アマゾンノヴァ法 無料

-
開発元 アマゾンノヴァ法
公式サイト https://labs.amazon.science/blog/nova-act

Amazon Nova Act は、Amazon AGI Labs が立ち上げた総合 AI エージェントです。開発者が SDK を通じてブラウザーで自動タスク エージェントを構築し、複雑な複数ステップのタスクをアトミック コマンドに分解して確実に実行できるようにサポートします。

アマゾンノヴァ法 製品インターフェース

Amazon Nova Act の完全なレビュー

コアパラメータと統計

プロジェクト 仕様
製品のポジショニング 一般的な AI エージェント/ブラウザ自動化エージェント
開発者 Amazon AGI ラボ
リリースフォーム SDK + 開発者プレビュー バージョン
コアテクノロジー NLP + Playwright ブラウザ自動化 + 強化学習
サポートされているプラ​​ットフォーム Web（ブラウザ）、API
タスク処理 シングルスレッド / マルチタスク並列処理をサポート
コアコンピテンシー 複雑なタスクの分解 -> アトミック コマンド -> ブラウザ操作

Amazon Nova Act は、エンドユーザーがすぐに使用できる製品ではなく、開発者向けのエージェント構築 SDK です。その中心的なアイデアは、「ブラウザーでの人間の操作プロセス (検索、フォームへの記入、クリック、抽出) をプログラム可能なアトミック コマンドに抽象化する」ことであり、大規模なモデルがタスクの分解を推進し、Playwright が基礎となる実行を担当します。このアーキテクチャにより、「予測可能な固定ステップ」の Web ページ操作シナリオでは信頼性が高くなりますが、非常に動的な Web サイトや検証コードを多用する Web サイトに直面した場合、その効果は基礎となるモデルの推論の品質に依存します。

宣伝の検証: 公式宣伝は、「複雑なタスクをアトミック コマンドに分解し、それらを確実に実行する」です。この約束は、明確な手順と固定ページ構造 (会議室の予約、フォームへの記入など) を持つシナリオでは基本的に当てはまりますが、ページが非同期で読み込まれ、DOM が頻繁に変更される SPA アプリケーションでは、タスク分解の実行成功率が大幅に低下します。中心的なボトルネックは SDK にあるのではなく、基礎となるモデルによるページ ステータスの理解の精度にあります。

ユーザーと市場の認識

Amazon Nova Act は、2025 年 4 月頃に Amazon AGI Labs によって初めて開示され、AI エージェントの分野における Amazon の戦略的レイアウトの一部です。テクノロジーの巨人である Amazon の社内研究所の製品として、その技術的基盤は AWS エコシステムと Amazon 開発者コミュニティの信頼性によって当然のことながら支持されています。現在は開発者のプレビュー段階にあり、具体的なユーザー規模や企業顧客データなどはまだ発表されていない。

  • 環境上の利点: AWS Lambda、Amazon Bedrock、その他のインフラストラクチャとの統合の可能性は、他の独立したエージェント フレームワークでは再現するのが難しい差別化された機能です。
  • 市場でのポジショニング: OpenAI Operator、Anthropic Claude Computer Use、Google Project Mariner などのブラウザ インテリジェンス ソリューションと比較しますが、開発者はそのまま使用するよりも独自に構築することを好みます。

コストメリット

Amazon Nova Act は現在、SDK プレビューとして無料で利用でき、開発者は SDK を直接ダウンロードしてプロトタイプを構築できます。

  • C クライアント/個人: SDK を使用してエージェント プロトタイプを開発およびテストするには、無料です。有料のサブスクリプションは必要ありません。
  • 開発者/API: 公開情報には API 呼び出し料金はかかりません。その後の商用化は AWS の従量課金制（Lambda 呼び出し回数 + Nova モデル推論料金など）に結びつくのではないかと推測されています。詳細は公式リアルタイムページをご確認ください。
  • エンタープライズ/プライベート: 非公開のエンタープライズ レベルの価格。 Amazon 内部プロジェクトとして、企業顧客は、ビジネス上の確認を条件として、AWS エンタープライズ サポートまたは Bedrock チャネルを通じて独占的な導入ソリューションを入手できます。

無料の真実: SDK 自体は無料ですが、実際に実行するには、独自の AWS リソース (Playwright ブラウザ インスタンスを実行する EC2/Lambda) と Nova モデル推論機能を導入する必要があります。 「無料」の前提条件は、すでに AWS アカウントを持っており、インフラストラクチャのコストを負担する意思があることです。 「試してみたい」という個人開発者の場合、実際の検証コストは予想よりも高くなる可能性があります。

隠れたコスト: Playwright を使用してブラウザー タスクを実行する場合、呼び出しごとに大きなモデル推論トークンが消費されます。トークンのオーバーヘッドは、高頻度のシナリオでは主要なコスト項目になる可能性があります。無料の SDK 自体には呼び出し数の制限はありませんが、基礎となる Nova モデル推論のコスト (将来有料に変換される場合) を予算で考慮する必要があります。

隠れたメリット: SDK が成熟し、AWS サービス システムと統合されると、チームは「自社開発のブラウザ自動化ソリューション」から Nova Act に切り替えることで、コードのメンテナンスの量を約 60 ～ 70% 削減できます。Playwright のセッション管理、エラーの再試行、ステータスの同期を自分で処理する必要がありません。この部分のメリットは、長期的な運用とメンテナンスによってさらに増大します。

主な機能

  • 複雑なタスクの分解: 「来週の火曜日にカレンダーで会議を予約し、リマインダー電子メールを送信する」などの複数ステップの操作が、カレンダーの検索、日付の選択、フォームへの入力、クリックして確認などのアトミック コマンドに自動的に分割され、プロセス コードを作成する開発者の作業負荷が軽減されます。
  • 詳細な命令の挿入: 「保険販売を受け付けない」または「最も早いアイドル期間を選択する」などの各アトミック コマンドに自然言語制約を付加することをサポートし、タスクの実行を実際のビジネス ルールに近づけます。
  • マルチタスク並列処理: Python SDK に基づいて、バッチ データ入力や複数店舗の価格監視などの並列シナリオに適した、複数のブラウザ セッションの同時制御を実現できます。
  • SD​​K ツールキット: ブラウザー制御、コマンド スケジュール、ステータス返し、その他の基礎となるロジックをカプセル化する、完全な Python 開発ツールキットを提供します。開発者はタスク プロセスを定義するだけで、エージェントのプロトタイプを迅速に構築できます。

エキスパート ビュー: Nova Act の核となる相乗効果は、「大規模モデルのタスク推論 + Playwright ブラウザー制御」の組み合わせにあります。モデルは DOM を直接操作しませんが、Playwright によって 1 つずつ実行され、ページの状態に返されるアトミックな命令のシーケンスを生成します。次に、モデルは新しい状態に基づいて次のステップを決定します。この種の分離された設計は、「モデルを直接記述したコードを実行する」方法よりも安定しており、順序立てて障害を特定するのが容易です。ただし、開発者はモデルの「コマンド理解のずれ」による誤った分岐に注意する必要があります。たとえば、モデルはページが読み込まれているかどうかを誤って判断し、ポップアップ ウィンドウが表示されないときにクリックしようとします。

モデルとバージョンの進化

メインライン リリース

  • 2025-04 (~): Nova Act SDK プレビューが初めてリリースされ、ブラウザー自動化エージェントの基本的な SDK とドキュメントを提供し、タスク分解や Playwright と Python API の統合などのコア機能をサポートします。

Amazon Nova Act には現在公開バージョンが 1 つだけあり、バージョンの反復リズムとその後のロードマップはまだ公開されていません。 Amazon AGI Labs の研究が進むにつれて、後続のバージョンでは、より複雑なマルチモーダル理解機能 (画像内のボタンの識別など) やクロスプラットフォーム自動化サポートが導入されることが予想されます。

技術的な利点

メカニズム -> エフェクト -> シーン

  1. NLP タスク解析エンジン: 事前トレーニングされた言語モデルに基づいて、ユーザーの意図を実行可能なブラウザ操作シーケンスに変換します。その効果は、「Playwright セレクターとアサーションの手書き」から「自然言語でのターゲットの記述」まで、開発者がプロ​​セス スクリプトを作成するコストを大幅に削減することです。ステップは明確だがステップ数が多い、Web ページの繰り返し操作に適しています。
  2. Playwright の基盤となる実行: Playwright を直接使用して Chromium ブラウザを制御し、要素の待機、スクリーンショットの取得、スクリプトの挿入などの洗練された操作をサポートします。 Selenium と比較して、Playwright は最新の Web アプリケーション (SPA、Shadow DOM) との互換性が高く、よりスマートなネットワーク待機メカニズムを備えています。
  3. 強化学習フィードバックは無効です: 実行中にタスクの完了ステータス (成功/失敗/タイムアウト) に基づいて戦略を自動的に調整します。たとえば、レストランを予約し、利用できない日付が見つかった場合、モデルはエラーを直接報告するのではなく、近くの日付を検索しようとします。このメカニズムは、長時間実行される自己修復自動化シナリオにおいて非常に価値があります。

アーキテクチャのリンク

「」 ユーザー説明 → Nova Act SDK（タスク分解＋コマンド配置） -> Playwright (ブラウザコントロール) -> ページステータスのフィードバック -> モデルの再決定 -> 次のアトミック コマンド -> ... -> タスクが完了しました 「」

エンジニアリング上の落とし穴に関するガイド:

  1. デッドエンド ループとトークン サージ: タスクが予期しないページ ステータス (予期しないポップアップ、検証コード、ページ読み込みタイムアウトなど) に遭遇すると、モデルは「再試行 -> 失敗 -> 再試行」の無限ループに陥る可能性があります。 SDKの呼び出し時に「max_steps」(上限20ステップなど)とシングルステップタイムアウト(30秒など)を設定し、ループが3回連続で同じ障害ステータスを検出した場合に能動的に終了することを推奨します。
  2. DOM コンテキストのオーバーロード: 複雑なページの DOM ツリーには、数千のノードが含まれる場合があります。それらすべてをモデルに渡すと、トークンの消費量が急増し、気が散ることになります。ページ情報を抽出するときは、表示領域の主要な要素 (ボタン テキスト、入力ボックスのプレースホルダーなど) のみを保持し、正確な位置決めにはページ全体の innerHTML の代わりに Playwright の page.locator を使用することをお勧めします。
  3. セキュリティと無許可の管理: ブラウザ エージェントは当然、「不可逆的な操作を実行する」機能 (注文の送信、データの削除、電子メールの送信など) を備えています。運用環境の展開中は、操作のホワイトリスト/ブラックリストを設定し、資金/データが関係する操作に人間参加型を追加し、テスト検証のためのドライラン モードを有効にする必要があります。

使い方

Amazon Nova Act は開発者向けであり、Web GUI の代わりに SDK 統合を使用します。

  1. SDK をインストールします: pip install amazon-nova-act-sdk (特定のパッケージ名は公式の README に従っています)
  2. エージェントの初期化: SDK を通じてブラウザ セッションを作成し、タスクの目標と制約を構成します。
  3. タスク プロセスを作成する: Python を使用してアトミックなコマンド シーケンスを定義するか、自然言語の目標を直接記述します。
  4. 実行とデバッグ: エージェントを実行し、ブラウザーの操作プロセスを監視し、実行ログを表示します。
  5. 統合デプロイメント: 完成したエージェントを Web サービスの AWS Lambda 関数またはスケジュールされたタスクに埋め込みます。

開発者は、Amazon AGI Labs の公式ブログとドキュメントセンターで SDK 使用ガイド、API リファレンス、サンプルコードを入手できます。プレビュー版であるため、SDK インターフェイスと製品の安定性はバージョンの反復によって変更される可能性があります。

製品の価格設定

請求の次元 現在の状況
SDKの使用法 無料 (プレビュー段階)
基礎となる Nova モデルの推論 非公開 (AWS の料金体系に応じて変更されることが予想されます)
AWS インフラストラクチャ リソース AWS 標準 (Lambda、EC2 など) によって請求
エンタープライズ/民営化された展開 非公開、業務連絡が必要

Amazon Nova Act の現在の価値のアンカーは、「開発者がブラウザ自動化エージェントの実現可能性をゼロコストで試して検証できるようにする」ことであり、商用化の道筋はまだ明らかにされていません。最新の価格情報については、AWS re:Invent または Amazon AGI Labs からの公式発表に注意することをお勧めします。

アプリケーションのシナリオ

  • 次元削減攻撃シナリオ: 高頻度で反復的なブラウザ フォーム操作: 人事部門の休暇承認と入力、財務部門の償還フォーム記入、運用部門のマルチプラットフォーム データ抽出 - これらのシナリオには、固定プロセス、反復操作、および毎回の小さな変更があります。 Nova Act は 1 つの操作を 5 分から 30 秒に圧縮でき、並列処理をサポートします。 100件の一括入力作業が半日から10分に短縮されました。
  • 電子商取引とサプライ チェーン: 自動オンライン購入価格比較、複数店舗の在庫監視、注文状況の追跡。従来のクローラよりも柔軟性があり、ページ構造が変更された場合、モデルはセマンティクスに基づいて要素を再配置できるため、メンテナンス コストが削減されます。
  • 個人的な生活管理: レストランの予約、航空券の価格の検索、カレンダーのスケジュールの管理を自動的に行います。週末のフィットネスクラスを毎週自動で検索・予約するなど、「ニーズは決まっているが、いちいち操作が面倒」な生活シーンに最適です。

境界には適していません: 物理的な操作が必要なタスク (ファイルの印刷、デバイスの抜き差しなど)、固定構造のない非常に動的なページ (純粋な Canvas でレンダリングされるページなど)、および 100% のトランザクション一貫性を必要とする金融取引シナリオには適していません。

シナリオの中止: ターゲット Web サイトに強力な検証コード (reCAPTCHA v3+) がある場合、頻繁に A/B ページ テストが行​​われる場合、または多要素認証ログインが必要な場合、Nova Act の信頼性は大幅に低下します。これらのシナリオでは、ブラウザ自動化の代わりに公式 API を使用することをお勧めします。

人間とコンピュータのコラボレーション境界: 資金取引 (注文の支払い、送金)、データの削除、ユーザー情報の変更などの不可逆的な操作については、手動による確認を設定する必要があります。推奨されるワークフロー: エージェントは入力と事前送信を完了します -> 手動レビュー -> 実行を確認します。 Nova Act SDK 自体では、開発者自身がこの確認メカニズムを実装する必要があります。

該当する人

  • AI アプリケーション開発者: ブラウザー自動化プロトタイプを迅速に構築する必要がある開発者。Nova Act SDK は純粋な Playwright よりも高いレベルのタスク抽象化を提供し、コーディングの繰り返しを削減します。
  • AWS Eco Developers: AWS 上でアプリケーションを構築したチームは、Nova Act と Lambda や Bedrock などのサービスとの潜在的な統合により、運用の複雑さを軽減できます。
  • エンタープライズ オートメーション チーム: Web ページ操作 (データ入力、レポートの取得など) をバッチ処理する必要があるが、プレビュー段階で SDK の安定性を評価する必要がある内部ツール チーム。

群衆には適していません: 技術に詳しくないエンド ユーザー (Nova Act には GUI インターフェイスがなく、Python プログラミング スキルが必要です)。ページ操作の遅延の影響を受けやすいシナリオ (ブラウザ自動化のシングルステップ実行は通常 1 ～ 5 秒で、API 呼び出しよりもはるかに遅い)。

概要と展望

Amazon Nova Act は、「Web ページを自律的に操作する AI エージェント」のトラックにおける Amazon のレイアウトを表しています。主要な違いは、Amazon のクラウド インフラストラクチャと Playwright エコシステムに支えられており、開発者は SDK に基づいた「タスクの理解、分解、実行、フィードバック」機能を備えたブラウザ インテリジェンスを迅速に構築できることです。現在のプレビュー バージョンの技術的価値は検証されていますが、商用 API の価格とバージョンの安定性は依然として重要な変数であり、チームが導入を評価する前に確認する必要があります。

現在の制限事項: プレビュー SDK は Python のみをサポートしており、Node.js/Java などの他の言語に対するバインディングはありません。 Playwright ブラウザ インスタンスのリソース消費 (メモリはインスタンスあたり約 300 ～ 500 MB) により、大規模な同時実行の経済性が制限されます。中国語の Web ページを理解する際に、基礎となる Nova モデルの精度について特別な評価はありません。

調達/採用リスク評価: プレビュー バージョンの SDK インターフェイスは、正式バージョンでは重大な変更を受ける可能性があります。これは、プロトタイプの検証および小規模なパイロットのみに使用することをお勧めします。当面は、運用レベルの依存関係としては推奨されません。企業顧客は、Amazon AGI Labs が SLA 保証、データ分離ソリューション、および長期メンテナンス契約を提供しているかどうかに注意を払う必要があります。 AWS エコシステムと深く結びつくことは利点であると同時にリスクでもあり、一度採用すると、他のエージェント フレームワークに移行するコストが大幅に増加します。

関連ツール: crewai、langchain

バージョン情報

  • アマゾンノヴァ法 ：公式の正確な日付はまだありません。
  • アマゾンノヴァ法 ：公式の正確な日付はまだありません。

ユーザーレビュー

  • レビューを読み込み中...