周辺サービスの位置づけ
Bedrockはモデル呼び出しのAPIを中心に、その周辺でRAGやエージェント・安全性フィルタなどの機能を提供しています。素のInvokeModel/Converseだけでもアプリケーションは作れますが、規模が大きくなるほどこれらの周辺サービスに寄せるメリットが増していきます。
1. Knowledge Bases
Amazon Bedrock Knowledge Bases は、RAG(Retrieval-Augmented Generation)に必要な一連のワークフローをマネージドで提供する仕組みです。
RAGは、ユーザーからの質問に対して、あらかじめ用意した独自ドキュメント(社内マニュアルやFAQなど)から関連する情報を検索し、モデルに渡した上で回答を生成する手法です。これによって、モデルが学習していない情報や自社独自の内容にも答えられるようになります。
RAGを実現するには、以下のような処理が必要になります。
- データソースからドキュメントを取り込む
- 大きなドキュメントを検索単位に分割する(チャンク分割)
- テキストを意味を表す数値ベクトルに変換する(埋め込み)
- ベクトルDBに格納し、質問との意味的な近さで検索する
Bedrock Knowledge Basesは、S3などのデータソースを指定するだけで、これら一連の処理をBedrock側が自動で行ってくれます。
呼び出し側はRetrieveAndGenerate APIを叩くだけで、関連ドキュメントの検索と回答生成を一気通貫に済ませられます。回答には参照した元データが引用情報(citations)として付くため、根拠を辿れる形で受け取れる点も特徴です。
詳しくは Bedrockにナレッジをもたせよう で扱います。
2. Guardrails
Amazon Bedrock Guardrails は、モデル呼び出しの入出力に安全性フィルタを差し込める仕組みです。モデルとは独立して設定でき、InvokeModel・Converse など主要な推論APIから Guardrail ID を指定するだけで、既存の呼び出しに紐づけて動かせます。
設定できる主なポリシーは以下です。
Content filters: 暴力・差別・性的な有害コンテンツをブロックするDenied topics: アプリケーション上でNGとするトピックを定義してブロックするWord filters: 禁止語・不適切語をブロックするSensitive information filters: PII(個人情報)を遮断・マスクする
Bedrock AgentsやKnowledge Basesと組み合わせて使うこともでき、AI基盤の安全性を統一的に担保できます。
詳しくは Guardrailsで安全なモデル呼び出しを設計しよう で扱います。
3. AgentCore
Amazon Bedrock AgentCore は、AIエージェントの実行環境・状態管理・観測性をマネージドに提供する上位レイヤーです。LangGraph・Strandsなど任意のフレームワークで書いたエージェントを載せて動かせる柔軟性が特徴で、新規に構築するエージェントの標準的な選択肢として位置づけられています。
主な構成要素は以下です。
Runtime: エージェント本体を実行する環境を提供するMemory: セッションを跨いだ会話履歴やコンテキストを保持するGateway: エージェントが呼び出す外部ツールを管理するObservability: 実行トレースやメトリクスをOpenTelemetry互換でCloudWatchに出力するIdentity: エージェントの認証・認可を扱う
| 💡 ポイント |
|---|
| Bedrockでエージェントを構築する仕組みとしては、以前はAmazon Bedrock Agentsが主流でしたが、現在は「Bedrock Agents Classic」に位置づけ直されたレガシー扱いとなっており、新規構築はAgentCoreを使うのが公式の推奨方針です。ネット上の古い記事やサンプルではBedrock Agentsが使われていることがあるため、参照時は時期に注意する必要があります。 |
詳しくは AgentCore概要 で扱います。
本講座では、素のモデル呼び出しからKnowledge Bases、AgentCoreと段階的に積み上げていきます。