📢国家資格「情報処理安全確保支援士」新規登録を検討されている皆さまへ 10月1日登録分／受付期限：8月15日（当日消印有効） 登録前に知っておきたい制度概要や登録のメリットに加え、資格活用事例も紹介しています。 詳しくはこちら👇

今日は、15時から、「令和８年熊本地震　第１０回　非常災害対策本部会議」を開催しました。 被災自治体や被災された方々から、政府として、直接ニーズを伺う機会も増えており、避難されている方々の支援や被災地の「復旧・復興」に向け、対応が進んでいます。 各大臣には、現場から寄せられる貴重なお声を踏まえ、先日策定を指示した『支援パッケージ』に盛り込むべき支援策の検討など、先手・先手で取組を進めるよう、指示しました。 今は、片付けなどのため、避難所からご自宅に戻って「在宅避難」に切り替える方々も徐々に増えてきており、こうした避難所を離れられた方々への支援も切れ目なく継続する必要があります。 各府省庁には、「在宅避難」に切り替えられた方々を含めて、「見守り、生活相談」などを改めて徹底するよう、指示しました。 ＜医療・福祉の確保、アウトリーチ支援について＞ 「在宅避難」、「車中泊」をされている方々を含め、「避難されている方々の健康管理」などについては、 ・健康管理や感染症管理・対策の支援を行う保健関係の47チーム ・避難所などにおける救護活動などを行う医療関係の150チーム ・要配慮者への福祉的支援や避難所の環境整備などを行う福祉関係の15チームが、被災地でそれぞれ活動を行って下さっています。 厚生労働省には、必要な方に切れ目なく支援が行えるよう、万全の体制を整えるよう、指示しました。 ＜生活用水の確保について＞ 生活環境の改善に向け、「生活用水の確保」は極めて重要な課題です。 給水車や水資源機構の「可搬式浄水装置」などを活用し、「トイレカー」や「水循環シャワー」などの生活用水のニーズに対する給水支援を含め、きめ細やかな対応を継続・徹底します。 被災地で多く使われている「井戸への対策」を進めるため、「現地対策本部」のもとに「対応チーム」を設置しました。 国土交通省には、「上下水道の応急復旧」に加え、「対応チーム」を中心に、「井戸の対策」についても、自治体と連携して現地の状況やニーズの把握を行い、被災された方々のための取組を速やかに進めるよう、指示しました。 ＜生活環境の向上（応急的な住まいの確保）について＞ 「応急的な住まいの確保」に向けては、新たに昨日（11日）、八代市において「建設型応急住宅」の工事が始まったほか、15市町村において「賃貸型応急住宅」の受付が開始されています。 内閣府には、被災者の方の「仮設住宅」や「賃貸型応急住宅」への入居が着実に進むよう、「伴走型」で自治体の業務を支援するよう、指示しました。 ＜ボランティアの活動状況について＞ 「災害ボランティア」に関しては、八代市でも具体的な活動が始まり、11箇所の「災害ボランティアセンター」で活動しており、専門的な技術を持つNPOなどによる「支援調整」も進んでいます。 ボランティアやＮＰＯの皆様に、感謝申し上げます。 ＜子どもの居場所づくり（保育園、学童など）について＞ 被災されたお子さんたちにとって、またお子さんがいらっしゃるご家庭の方が安心して家の片づけや仕事などを再開するためにも、「保育の態勢」や「安心・安全に過ごすことができる居場所」を確保することが重要です。 内閣府をはじめ関係府省庁には、熊本県や関係団体などと緊密に連携して、「こどもの居場所の確保」と「保護者への必要な情報提供」に全力で取り組むよう、指示しました。 また、文部科学省には、被災した地域における学校の「新学期」の円滑な開始に向け、現場の支援を強化するよう、指示しました。 ＜震災便乗犯罪への対応状況について＞ 「被災地の治安」を確保して、被災された方々の不安の解消に努めることは、極めて重要です。 警察では、各都府県警察から派遣された「特別自動車警ら部隊」などが順次入県し、「警戒・警ら体制」や「相談活動」、「防犯指導活動」などの体制を強化しています。 また、８月10日から派遣されている「特別犯罪抑止部隊」が「防犯カメラ」の設置を迅速に進めているほか、近く、全国から「特別機動捜査部隊」を派遣し、「便乗犯罪」の捜査体制を一層強化します。 ＜消費者トラブルへの対応について＞ 被災後の混乱に便乗して、点検商法や不当な高額請求などのトラブルも懸念されます。 消費者庁には、震災に便乗した「悪質商法」などの被害を食い止めることができるよう、関係省庁と連携して、国民の皆様への「注意喚起」に取り組むよう、指示しました。 ＜災害廃棄物の処理への対応について＞ ニーズが高まっている被災自治体の損壊家屋などの「公費解体・撤去」について、環境省には、緊急的な公費解体を含めた被災自治体の準備支援を加速するとともに、「支援調整本部」を活用して、被災自治体のニーズに沿った迅速かつ効率的な支援を進めるよう、指示しました。 ＜企業支援（新たな激甚災害指定の見込み）について＞ 生活基盤の復旧が進む中、「地域経済の再生」に向けた取組も加速してまいります。 「激甚災害」の指定については、中小企業の「災害関係保証の特例」について、御船町に続き、新たに八代市についても「局激」の指定基準を超過する見込みが立ちました。 経済産業省には、自治体と連携して「被害実態の把握」を進めるとともに、被災された中小企業などの皆様の「事業継続・事業再開」に万全を期するよう、指示しました。 被災された中小・小規模事業者への「資金繰り支援」については、「特別相談窓口」の設置や官民金融機関への要請などを通じ、事業者の事情に応じた丁寧な対応を続けていきます。 「局激」の指定見込みにより、御船町と八代市については、既に実施している日本政策金融公庫による「災害復旧貸付」について、指定された地域では1,000万円を上限に「貸付金利」を更に0.9％引き下げる「追加措置」に加え、「セーフティネット保証4号」とはさらに別枠で100％保証する「災害関連保証」を講じる予定です。 政府としては、地域経済や「サプライチェーン」への影響をしっかりと把握するとともに、被災事業者や協力企業への支援、「生産機能の回復」などについて、関係省庁が連携して必要な対応を行ってまいります。 ＜雇用支援について＞ 被災地における早期の復旧・生活再建に向けては、被災地における「雇用支援」も重要です。 厚生労働省には、「雇用調整助成金」による「雇用維持支援」の強化に向けて、しっかりと取り組むよう、指示しました。 ＜観光支援について＞ 被災地の地域経済の再生に向けては、「観光需要の回復」や「風評被害の払拭」が重要です。 国土交通省には、被災地からのニーズや復興状況を踏まえた、被災地とその周辺地域における「観光需要の喚起」・「風評被害の払拭」のため、必要な対策の検討を加速するよう、指示しました。 発災から2週間が経ちました。 「できることは、すべてやる」という決意の下で、政府の総力を結集し、被災地と被災された方々の立場に立ち、取組を更に加速してまいります。

# AIエージェントをエンタープライズシステムに組み込む意思決定ポイント # 自律 vs 決定論ワークフロー｜Autonomous vs Deterministic Workflow 🎯 ポイント エージェントに「自由に考えて動いて」と任せますか、それとも「この手順通りに実行して」と指示しますか？ 自律は柔軟だが予測不能、決定論は硬直だが監査可能。この分岐を副作用の可逆性と影響度で判断せず「なんとなく自律」で設計すると、不可逆な操作をエージェントの自律判断に委ねて取り返しのつかない事態を招きます🔑 📋 概要 自律型はエージェントが自由にステップを計画・実行するアプローチです。タスクのバリエーションが多く、事前にすべてのフローを定義するのが非現実的な場面で力を発揮します。情報検索・要約・分析など読み取り専用の操作が中心で、誤りがあっても容易に取り消し可能な場合に適しています。決定論ワークフローは事前定義されたフローに従わせるアプローチで、操作の副作用が不可逆または高影響（決済処理、契約変更、本番デプロイ、人事異動）な場合、そしてSOX / GDPR / 金融規制により監査証跡が必須な場合に選びます📊 🔍 意思決定のポイント 判断は副作用の有無と可逆性で行います： 副作用なし（読み取り専用）→ 自律で問題なし 副作用あり＋可逆 → 自律＋事後検証で対応可能 副作用あり＋不可逆 → 決定論＋事前承認が必須 規制要件あり → 決定論で監査証跡を確保 タスクの多様性も重要な判断材料です。パターンが固定的なら決定論で最適化し、多様で予測不能なら自律で柔軟に対応します。ただし自律でも、高リスク操作の前にHITL（Human-in-the-Loop）承認ゲートを挿入すれば安全性を確保できます⚡ 💡 要点と詳細 本番環境では純粋な自律も純粋な決定論も少なく、ハイブリッドが主流です： 自律で計画、決定論で実行：エージェントが自律的にタスクを分解・計画し、各ステップの実行は事前定義されたワークフロー（API呼び出しの順序・バリデーション・承認ゲート）に従います。計画の柔軟性と実行の安全性を両立する最も実用的なパターンです。 リスクレベルによる切り替え：読み取り操作は自律、書き込み操作は決定論ワークフローに自動ルーティング。二重トラック検証と組み合わせるのが定石です。 ServiceNowのインシデント対応を例にすると、原因調査は自律（ログ検索・仮説生成・検証を柔軟に実行）、復旧操作は決定論（定義済みのランブック手順に従う）という使い分けが理にかなっています。 監査証跡は全モードで記録してください。自律モードでも「なぜその操作をしたか」を追跡できる操作ログが不可欠です🔄 ⚖️ トレードオフ 不可逆な操作を自律に任せるリスクは計り知れません。Shopifyで数千商品の価格を一括変更する操作をエージェントの自律判断に委ねた結果、誤った価格設定で損害が発生するケースは現実に起こり得ます😰 一方、すべてを決定論にすると、情報検索や要約まで固定フローに閉じ込め、エージェントの柔軟性を完全に殺してしまいます。「AIエージェント」である意味がなくなり、従来のルールエンジンと何も変わりません。 ハイブリッドの境界が曖昧なのも危険です。自律と決定論の切り替え条件が明文化されていないと、開発者によって実装がバラつきます。操作のリスク分類を先に定義し、切り替え条件をコードで明文化しましょう⚠️ 🛠️ ユースケース ナレッジ検索＋ドキュメント編集：Notion / Confluenceでのナレッジ検索と情報要約は自律モード（読み取り専用、柔軟な探索が価値を生む）。ドキュメントの本番公開や共有範囲変更は決定論ワークフロー（承認ゲート＋監査ログ）📚 EC運営（Shopify）：商品情報の検索・分析は自律。在庫調整は決定論（変更量のバリデーション＋承認）。一括価格変更は決定論＋ドライラン必須（差分プレビュー→人間確認→実行）。同じエージェントでもリスクレベルで実行モデルを切り替えます🛒 インシデント対応（ServiceNow）：原因調査フェーズは自律（ログ検索→仮説立て→検証を柔軟に）。復旧フェーズは決定論（ランブック手順通り、各ステップに承認ゲート）。調査は自由に、実行は厳密に🔧 実践のコツ：「自律と決定論の境界」をリスク分類表として先に定義してください。各操作を「読み取り」「可逆書き込み」「不可逆書き込み」「金銭移動」に分類し、それぞれの実行モデルを決めておくのが安全な運用の出発点です💪 #AIエージェント# #エンタープライズアーキテクチャ#

# AIエージェント開発の意思決定ポイント # 計画先行（Plan-then-Execute） vs 逐次推論行動（ReAct） 📝 🎯 ポイント 「未来をどこまで見通してから動くか」-- これはエージェント設計で避けて通れない分岐です。 まず計画を立ててから実行するか、1ステップずつ観察と行動を繰り返すか。計画を明示的な中間成果物として持つかどうかで、承認フロー・コスト制御・デバッグの設計が根本的に変わります。LLMは1リクエストが高コストなので、計画なしの試行錯誤はトークンを浪費します。しかし環境が動的に変化するなら、精緻な計画も実行中に陳腐化します。 📋 概要 Plan-then-Execute（計画先行）は、タスクを受け取ったらまずLLMが実行計画を構造化データ（JSON/YAML）として生成し、計画確定後（必要に応じて人間承認後）に各ステップを順次実行する方式です。ReAct（逐次推論行動）は、LLMが「観察→推論→行動」のサイクルを1ステップずつ繰り返し、全体の計画は暗黙的にLLMの内部推論に委ねる方式です。 🔍 意思決定のポイント **タスクの変動性（task_variability）** を主軸に判定します。 📊 **環境の動的さによる判定**: - 静的（実行中にデータや外部状態がほぼ変わらない） → Plan-then-Execute - 半静的（大枠は安定だが一部で状態が変わりうる） → Plan-then-Execute＋逸脱時の再計画 - 動的（各ステップの結果が次の選択を大きく左右する） → ReAct 📊 **タスクの性質による判定**: - 手順が定型で人間が事前に承認したい → Plan-then-Execute - 手順は概ね分かるが細部は実行時に決まる → Plan-then-Execute（粗い計画＋実行時微調整） - 手順自体が不明で探索的に進める → ReAct **failure_cost** が高い場合（不可逆操作を含む場合）は Plan-then-Execute に強く倒す動機があります。 💡 要点と詳細 🟢 **Plan-then-Executeの強み**は透明性と制御性です。計画が明示的な中間成果物であるため、実行前に人間が「この手順で大丈夫か」を確認できます。不可逆な操作を含む計画を事前に検証でき、安全性を確保できます。デバッグでも「計画が間違っていたのか、実行が間違っていたのか」を分離して調査できます。計画段階で不要なステップを刈り込めるため、トークン消費の抑制にも有効です。弱点は計画の陳腐化で、環境変化時に再計画のメタループが発生しうるため、再計画回数に上限（2〜3回）を設ける必要があります。 🟡 **ReActの強み**は適応性です。環境の変化にステップ単位で対応でき、予期しない状況にも柔軟に反応できます。計画を立てる余裕がないほど動的な環境や、手順が不明で探索的に進めるタスクに適しています。実装もシンプルで、計画の生成・保存・検証・再計画のインフラが不要です。弱点は予測不能性とコストで、LLMが何ステップ踏むか事前にわからず、自己ループのリスクがあります。 ⚖️ トレードオフ | 観点 | Plan-then-Execute | ReAct | |---|---|---| | 透明性 | 計画が明示的な成果物 🟢 | 暗黙的（LLM内部推論） 🔴 | | 人間の承認 | 計画全体を事前承認可 | 各ステップごとに介入が必要 | | コスト制御 | ステップ数で上限見積り可 | 事前にわからない | | 環境変化への適応 | 再計画が必要（コスト増） | ステップ単位で対応 🟢 | | デバッグ | 計画と実行を分離して調査 | 全ステップログの解析が必要 | | 実装複雑性 | 計画インフラが必要 | ループ制御のみで動作 | 🛠️ ユースケース 🔵 **Plan-then-Executeが向くケース**: 不可逆操作を含む処理、人間承認が必要なワークフロー、コスト予測が重要な処理、手順が定型的なタスク。 🔴 **ReActが向くケース**: デバッグ・調査、動的に変化する環境での処理、手順が不明で探索的に進めるタスク、プロトタイプ開発。 📌 **デフォルト戦略**: 計画先行（Plan-then-Execute）で、計画は人間が編集可能にしてください。最も実用的な折衷は「計画先行＋逸脱時のみ再計画」です。まず計画を立て、各ステップの実行結果が期待と大きく異なる場合にのみ再計画を発動します。再計画では失敗情報を添えて新しい計画を生成するため、同じ失敗を繰り返しにくくなります。再計画回数の上限は2〜3回が目安です。 #AIエージェント# #ソフトウェアアーキテクチャ#

警察では、サイバー犯罪捜査官(都道府県警察)・技術職員(警察庁)を募集しています！最前線で活躍する捜査官・技術職員として、社会の安全・安心を守る一員になりませんか？【34都道府県、警察庁で募集】 詳しくはこちら↓ #サイバー犯罪捜査官# #情報処理技術者#

【半導体メモリの需給ひっ迫は継続】 足元では契約期間が3～5年にわたるLTA（長期供給契約）を締結する動きが広がっており、構造的な需給ひっ 迫に対する顧客側の危機意識が浮き彫りに。 AI需要が拡大するデータセンター向けの先端製品のみならず、PCやスマートフォン向けなどの汎用品も供給不足が深刻化しており、中国企業の増産を考慮しても、2028年にかけて半導体メモリの需給ひっ迫が継続するとみている。主な背景は以下の三点。 １．エージェントAIによるメモリ需要の急増 複雑な情報処理を実行するため、計算処理の増大に伴って必要なメモリ容量が飛躍的に増加する見通し ２．技術的差異 CXMTが2026年に旧世代品「HBM3」の量産を「目指す」と表明する一方、グローバル大手は新世代品「HBM4」の量産を既に開始。特に先端品における技術差は大きく、大手がシェアを奪われる可能性は低いと見る。 ３．米国による制裁 半導体分野における対中輸出規制の強化を目的とした法案も提出されており、中国産半導体が中国外の市場でシェアを高めるにはハードルが高い。特にAIデータセンターは産業の根幹や国家安全保障にも関わるため、ハードルはより高い。 出典：SBI岡三アセットマネジメント

# OpenAI Agent SDKの便利で実践的な使い方 🌍 LLM の出力を「文字列のまま祈る」のではなく、型安全な構造化データとして受け取りましょう。output_type を使えば、壊れた JSON に悩まされる日々とはお別れです。 output_type に Pydantic モデル・dataclass・TypedDict を指定するだけで、エージェントの出力が自動的にバリデーション済みの構造化データになります。 📌 タイトル：Agents -- Output types 🔗 URL： 🧩 概要 Agent の `output_type` パラメータを設定すると、LLM の出力が Structured Outputs として強制されます。Pydantic BaseModel、dataclass、TypedDict のいずれかを指定でき、出力は自動的にパースされバリデーションされます。これにより、下流のコードが安全に構造化データを扱えるようになります。`output_type` を設定すると、エージェントのファイナル出力はテキストではなく指定した型のオブジェクトになります。 🛠 使い方 `BaseModel` を継承した `CalendarEvent` クラスに `name: str`, `date: str`, `participants: list[str]` フィールドを定義し、`Agent` の `output_type=CalendarEvent` に指定します。` ...)` の ` が `CalendarEvent` 型として返され、` や `event.participants` で型安全にアクセスできます。 🏗 実践的な使い方 **メールからカレンダーイベントを抽出して API 登録** 構造化出力をそのまま外部 API に渡すパイプラインです。 ` email_body)` で抽出した ` を `CalendarEvent` 型として受け取り、`calendar_api.create_event(title= date= attendees=event.participants)` でそのまま外部 API に渡します。 **Enum 出力による分岐オーケストレーション** 分類結果を enum で返し、コードで確実に分岐させるパターンです。 `TicketCategory(str, Enum)` で `billing`, `technical`, `general` を定義し、`Classification(BaseModel)` に `category: TicketCategory` と `confidence: float` を持たせます。`Agent` の `output_type=Classification` を設定して分類を実行し、` を `match` 文で分岐して `handoff_to_billing`, `handoff_to_engineering`, `handoff_to_general` にルーティングします。 **ビジネスクリティカルな処理での型保証** 「壊れた JSON は絶対に許容できない」業務で、Structured Outputs が安全弁として機能します。 `InvoiceData(BaseModel)` に `invoice_number: str`, `amount: float`, `currency: str`, `due_date: str`, `line_items: list[dict[str, str | float]]` を定義し、`Agent` の `output_type=InvoiceData` に指定することで、請求書データの構造化抽出を型安全に保証します。 💡 ユースケース 📧 メールから CalendarEvent(name, date, participants) を抽出し、カレンダー API に自動登録 🏷 サポートチケットを Enum 分類し、category に応じてコードで確実にルーティング 💰 請求書・契約書の構造化抽出で「壊れた JSON が許されない」業務処理を型安全に 📊 アンケート自由記述を構造化データに変換し、集計パイプラインに直接投入 ⚠️ 注意点 - output_type を指定すると、エージェントの最終出力は必ずその型になります。通常のテキスト応答は返せなくなるため、テキスト応答が必要な場合は output_type を設定しないでください。 - 複雑すぎるネスト構造は LLM の出力精度を下げる可能性があります。できるだけフラットな構造を心がけましょう。 - Optional フィールドを適切に使い、LLM が情報を見つけられなかった場合の None を許容する設計にしましょう。 ✨ output_type を活用すれば、LLM の出力をそのままビジネスロジックに組み込めます。「パースして祈る」から「型で保証する」へ、一歩進んだエージェント開発を始めましょう！ #OpenAIAgentSDK# #AIAgent#

# OpenAI Agent SDKの便利で実践的な使い方 🌍 LLM の出力を「文字列のまま祈る」のではなく、型安全な構造化データとして受け取りましょう。output_type を使えば、壊れた JSON に悩まされる日々とはお別れです。 output_type に Pydantic モデル・dataclass・TypedDict を指定するだけで、エージェントの出力が自動的にバリデーション済みの構造化データになります。 📌 タイトル：Agents -- Output types 🔗 URL： 🧩 概要 Agent の `output_type` パラメータを設定すると、LLM の出力が Structured Outputs として強制されます。Pydantic BaseModel、dataclass、TypedDict のいずれかを指定でき、出力は自動的にパースされバリデーションされます。これにより、下流のコードが安全に構造化データを扱えるようになります。`output_type` を設定すると、エージェントのファイナル出力はテキストではなく指定した型のオブジェクトになります。 🛠 使い方 `BaseModel` を継承した `CalendarEvent` クラスに `name: str`, `date: str`, `participants: list[str]` フィールドを定義し、`Agent` の `output_type=CalendarEvent` に指定します。` ...)` の ` が `CalendarEvent` 型として返され、` や `event.participants` で型安全にアクセスできます。 🏗 実践的な使い方 **メールからカレンダーイベントを抽出して API 登録** 構造化出力をそのまま外部 API に渡すパイプラインです。 ` email_body)` で抽出した ` を `CalendarEvent` 型として受け取り、`calendar_api.create_event(title= date= attendees=event.participants)` でそのまま外部 API に渡します。 **Enum 出力による分岐オーケストレーション** 分類結果を enum で返し、コードで確実に分岐させるパターンです。 `TicketCategory(str, Enum)` で `billing`, `technical`, `general` を定義し、`Classification(BaseModel)` に `category: TicketCategory` と `confidence: float` を持たせます。`Agent` の `output_type=Classification` を設定して分類を実行し、` を `match` 文で分岐して `handoff_to_billing`, `handoff_to_engineering`, `handoff_to_general` にルーティングします。 **ビジネスクリティカルな処理での型保証** 「壊れた JSON は絶対に許容できない」業務で、Structured Outputs が安全弁として機能します。 `InvoiceData(BaseModel)` に `invoice_number: str`, `amount: float`, `currency: str`, `due_date: str`, `line_items: list[dict[str, str | float]]` を定義し、`Agent` の `output_type=InvoiceData` に指定することで、請求書データの構造化抽出を型安全に保証します。 💡 ユースケース 📧 メールから CalendarEvent(name, date, participants) を抽出し、カレンダー API に自動登録 🏷 サポートチケットを Enum 分類し、category に応じてコードで確実にルーティング 💰 請求書・契約書の構造化抽出で「壊れた JSON が許されない」業務処理を型安全に 📊 アンケート自由記述を構造化データに変換し、集計パイプラインに直接投入 ⚠️ 注意点 - output_type を指定すると、エージェントの最終出力は必ずその型になります。通常のテキスト応答は返せなくなるため、テキスト応答が必要な場合は output_type を設定しないでください。 - 複雑すぎるネスト構造は LLM の出力精度を下げる可能性があります。できるだけフラットな構造を心がけましょう。 - Optional フィールドを適切に使い、LLM が情報を見つけられなかった場合の None を許容する設計にしましょう。 ✨ output_type を活用すれば、LLM の出力をそのままビジネスロジックに組み込めます。「パースして祈る」から「型で保証する」へ、一歩進んだエージェント開発を始めましょう！ #OpenAIAgentSDK# #AIAgent#

# OpenAI Agent SDKの便利で実践的な使い方 🌍 エージェントの処理が数時間、あるいは数日にわたる場合、プロセスが落ちても大丈夫ですか？ Durable execution統合を使えば、長時間実行や人間承認フローを安全に実現できます。 📌 タイトル：Running agents – Durable execution integrations 🔗 URL： 🧩 概要 Durable execution統合は、エージェントの実行状態を永続化し、プロセス障害やサーバー再起動後も途中から再開できる仕組みです。人間の承認を待つワークフロー（数時間〜数日）や、長時間のバッチ処理で特に威力を発揮します。Temporal、Dapr、Restate、DBOSなどのフレームワークとの統合がサポートされています。 🛠 使い方 DBOSとAgent SDKを組み合わせた例です。`DBOS()` で初期化し、`Agent(name="approval-agent", instructions="...")` でエージェントを定義します。`@DBOS.workflow()` デコレータを付けた非同期関数 `expense_approval_workflow(report_id)` の中で、`await input=...)` で経費レポートを分析し、`await DBOS.recv(f"approval-{report_id}", timeout_seconds=86400 * 7)` で最大7日間の承認待ちを行います。`approval["approved"]` が `True` なら再度 ` で承認済みレポートを処理します。 🏗 実践的な使い方 **人間承認ワークフロー** 経費精算、コンテンツ公開、契約書レビューなど、人間の承認が必要なプロセスにエージェントを組み込む場合、承認待ちの間にプロセスが落ちても状態が保持されます。承認が来た時点で自動的に処理を再開できます。 **障害からの自動復旧** Temporal/Dapr/Restate/DBOSのいずれも、プロセスクラッシュやサーバー再起動後に自動的に最後のチェックポイントから再開する仕組みを持っています。LLM呼び出しの途中で障害が発生しても、完了済みのステップは再実行されません。 **小中規模プロジェクトにはDBOS** TemporalやDaprはインフラの構築と運用コストが高いですが、DBOSはSQLite（ローカル開発）やPostgres（本番）だけで動作します。専用のオーケストレーションサーバーが不要なため、小中規模のプロジェクトに最適です。 **段階的なエージェントパイプライン** 複数のエージェントステップを持つパイプライン（調査→分析→レポート生成→レビュー→承認）を、各ステップの完了をチェックポイントとして永続化できます。途中で失敗しても、最初からやり直す必要がありません。 💡 ユースケース 📋 経費精算の承認フロー（マネージャーの承認を数日待つ） 📝 コンテンツ公開パイプライン（エディターレビュー→承認→公開） 🔄 長時間バッチ処理の障害復旧（数百件のドキュメント処理） 🏢 契約書レビューワークフロー（法務チームの確認待ち） ⚠️ 注意点 - Durable executionフレームワークの選択はインフラ要件に依存します。既にTemporalを使っているならTemporalを、新規で軽量に始めるならDBOSを検討してください。 - 永続化される状態にLLMのレスポンス全文を含めるとストレージコストが増大します。必要な情報だけを保存するよう設計してください。 - 人間承認のタイムアウトを設定してください。無期限に待つワークフローはリソースリークの原因になります。 - DBOSのSQLiteバックエンドはローカル開発には便利ですが、本番環境ではPostgresを使用してください。 ✨ Durable executionで、プロセス障害を恐れずに長時間ワークフローを構築しましょう！ #OpenAIAgentSDK# #AIAgent#

青森県で震度６強。。。 東北地方の状況をとても心配しています。 大宮のホテルでの就寝中にその強く長い揺れに見舞われました。 青森県六ヶ所村には核燃料再処理工場があります。そちらの安全を本当に懸念しています。 とにかく今後の余震、そして二次被害に充分注意してください。 被害が広まらないよう、そして皆様が無事であるよう心から願っています。 【地震情報】青森県で震度6強 津波被害の心配なし 気象庁「後発地震注意情報」発表せず | NHKニュース | 地震、青森県、岩手県