SOURCE

כל הכתבות ממקור AWS Machine Learning

12 כתבות מתורגמות, מסוכמות ומועשרות בהקשר עסקי ישראלי. כל כתבה כוללת קישור גלוי למקור המקורי באנגלית.

תשלום לפי קריאה עבור סוכני AI: שילוב AgentCore payments ב-AWS
מוצר חדש
4 דקות
מ־AWS Machine Learning

תשלום לפי קריאה עבור סוכני AI: שילוב AgentCore payments ב-AWS

בפוסט שפרסמו מהנדסי AWS הוצגה היכולת המנוהלת AgentCore payments ב-Amazon Bedrock, המאפשרת לסוכני בינה מלאכותית לשלם לפי דרישה עבור שירותים דוגמת הסקת מודלים. השירות מנהל ארנקים, מטפל בפרוטוקול התשלום x402 ואוכף מגבלות הוצאה ברמת התשתית במקום ברמת המודל. הפוסט מפרט כיצד חברת Incarna שילבה את המערכת כדי לאפשר לסוכנים לשלם לנתב ההסקה BlockRun עבור כל קריאה בנפרד ברשת Base ב-USDC. האינטגרציה הושלמה בשלושה ימים ובכ-200 שורות קוד, ובשלב הבטא עובדו מעל 1,000 תשלומים בסכומים של 0.001 עד 0.05 דולר לקריאה. היכולת זמינה כעת באופן כללי.

קרא עוד
Claude Haiku 5.5 זמין כעת ב-Amazon Bedrock וב-AWS
מוצר חדש
4 דקות
מ־AWS Machine Learning

Claude Haiku 5.5 זמין כעת ב-Amazon Bedrock וב-AWS

חברת AWS הודיעה על זמינות המודל Claude Haiku 5.5 ב-Amazon Bedrock וב-Claude Platform on AWS. לפי Anthropic, המודל הוא המהיר והיעיל ביותר במשפחת Claude 5.5, נבנה עבור תתי-סוכנים ומשימות בנפח גבוה, ועולה כ-75 אחוז פחות מ-Claude Haiku 4.5 במרבית המשימות. השירות ב-Bedrock שומר על תושבות נתונים אזורית ומשתלב עם מנגנוני IAM, CloudTrail, CloudWatch ו-Guardrails. המודל כולל בקרות מאמץ לכוונון עלות מול תבונה, ומיועד להשתלב לצד Claude Opus 5.5 שמבצע את התכנון והשיפוט המורכב. המודל זמין בפרופילי הסקה גלובליים ואזוריים וב-AWS GovCloud.

קרא עוד
בניית סוכן נסיעות קולי עם Bedrock AgentCore ו-Nova Sonic
מדריך
4 דקות
מ־AWS Machine Learning

בניית סוכן נסיעות קולי עם Bedrock AgentCore ו-Nova Sonic

בפוסט טכני של AWS הציגו מומחי החברה ארכיטקטורה לפריסת סוכן נסיעות קולי לחברות תעופה. הפתרון משלב את Amazon Bedrock AgentCore לניהול והרצת סוכנים, מודל הדיבור Amazon Nova 2.5 Sonic לקול בזמן אמת, ו-Amazon Bedrock Knowledge Bases למענה על שאלות מדיניות מתוך מסמכים. המערכת מקשרת בין הסוכן לשירותי ה-backend באמצעות פרוטוקול Model Context Protocol (MCP) ומאפשרת טיפול בהזמנות, החלפת מושבים והסלמה לנציג אנושי.

קרא עוד
ארכיטקטורת סוכני AI לניתוח חוזים עם Amazon Bedrock ו-Quick
ניתוח
4 דקות
מ־AWS Machine Learning

ארכיטקטורת סוכני AI לניתוח חוזים עם Amazon Bedrock ו-Quick

בפוסט שפורסם בבלוג של AWS הציגו מהנדסי החברה ארכיטקטורה לפלטפורמת ניתוח חוזים, המשלבת סוכני בינה מלאכותית מבוססי Amazon Bedrock AgentCore וכלי תשאול וניתוח ב-Amazon Quick. הפתרון מתמודד עם מגבלות כלי RAG בעת ביצוע חישובי אגרגציה על מאות מסמכים, באמצעות חילוץ שדות מפתח למסד נתונים מובנה ב-Amazon Aurora PostgreSQL. המערכת משתמשת בסוכן חילוץ מבוסס Claude Sonnet ובסוכן אימות מבוסס Claude Haiku, לצד Amazon Textract כגורם מכריע לזיהוי חתימות בעזרת ראייה ממוחשבת. הגישה מאפשרת לבצע הן שאילתות רוחביות והן איתור מקטעים מתוך מסמך יחיד בממשק מאוחד.

קרא עוד
כיצד HEMA בנתה שכבת ידע ארגונית עם Bedrock ו-MCP
ניתוח
4 דקות
מ־AWS Machine Learning

כיצד HEMA בנתה שכבת ידע ארגונית עם Bedrock ו-MCP

רשת הקמעונאות ההולנדית HEMA בנתה שכבת ידע פנימית המבוססת על Amazon Bedrock AgentCore ו-Model Context Protocol (MCP) במטרה לאחד מידע מבוזר ולמנוע מעבר ידני בין פורטלים ומערכות ויקי שונות. העוזר הפנימי HAL, שפותח תחילה ככלי עצמאי מבוסס Next.js ו-Strands, הורחב לשימוש ישיר מתוך כלי העבודה של המהנדסים (כגון Kiro ו-Claude) באמצעות שער Entra MCP ייעודי ופרוקסי אימות. המערכת משרתת כיום מפתחים, מנהלי מוצר ומנתחי מערכות, כאשר השלב הבא מתוכנן להרחיב את יכולות העוזר ממענה לשאלות לביצוע פעולות תפעוליות ישירות מתוך ממשקי השיחה.

קרא עוד
אוסף מיומנויות סוכן פתוח מבית AWS לשיפור הסקת מסקנות בבריאות
מחקר
5 דקות
מ־AWS Machine Learning

אוסף מיומנויות סוכן פתוח מבית AWS לשיפור הסקת מסקנות בבריאות

בפוסט שפורסם ב-AWS הוצג אוסף של 38 מיומנויות סוכן (Agent Skills) בקוד פתוח ב-11 תחומי בריאות ומדעי החיים (HCLS) תחת רישיון MIT-0. המיומנויות בנויות כקובצי Markdown מובנים ומסווגות למיומנויות הסקה ולמיומנויות צינור, הניתנות להרצה על יותר מ-20 שירותים, כולל Amazon Bedrock AgentCore, AWS Strands SDK ו-Kiro CLI. הערכה השוואתית שבוצעה על 410 פרומפטים הראתה כי סוכנים המצוידים במיומנויות השיגו שיעור ניצחון של 69.5% עד 85.9% מול סוכני בסיס ללא מיומנויות, כאשר השיפור המשמעותי ביותר נמדד בממד החשיבה הביקורתית (שיעור ניצחון של 78% עד 85.1%). בנוסף, המיומנויות הפחיתו את שונות הציונים בעד 61.9%.

קרא עוד
אופטימיזציית עלויות וזמני תגובה עם Prompt Caching ב-Bedrock
מדריך
3 דקות
מ־AWS Machine Learning

אופטימיזציית עלויות וזמני תגובה עם Prompt Caching ב-Bedrock

בפוסט של ארכיטקט הפתרונות דניאל אביב מ-AWS, מוסבר כיצד מנגנון ה-Prompt Caching ב-Amazon Bedrock מפחית עד 90% מעלויות טוקני הקלט על פגיעות במטמון ומקצר את זמן התגובה לטוקן הראשון (TTFT). המאמר סוקר שישה תרחישי יישום באמצעות ה-Converse API: שמירת מסמכים, שמירת פרומפט מערכת, שמירת הגדרות כלים לסוכנים, שילוב זמני חיים שונים (Mixed TTL), בידוד דיירים במערכות מרובות משתמשים באמצעות תחילית SHA-256, ואינטגרציה עם ספריית LangChain. מודלי Anthropic Claude Sonnet 4.5 ו-4.6 דורשים סף מינימלי של 1,024 טוקנים להפעלת המטמון.

קרא עוד
Amazon Quick זמין כעת באופן כללי למחשב השולחני
מוצר חדש
4 דקות
מ־AWS Machine Learning

Amazon Quick זמין כעת באופן כללי למחשב השולחני

אפליקציית הדסקטופ של Amazon Quick זמינה כעת באופן כללי למשתמשי macOS ו-Windows, ובמקביל נוסף פיד פעילות למובייל ב-iOS וב-Android. המערכת מרכזת נתונים מדואר אלקטרוני, מיומן פגישות, ממערכות CRM ומהודעות לתצוגה מתועדפת אחת, כאשר סוכני AI מטפלים במשימות שגרתיות ברקע. Quick פועל על גבי תשתיות AWS ושומר על נתוני הארגון בסביבתו המקומית, כולל תמיכה במעקב ביקורת דרך CloudWatch ו-CloudTrail והסמכות תאימות דוגמת HIPAA, FedRAMP, SOC 2 ו-ISO 27001. לקוחות בארגונים כמו Southwest Airlines, LabCorp ו-PGA TOUR משתמשים בכלי להשלמת משימות, סינתזת מידע ופיתוח אבות-טיפוס.

קרא עוד
אחזור סוכני ארגוני ב-Amazon Bedrock עם ניטור והערכה מלאים
חדשות
4 דקות
מ־AWS Machine Learning

אחזור סוכני ארגוני ב-Amazon Bedrock עם ניטור והערכה מלאים

פוסט טכני של מהנדסי AWS מציג ארכיטקטורה לאחזור מידע מבוסס סוכנים (Enterprise Agentic Retrieval) ב-Amazon Bedrock, המשלבת בסיסי ידע מנוהלים (Managed Knowledge Bases) ו-AgentCore. המערכת כוללת ניתוב סמנטי בין בסיסי ידע שונים, אחזור איטרטיבי באמצעות API ייעודי (AgenticRetrieveStream), שבע שכבות של ניטור ועקבות ב-CloudWatch וב-X-Ray, ומנגנוני הערכת איכות לפי דרישה ובאופן רציף. כלל הרכיבים נפרסים באופן אוטומטי באמצעות שרשרת של ארבע מחסניות AWS CloudFormation.

קרא עוד
חיבור Amazon Quick ו-fal לבניית תהליכי עבודה יצירתיים עם סוכנים
מדריך
4 דקות
מ־AWS Machine Learning

חיבור Amazon Quick ו-fal לבניית תהליכי עבודה יצירתיים עם סוכנים

פוסט טכני מאת מומחי AWS מציג מסגרת עבודה מבוססת סוכנים המשלבת בין מרחב העבודה Amazon Quick לבין פלטפורמת המדיה הגנרטיבית fal באמצעות תקן Model Context Protocol (MCP). השילוב מאפשר לצוותי קריאייטיב לתזמר תהליכי הפקה מורכבים תחת סביבה אחידה, תוך שמירה על הקשר בין השלבים ושילוב שערי אישור אנושיים. הפוסט מדגים את המערך באמצעות שני תהליכי עבודה מעשיים: הפקת סטוריבורד בן שמונה פריימים עם מודל FLUX.1 Kontext ושמירתו כ-Skill לשימוש חוזר, ויצירת אב-טיפוס לקליפ מוזיקלי הכולל בדיקת סנכרון שפתיים (lip-sync). בנוסף, מפורטים שלבי ההגדרה ושיקולים תפעוליים כגון אבטחת מפתחות API וניהול עלויות.

קרא עוד
Amazon OpenSearch Service מציגה תמיכה ביישומי MCP
מוצר חדש
4 דקות
מ־AWS Machine Learning

Amazon OpenSearch Service מציגה תמיכה ביישומי MCP

לפי פרסום של שירות Amazon OpenSearch Service, השירות תומך כעת ביישומי MCP (או MCP Apps). יכולת זו מרחיבה את פרוטוקול Model Context Protocol ומאפשרת לסוכני AI להחזיר תגובה כפולה: סיכום טקסטואלי מובנה לצד ויזואליזציות אינטראקטיביות, כגון מפל עקבות ומפות שירותים, המוצגות ישירות בחלון השיחה בסביבת הפיתוח. הוויזואליזציות מופקות באמצעות הרצת קוד שרת מול מקורות הנתונים המחוברים של OpenSearch, ומספקות תוצאות דטרמיניסטיות ללא צורך ביציאה מה-IDE או בפתיחת דפדפן נפרד לאימות.

קרא עוד
בניית מערכת ניהול ידע מבוססת אווטאר ו-AI בענן AWS
מדריך
4 דקות
מ־AWS Machine Learning

בניית מערכת ניהול ידע מבוססת אווטאר ו-AI בענן AWS

בפוסט הנדסי של AWS הוצג פתרון מבוסס ענן לשימור ידע ארגוני, המשלב אווטאר אינטראקטיבי המופעל בדיבור וטקסט עם ארכיטקטורת RAG מנוהלת. המערכת עושה שימוש ב-Amazon Bedrock Knowledge Bases, ב-Amazon S3, במאגר וקטורים של OpenSearch Serverless, ובמנגנון מטמון דו-שכבתי הכולל את DynamoDB. הפתרון מאפשר לעובדים לגשת לנהלים ומדיניות בשפה טבעית, ומסייע לארגונים לשמר מומחיות לפני פרישת עובדים ותיקים. המערכת ניתנת לפריסה מהירה באמצעות CloudFormation, ומציגה הפחתה בעלויות הסקת מודלי בינה מלאכותית בזכות שימוש במטמון חכם לשאלות חוזרות.

קרא עוד