製造業企業のMLエンジニアが、工場センサーデータのCSVファイルを自然言語で分析できるエージェントを構築しています。「先月の異常値を検出してその傾向をグラフで見せて」といった質問に対し、Pythonコードを生成・実行して統計解析と可視化を行う必要があります。カスタムLambda関数やコンテナインフラを管理したくありません。最もシンプルな実装はどれですか？
Bedrockエージェントの組み込みCodeInterpreterアクショングループを有効化すると、カスタムLambdaやインフラ不要でエージェントがマネージドサンドボックス環境でPythonコードを生成・実行できます。セッションのファイルアップロード機能でCSVを渡すだけでデータ分析・可視化が実現でき、インフラ管理コストを最小化できるシンプルな構成です。 選択肢AのLambdaでサンドボックスPython実行環境を自作する構成はカスタムLambdaのインフラ管理が発生します。 選択肢CのSageMaker Processingジョブ起動はバッチ処理向けで対話的な分析には不向きかつ構成が複雑になります。 選択肢DのFargate上のJupyterカーネルAPIはコンテナ管理が必要で「インフラ管理なし」の要件に反します。