Amazon Web Servicesは2026年9月18日に、コーディングエージェントがHugging FaceのモデルをAmazon SageMaker AIへ適切にデプロイするための「スキル」を提供すると発表しました。このスキルを利用することで、エージェントによる推論エンドポイントの構築プロセスにおける設定ミスやリソースの浪費を防ぐことが可能になります。
コーディングエージェントによるデプロイの課題を解決
コーディングエージェントは、モデルのデプロイにおいて、適切なコンテナの選択やオートスケーリングの設定、監視アラームの構築といった複雑な意思決定を自動化する能力を持っています。しかし、エージェントが最新のモデル仕様やAWSの最新のコンテナ情報を十分に持っていない場合、誤った設定でエンドポイントを作成し、コストの増大や動作不良を招くリスクがあります。
Hugging Face Skillsによる自動化の実現
今回提供されるのは、Hugging Face SkillsのGitHubリポジトリに含まれる6つのスキルです。これらをコーディングエージェント（Kiroなど）に導入することで、エージェントはAWS Deep Learning Containers（DLC）カタログから正しいイメージを特定し、オートスケーリングやAmazon CloudWatchによる監視設定を含めた、本番環境に耐えうるデプロイ作業を完遂できます。
多様な推論形式に対応するワークフロー
これらのスキルは、リアルタイム推論だけでなく、サーバーレス推論や非同期推論、バッチ変換、Amazon Bedrockへのカスタムモデルインポートといった多様な推論形式にも対応しています。ワークフローは、AWS環境の確認から始まり、適切なPython環境の構築、IAMロールの準備、コンテナの選択、エンドポイントの作成、そして動作確認のテストまで、一連のフェーズを網羅しています。
開発環境と利用条件
これらのスキルはオープンソースとして提供されており、PythonとAWS CLIを使用して、macOS、Linux、Windowsの各OSで動作します。利用には、AWS CLI v2およびPython 3.10から3.12の環境が必要です。詳細な導入手順や動作要件については、リリース元のドキュメントを参照してください。