agent design using open models.

AI要約Cursor Automations に `/automate` スキル、GitHub・Slack 向け新トリガー、コンピューター操作サポートが追加され、常時稼働エージェントによる定型業務の自動化がより柔軟かつ強力になった。

AI SUMMARYCursor Automations gains the /automate skill, GitHub and Slack triggers, and computer-use support, making always-on agents significantly more capable for developers looking to eliminate repetitive workflows.

AI要約オープンLLMのエージェント性能を自社ツール環境で評価するベンチマーク手法を解説し、モデル選定の実践的指針を提供する。

AI SUMMARYThis article presents a practical framework for benchmarking open LLMs on agentic tasks using custom tooling, helping developers choose the right model for real-world agent workflows.

AI要約AWSはAmazon Bedrock AgentCoreにフルマネージドのウェブ検索ツールを追加し、AIエージェントが引用付きの最新情報を取得できるようになった。データはAWS環境外に送出されないため、コンプライアンスを重視する企業に恩恵をもたらす。

AI SUMMARYAmazon Bedrock AgentCore now offers a fully managed Web Search tool that lets AI agents retrieve cited, up-to-date information without sending data outside the customer's AWS environment, reducing hallucinations and simplifying agent development.

AI要約AWS DevOps Agentがプレビュー版でリリース管理機能を追加した。コード変更のリリース準備状況を自動レビューし、自律的なリリーステストを実行することで、本番環境への安全なデプロイを支援する。

AI SUMMARYAWS DevOps Agent now adds release management in preview, automatically reviewing code changes for release readiness and running autonomous release testing to help teams ship to production safely.

AI要約AWS Security AgentにSTRIDE方式の脅威モデリングと、主要Gitサービス上のリポジトリ・PR検査および修復支援が加わった。Kiro、Claude Code、MCPから利用でき、開発者はIDEを離れず安全性を確認できる。

AI SUMMARYAWS Security Agent gains STRIDE threat modeling and repository-wide and pull-request checks with remediation on major Git services. Kiro, Claude Code, and MCP access keeps developers in their IDEs.

AI要約Azure AI および OpenAI のアシスタントエージェントに function_choice_behavior サポートを追加し、MessagePack の不具合を修正したパッチリリース。エージェントの関数呼び出し制御がより柔軟になる。

AI SUMMARYA patch release that adds function_choice_behavior support to the Azure AI and OpenAI Assistant agents and fixes a MessagePack issue, giving developers more flexible control over agent function calling.

AI要約Hugging Faceがエージェントによる自律的なリソース探索機能を発表。AIエージェントがモデルやデータセットを自動検索・活用できる仕組みを提供し、開発効率を高める。

AI SUMMARYHugging Face launched Agentic Resource Discovery, enabling AI agents to autonomously search and retrieve models and datasets, streamlining workflows that rely on dynamic resource selection.

AI要約CursorデスクトップアプリのAgentsウィンドウにクラウド環境のセットアップ機能とクラウドサブエージェントが導入され、エージェントベースの開発ワークフローが強化された。

AI SUMMARYCursor's Agents Window now supports cloud environment setup and cloud subagents, expanding agent-based development workflows directly within the desktop app.

AI要約Web上のツール・スキル・エージェントを横断的に検索・検証するオープン仕様「Agentic Resource Discovery」をGoogleが公開。AIエージェント間の相互運用性向上を目指す。

AI SUMMARYGoogle introduces the Agentic Resource Discovery open specification, enabling AI agents to discover and verify tools, skills, and other agents across the web to improve interoperability.

AI要約Amazon S3は、各オブジェクトに最大1 GBの可変アノテーションを保存し、検索できる機能を追加した。独立したメタデータ基盤を運用せずに、AIエージェントや自律型処理が大規模データを把握して活用できる。

AI SUMMARYAmazon S3 adds searchable, editable annotations of up to 1 GB to each object. Agentic systems can interpret and use data at scale without a separate metadata store.

AI要約Google DeepMindはAIエージェントが広く普及する中で生じるセキュリティリスクに対処するフレームワークを発表した。エージェントの自律的な行動に伴う脅威を体系化し、安全な展開に向けた指針を示している。

AI SUMMARYGoogle DeepMind published a framework addressing security risks posed by increasingly autonomous AI agents, outlining threat models and guidelines to ensure safe real-world deployment.

AI要約GitHub Copilot CLI のスラッシュコマンドを活用することで、ターミナル上の AI エージェントを効率的に操作できる。本記事は /explain や /fix など代表的なコマンドの役割と使い方を体系的に解説し、開発ワークフローへの実践的な組み込み方を学べる初心者向けガイドである。

AI SUMMARYA beginner's guide to GitHub Copilot CLI's common slash commands like /explain and /fix, explaining how to control the terminal AI agent and integrate it into everyday development workflows.

AI要約OpenHands v1.8.0がリリースされ、LLMプロファイルの追加、サンドボックスのグループ化戦略の選択、サブエージェント委任の有効化など複数の機能が実装された。エージェント開発の柔軟性とマルチエージェント連携が強化されている。

AI SUMMARYOpenHands 1.8.0 ships with several notable features, including LLM profiles, user-selectable sandbox grouping strategies, and enabled sub-agent delegation, enhancing flexibility and multi-agent collaboration.

AI要約Google DeepMindはマルチエージェントAIシステムの安全性研究に注力すると発表。複数のAIエージェントが協調する環境でのリスク把握と安全確保が今後の重要課題となる。

AI SUMMARYGoogle DeepMind announces increased investment in multi-agent AI safety research, addressing the unique risks that emerge when multiple AI agents interact and coordinate autonomously.

AI要約AIエージェントが複数のHugging Face Spacesをチェーンすることで、画像生成から3Dシーン構築までを自動化し、パリをテーマにした3Dギャラリーを作成した事例を紹介。エージェントによるSpace連携の実用的な可能性を示している。

AI SUMMARYA demonstration of an AI agent autonomously chaining two Hugging Face Spaces—one for image generation and one for 3D scene creation—to produce an interactive Paris-themed gallery, showcasing practical multi-Space orchestration.

AI要約オープンソースコミュニティがエージェント強化学習のための統一環境フレームワークOpenEnvを支持し、多様なタスクでエージェントを訓練・評価する基盤として注目を集めている。

AI SUMMARYThe open source community is rallying behind OpenEnv, a unified environment framework for agentic reinforcement learning that enables training and evaluating AI agents across diverse tasks.

AI要約Hugging FaceはAIエージェントが効率的に利用できるよう設計されたhf CLIを公開し、Hub上のモデルやデータセットの操作を自動化しやすくした。エージェントワークフローへの統合を念頭に置いた設計が特徴。

AI SUMMARYHugging Face introduced a redesigned hf CLI built with AI agents in mind, making it easier to automate Hub operations like model and dataset management within agentic workflows.