mcpField
F
finetuning-setup

finetuning-setup

github.com/awslabs開発93279 回インストール3 週間前に更新
リポジトリ

finetuning-setup について

finetuning-setupは、ユースケースに応じたベースモデルとファインチューニング手法の選択を支援するスキルです。SageMaker Hubの利用可能なモデルとライセンスを確認し、SFT、DPO、RLVRを提案して、モデルが手法に対応するか検証します。

主な機能

  1. 01リージョン内のSageMaker Hubを検索
  2. 02モデルとライセンスの一覧表示
  3. 03ユースケースに応じた手法の提案
  4. 04モデルの手法対応状況の検証

活用シーン

  1. 01ファインチューニング用ベースモデルの選択
  2. 02モデル選択前のライセンス比較
  3. 03モデルが対応する手法の確認

MCP 対応

aws___call_awsツールを介してSageMaker ListHubs APIを呼び出し、スクリプトで利用可能なモデルとレシピを取得します。

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/awslabs/agent-plugins --skill finetuning-setup

インストール後、Claude Code で/finetuning-setupを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

references/
finetune_technique_selection_guide.md
model-licenses.md
model-selection.md
references/benchmarks/
agenticIndex.md
codingIndex.md
gpqa.md
hle.md
ifbench.md
intelligenceIndex.md
mmmuPro.md
tau2.md
scripts/
get_model_names.py
get_recipes.py

詳細

ファインチューニングのセットアップ

ユースケースに基づいて、ベースモデルとファインチューニング手法をユーザーが選択できるよう案内します。

使用するタイミング

  • ファインチューニング手法についてユーザーから質問された場合
  • ユーザーがベースモデルを選択または変更したい場合
  • ユーザーがモデル名やファミリー（例：「Llama」、「Mistral」）に言及した場合 — 正確な Hub モデル ID の特定が必要です

前提条件

  • use_case_spec.md ファイルが存在すること。存在しない場合は、ユースケース仕様スキルを有効にして、まずファイルを生成します。

ワークフロー

ステップ 1：Hub の確認

  1. aws___call_aws ツールを使用して SageMaker の ListHubs API を呼び出し、ユーザーのリージョンで利用可能な SageMaker Hub をすべて一覧表示します。

  2. 結果から、HubDescription に「AI Registry」が含まれる Hub を除外します。これらには JumpStart モデルが含まれていません。

  3. 残りの Hub が選択対象です（例：SageMakerPublicHub とプライベート Hub）。

  4. 選択対象の Hub が 1 つだけの場合は、自動的に使用します。ユーザーには尋ねません。

  5. 選択対象の Hub が複数ある場合は、ユーザーに提示し、どれを使用するか尋ねます。例：

    I found the following model hubs:
- SageMakerPublicHub — SageMaker Public Hub
- Private-Hub-XYZ — Private Hub models
Which hub would you like to use?

  6. 選択した Hub 名を、以降のステップで使用できるよう保存します。

ステップ 2：ベースモデルの選択

まず、python finetuning-setup/scripts/get_model_names.py <hub-name> を実行して、SageMaker Hub で利用可能なモデル名をすべて取得します。

おすすめを提示する前に、利用可能なモデルをライセンスとともにすべてユーザーに提示します。モデル一覧を references/model-licenses.md と照合し、それぞれを <model name> - [<license>](<url>) の形式で表示します。例：「Qwen3-4B - Apache 2.0」

会話の文脈や計画ファイルから、ユーザーが使用したいモデルがすでに分かっている場合は、そのモデルが一覧に含まれていることを確認し、ライセンスを表示して次に進みます。それ以外の場合は、references/model-selection.md の手順に従って、ユーザーがモデルを選べるよう支援します。 重要： モデル選択を支援する際は、この利用可能なモデル一覧を忘れないようにしてください。ユーザーが利用できないモデルをおすすめしないでください。

ステップ 3：ファインチューニング手法の決定
  1. references/finetune_technique_selection_guide.md を参照し、ユースケースに最適な手法（SFT、DPO、または RLVR）をおすすめします。おすすめとその理由をユーザーに提示します。
  2. おすすめの手法にするか、別の手法を希望するか、ユーザーに尋ねます。
  3. ユーザーが手法を確認したら、python finetuning-setup/scripts/get_recipes.py <model-name> <hub-name> を実行して、選択したモデルで利用可能なファインチューニング手法を取得します。
    • このコマンドは、モデルが実際にサポートする手法のうち、SFT、DPO、RLVR のみを返します。サポートされているのはこの 3 つの手法だけです。モデルのレシピにほかの手法が含まれていても、無視してください。
  4. 選択した手法がモデルで利用可能な場合は、ステップ 4 に進みます。
  5. 選択した手法がモデルで利用できない場合は、選択したモデルが SageMaker ではその手法をサポートしていないことを説明し、選択した手法をサポートする別のモデルを選ぶため、ステップ 2 に戻ることを提案します。
ステップ 4：選択内容の確認

ユーザーに概要を提示します。

Here's what we've selected:
- Base model: [model name]
- Fine-tuning technique: [SFT/DPO/RLVR]

参考資料

  • references/model-selection.md — モデル選択の手順とベンチマークの説明
  • references/finetune_technique_selection_guide.md — 手法のガイダンス
  • references/model-licenses.md — モデル選択時に表示するモデルのライセンス情報

コメント

Markdown 対応