ログを取るだけでは事故は防げません。問題のあるリクエストを、LLMに届く前に止める「実行時ガバナンス」の登場です🛡️ タイトル: LangSmith LLM Gateway: runtime governance built into the agent lifecycle URL: 🛡️ 概要 エージェントとモデルプロバイダーの間に立つ実行時ガバナンスの層です。LangSmithプラットフォーム内の強制ポイントとして、問題を「後から記録する」のではなく「発生源で止める」ことを狙います。 ❓ 解決する課題 可観測性（ログ）だけでは問題を防げません。インシデントが起きてから記録するのでは遅く、問題のあるリクエストは外部のLLMプロバイダーに届く前に止めるべきだ、という考えが出発点です。 💡 機能の説明 ・支出コントロール：組織・ワークスペース・ユーザー・APIキー単位でハード上限。超過時は402エラー ・コストの可視化：組織単位のリアルタイム支出追跡 ・データ保護：モデルに渡る前にPIIや秘密情報を自動リダクション ・トレース統合：Gateway経由の呼び出しが同じワークスペースに表示 ・監査ログと階層的ポリシー 設定は最小限で、base_urlをGatewayに向け、キーをシークレットに保存し、UIでポリシーを定義するだけです。 🌍 ユースケース ・リトライループによる暴走的な支出の防止 ・SSNやPIIなど機微データのプロバイダーログ流出の防止 ・組織的なコストガバナンスとコンプライアンス監査 #LLMOps# #AIガバナンス#

【品質担保・ガバナンス・セキュリティ…全てをAI前提に変える】 Claudeを導入してコーディングの速度を上げるだけでは意味がない 👉 なぜ「AI責任者」が「人事責任者」を兼任するのか？ 当事者のメルカリ・木村俊也さんに聞きました @kimuras @mshrnakagawa

米中がAIの政府間対話で合意　中国外務省公表「ガバナンスを促進」 中国外務省は19日、米国と中国がAI（人工知能）の課題についての政府間対話を始めることで合意したと発表した。

AIが自律性を高める時代、問われるのは「どう活用するか」だけではない。 人とAIがともに制御を担う、新たなガバナンスへ。 ProVision 📖 技術の信頼性 ― AIは誰が制御するのか 🔗

AIは「導入するもの」から、「企業を設計する前提」へ。 Think 2026で見えたのは、AIエージェント、リアルタイム・データ、IT運用、ガバナンスが連動する新たな企業変革の構造。 📘 ProVisionで読み解く、AIファースト企業の現在地　

企業でAIエージェントを動かす鍵は「賢さ」より「統制」。女王蜂と働き蜂のアーキテクチャが答えを示します🐝 タイトル: Queen-Bee Agents: A BeeSpec-Centered Architecture for Governed Enterprise MCP Orchestration URL: 🐝 概要 中央の「女王（Queen）」制御プレーンが実行を統率し、専門の「働き蜂（Bee）」が制約付きアクセスで動くマルチエージェントシステムです。ガバナンスを効かせた企業向けのMCPオーケストレーションを実現します。 ❓ 解決する課題 企業がエージェントを導入するとき必要なのは生の能力だけではありません。LLMを社内ツールやMCPに繋ぐ際、ポリシーの強制、テナント単位の分離、明示的な運用境界を越えない実行という統制が不可欠でした。 💡 方法論と提案手法 ・核心はBeeSpec：Queenがコンパイルする構造化仕様で、各Beeのタスクスコープの実行パラメータを定義 ・テナント分離されたMCPコネクタで分離を担保 ・監査に裏付けられた実行時ガバナンス ・検索駆動の能力付与で、必要な能力を動的に付与 ・複数バックエンドをサポート 📊 実験結果 ・検索駆動バリアントは59の企業タスクで成功率0.964 ・ガバナンス違反ゼロ ・単一エージェントや静的ベースラインよりスコープ付き実行の品質が優れる ・承認ゲートを伴う複数Beeのワークフロー協調を実証 #AIエージェント# #MCP#

【30分無料ウェビナー】 AIエージェントは、個別利用から業務全体のオーケストレーションへ。 ユースケースの見極め方、ガバナンスに加え、ElevenLabs × IBMによる音声インターフェースの可能性も紹介。AI活用を“次の段階”へ進める30分。 🗓️ 5/28（木）12:00〜12:30 🔗

OpenAIもAnthropicもGoogleも、モデル名を1行変えるだけで切り替え——プロバイダーごとのSDKを覚える苦労を消すライブラリです🔌 タイトル: andrewyng/aisuite URL: 🔌 概要 Andrew Ng氏による軽量なPythonライブラリです。複数のLLMプロバイダーを、統一されたOpenAIスタイルのインターフェースで呼び出せます。モデル名を「provider:model-name」の形式で指定するだけで、同じコードのまま各社を横断できます。 ❓ 解決する課題 複数のLLMプロバイダーを使い分けると、それぞれ異なるSDK・API・パラメータ構造を覚える必要があり、開発の摩擦になります。 ・aisuiteはこの断片化問題を解決します ・リクエストとレスポンスを標準化し、SDKの差異ではなくロジックに集中できるようにします 💡 主な機能 ・Chat Completions API：プロバイダー非依存の層（temperature・max_tokens・toolsに対応） ・Agents API：ツール処理・状態永続化・ツールポリシーによるガバナンスを備えた構造化エージェント ・Toolkits：ファイル・git・シェル操作の事前サンドボックス化ツール群 ・MCPサポート：任意のMCPサーバーのツールをネイティブに利用 ・OpenCoworker：aisuite上に構築されたデスクトップAIエージェントアプリ 仕組みはプロバイダーアダプタパターンで、命名規約に従いモデル文字列から自動発見・生成します。 🌍 対応プロバイダー / 使い方 OpenAI・Anthropic・Google・Mistral・Hugging Face・AWS・Cohere・Ollama・OpenRouterなどに対応（拡張可能）。ai.Client()を作り、model="openai:gpt-4o"のように呼ぶだけで、切り替えはモデル文字列の変更のみ。ライセンスはMITです。 #LLM# #オープンソース#