ヘッジファンドがAmazon Bedrock Agentsを使用したポートフォリオ分析アシスタントを構築しています。ポートフォリオマネージャーは、CSVファイルをアップロードし、動的な統計分析（回帰分析・モンテカルロシミュレーション・相関行列の算出）やグラフ生成をAIに依頼したいと考えています。将来的にどのような計算が必要になるか予測できないため、すべての計算パターンに対してLambda関数を事前に作成するアプローチは採用できません。この要件を満たす最もコスト効率が高く、保守性の高いソリューションはどれですか？
Bedrock AgentsのCode Interpreterは、エージェントが動的にPythonコードを生成・実行できるマネージドアクショングループです。ファイルのアップロード・ダウンロードをサポートし、pandas・numpy・matplotlibなどのライブラリが利用可能なサンドボックス環境でコードを安全に実行します。Lambda関数を事前定義する必要がなく、予測不可能な分析要件にも柔軟に対応できるため、保守コストを大幅に削減できます。 選択肢AのAmazon SageMakerカスタムエンドポイントはモデル推論に特化しており、任意のPythonコードの動的実行や汎用統計処理には対応していません。 選択肢CのBedrock Knowledge Basesはベクトル検索による既存情報の検索・参照に特化しており、回帰分析やモンテカルロシミュレーションなど新規計算の実行やグラフ生成には使用できません。 選択肢DのLambdaコンテナイメージを使った汎用ランタイム方式は技術的に動作しますが、コンテナイメージの管理・更新やライブラリ追加のたびに再ビルドが必要で、Code Interpreterと比べて保守コストが高くなります。