ServiceNowがAIエージェント「自律的労働力」を発表。企業システムに統合され、従業員ITサービスチケットの90%を自律処理し、業務効率を大幅に向上。....
ServiceNowはAnthropicとの長期間にわたる戦略的協力を開始し、ClaudeシリーズのモデルをAIワークフロープロダクトの最優先モデルとして選定し、エージェントビルダーのデフォルトオプションとしました。前回に比べて、ServiceNowはOpenAIとも提携しており、オープンで多モデルな企業向けAIエコシステムの構築を目指しています。
OpenAIとServiceNowは3年間の戦略的協力を開始し、GPTシリーズモデルをNow Platformに深く統合する。これにより、企業のITサービスやカスタマーサポートなどのコア業務プロセスが強化され、企業向けシーンでのAIのスケーラブルな活用が加速される。
2025年AWS re:Inventにて、Amazon Web Servicesは次世代AIトレーニングチップ「Trainium3」を発表。3nmプロセスを採用し、前世代比で性能4倍、メモリ容量4倍、電力効率40%向上を実現し、高負荷AIトレーニング・推論能力を大幅に強化。....
統一財務管理ソフトウェアは、IT支出を戦略的価値に変換し、可視性と意思決定能力を向上させます。
開発者フレンドリーなRAG as a Service。
LangGraphベースのAIエージェントサービスツールキット
ITサービス管理を最適化し、プロセスを簡素化、生産性を向上させます。IT運用をレベルアップしましょう。
ServiceNow-AI
Apriel-H1-15b-Thinkerは150億のパラメータを持つ混合推論モデルで、Transformerの注意力機構とMambaの状態空間層を組み合わせており、推論、数学、コーディングなどの分野で優れた性能を発揮し、高効率性と拡張性を備えています。
cpatonn
Apriel-1.5-15b-ThinkerはServiceNowが開発した150億パラメータのマルチモーダル推論モデルで、テキストと画像の推論能力を備え、その性能は10倍大きいモデルに匹敵します。人工分析指数で52点を獲得し、企業分野のベンチマークテストで優れた成績を収めています。
unsloth
Apriel-1.5-15b-ThinkerはServiceNow Apriel SLMシリーズのマルチモーダル推論モデルで、150億のパラメータを持ち、テキストと画像の推論タスクで規模が10倍大きいモデルと競争できます。このモデルは中期トレーニング方式により卓越した推論能力を実現し、画像SFTトレーニングや強化学習なしでSOTA性能を達成します。
bartowski
これはServiceNow-AIのApriel-1.5-15b-Thinkerモデルの量子化バージョンで、llama.cppのimatrix技術を使用して最適化されており、さまざまなハードウェア条件下で効率的に動作します。モデルは画像テキストからテキストへのタスクをサポートし、さまざまな量子化レベルを提供して異なるニーズに対応します。
mlx-community
これはServiceNow-AIに基づくApriel-1.5-15b-Thinkerモデルを変換した4ビット量子化バージョンで、MLXフレームワークに特化して最適化され、ビジュアル言語理解タスクをサポートします。
Apriel-1.5-15b-ThinkerはServiceNowが開発したマルチモーダル推論モデルで、150億のパラメータを持ち、テキストと画像の推論タスクで優れた性能を発揮し、その10倍の大きさのモデルと競争できる性能を持っています。
これはServiceNow言語モデル（SLAM）研究所によって構築された15Bパラメータの大規模言語モデルで、llama.cppツールによる量子化処理が施されており、ローカル推論展開に適しています。
ServiceNowが提供する150億パラメータの効率的な推論モデルで、メモリ使用量は同クラスの先進モデルの半分のみ
mrfakename
これはServiceNow-AIのApriel-5B-InstructモデルをLlama形式に変換した近似実装バージョンで、主流のファインチューニングフレームワークと互換性があり、より簡単に実行できます。
RetellAIのMCPサーバー実装で、電話通話、音声エージェント管理、電話番号設定などの機能を提供し、Claude Desktopとの統合をサポートします。
このプロジェクトは、Model Context Protocol (MCP)を通じて、ServiceNow、Jiraなどの複数のITSMシステムに統一インターフェースを提供し、LLMが異なるAPIを学習することなく、システム間でチケットとナレッジベースを操作できるようにします。
アメリカ国立公園サービスAPIのMCPサーバーで、リアルタイムの公園情報、警報、イベントデータを提供します。
これはMCPプロトコルに基づくMySQLデータベースサービスで、データベーステーブルの管理とCRUD操作機能を提供し、Cursorツールを通じたインタラクションをサポートします。
エンタープライズレベルのMCPサーバーで、ServiceNowとワークフロー管理を統合し、ヘルスモニタリングとFastAPIによる高性能バックエンドを提供します。
ServiceNow MCPサーバーの実装で、ClaudeがServiceNowインスタンスとやり取りするためのブリッジを提供します。
Node.jsベースの実験的なModel Context Protocolサーバーで、Autodesk Platform Services APIへのアクセスを提供し、Secure Service Accounts機能を通じて細粒度のアクセス管理を実現します。
AWSサービスリファレンスMCPサーバーは、AWSサービス、API操作、条件キー、およびリソースタイプを照会するためのツールです。
ENS MCPサーバーは、イーサリアムドメインシステムとのインタラクションに使用されるツールで、ドメイン名の解決やレコードの照会などの機能を提供します。
Model Context Protocol（MCP）に基づくサービスで、ServiceNowとのインターフェースを提供し、AIエージェントが安全なAPIを介してServiceNowデータにアクセスし操作できるようにし、自然言語対話をサポートします。
ServiceBricksはオープンソースのマイクロサービスプラットフォームで、人工知能機能を統合し、自然言語で本番レベルのマイクロサービスを生成することができます。ドメイン駆動設計とイベント駆動型アーキテクチャを採用し、拡張可能でカスタマイズ可能なストレージ非依存の分散システム開発ソリューションを提供します。
AlfrescoとMCPプロトコルの統合検証プロジェクトで、標準のクライアント - サーバーアプリケーションを通じてAlfrescoの機能をAIシステムに接続する方法を示します。
Sitecore用に設計されたModel Context Protocolサーバーで、GraphQL APIとItem Service API機能を提供し、クエリ、作成、編集、削除などのさまざまな操作をサポートします。
MCP-Timeは、MCPプロトコルに基づく時間照会用のNode.jsサーバーで、AIに正確な時間サービスを提供します。
UGSツールをグローバルにインストールする
Claude AI統合用のServiceNow MCPサーバーで、イベント管理、メール処理、サービス要求ツールを提供します。
TypeScriptに基づくMCPサーバーで、簡単なノートシステムを実装し、ServiceStack APIを探索および呼び出すために使用されます。
MCP APIはモデルコンテキストプロトコルに基づくSora2ビデオのウォーターマーク除去サービスで、Claude DesktopやOpenAIなどの主流のMCP互換ツールに迅速に統合でき、簡単なAPIキー認証によりビデオのウォーターマークをスマートに除去できます。
このプロジェクトは読み取り専用のMCPサーバーで、Jira Service ManagementのデータをCData JDBCドライバーを介してリレーショナルSQLモデルに変換し、シンプルなMCPインターフェースを通じてLLM（Claude Desktopなど）にリアルタイムデータをクエリさせることができます。
Cloudflare Workersを基に構築されたMCPプロトコルの画像生成サービス
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
