ステップ3:【実践編】日本語特化OCRモデルの追加とマルチモデル連携

5.日本語特化OCRサーバー(Sarashina2.2-OCR)の追加起動

DGX Spark の 128GB ユニファイドメモリのうちまだ空いている約 80GB の領域を活用し、日本語の請求書や帳票の読み取りに特化した文字認識(OCR)AI sbintuitions/sarashina2.2-ocr をポート 8001 に追加で立ち上げます。


6.通信許可設定とOCRスキルの連携・実演デモ

第5回で立ち上げた日本語特化OCRサーバー(ポート 8001)を、隔離環境の中で動く NemoClaw エージェントから自律的に呼び出せるように連携させます

7.おわりに

全6回にわたり、NVIDIA DGX Spark と NemoClaw を用いた「完全閉域・マルチモデルAIエージェント環境」の構築手順をご紹介しました。
記事ではさらっと手順を書きましたが、実際には途中でエラーが発生したり、思うように動かなかったりと試行錯誤の連続でした。その都度、生成AIとやり取りしながら原因を一つずつ解決し、なんとか形にすることができました。
しかし、一度動く環境を構築してしまえば、社外秘の書類や顧客データを 1 ビットも外部へ送信することなく、複数の専門 AI を連携させて実務を自動化できる環境は、セキュリティ要件の厳しい企業における安全な生成AI活用の強力な選択肢になります。