LoginSignup
3
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

100万記事ありがとう！2025年もたくさんアウトプットしよう
@curlneko(ユウ)in株式会社BeeX

Lex+BedrockでSlackボットを作りました！

Last updated at Posted at 2025-01-23

やりたいこと

・社内規定などの文書をS3に格納し、それをBedRockのナレッジベースのデータソースとして活用する
・Lexを使用して自由会話形式のボットを作成し、社員が社内規定に関する質問をすると、ボットが回答する仕組みを構築する。これにより、大量の文書から必要な情報を探す時間を短縮する
・LexをSlackと連携させ、SlackのDM上で会話できるようにする

image.png

S3の作成＋社内文書の格納

S3を開き、「バケットを作成」
image.png

バケット名を入力し、その他設定をデフォルトのままで、「バケットを作成」
image.png

社内規定のpdfファイルをアップロード
image.png

Bedrockナレッジベースの作成

「Bedrock」を開き、左メニューから「ナレッジベース」
image.png

「ナレッジベースを作成」をクリックし、
image.png

「Knowledge Base with vector store」を選択
（「Knowledge Base with structured data store」は構造化データの場合に使う）
image.png

ナレッジベース名は自動で付与されるが、変えても大丈夫
IAM許可は事前に作っていないので、「新しいサービスロールを作成して使用」
image.png

「Data source details」は「S3」を選択
image.png

その他設定はデフォルトのままで、「次へ」
image.png

「S3を参照」をクリックし、
image.png

先ほど作ったS3バケットを選択
image.png

その他設定はデフォルトのままで、「次へ」
image.png

「埋め込みモデル」について、社内で「Titan Embeddings G1 - Text v1.2」を試しているメンバーがいるので、他モデル精度検証のため「Embed Multilingual v3」を選択します。

image.png

「ベクトルデータベース」について、「Amazon Aurora PostgreSQL Serverless」にして、「次へ」をクリック
image.png

設定内容を確認し、「ナレッジベースを作成」をクリック（数十分かかる）
image.png

モデルの有効化

左メニューの「モデルアクセス」をクリックし、利用できるベースモデルの画面を開きます

初めてBedrockを使う方は、各モデルの「アクセスのステータス」がすべて灰色の「リクエスト可能」になっていると思います。

モデルを利用する際は、AWS Marketplaceで課金が発生するため、事前に利用するモデルの有効化を行う必要があります。

使うモデルを選択し、「モデルアクセスをリクエスト」をクリック

image.png

すると、このようなメールが飛んでくる

今回は他者のハンズオンブログを参照しながら作成するので、ブログと同じく「Anthropic > Claude 3.5 Sonnet（回答文作成のモデル）」と「Cohere > Embed Multilingual（S3ファイル取り込み時のモデル）」を検証したく、両方とも有効化をしました。

image.png

S3とナレッジベースの同期

左メニューの「ナレッジベース」を再度クリックし、先ほど出来上がったナレッジベースをクリック
image.png

画面右側にある「ナレッジベースをテスト」には、「1 つ以上のデータソースが同期されていません。」と表示されています
image.png

画面真ん中あたりにある「データソース」に、作られたデータソースをクリックすると、S3と紐づけているのですが、

image.png

S3に格納されたファイルとの「同期」はまだ行われていませんので、「Document」が空状態。「同期」クリック
image.png

すると、このようにS3のファイルが取り込まれました。
（S3ファイルの変更がある場合、再度「同期」する必要があります）
image.png

取り込まれたS3ファイルは、Bedrock側でベクトル変換します。変換済みのデータはAurora Serverlessに格納されます。
image.png

Bedrockにおけるモデル検証

再びナレッジベースの画面に戻ります。画面右側にある「ナレッジベースをテスト」は初期状態で入力できないですが、
image.png

「回答を生成」にチェックを外すと、このように入力できるようになりました。
image.png

しかし、「有給は何日取れる」って質問すると、こんな感じでよくわからない回答文が帰ってきました。。。
image.png

「回答文生成」のモデルをまだ選択していないからです！
「回答を生成」にチェックを入れた状態で「モデルを選択」をクリック

image.png

先ほど有効化したAnthropic社とCohere社のモデルが選択肢として出てきました。「Claude 3.5 Sonnet v1」（回答文を作成するモデル）を選び、「適用」をクリック。

image.png

すると「Claude 3.5 Sonnet　v1　オンデマンド」が表示されました。
もう一度同じ質問をすると、今度はまとまった回答文が帰ってきました！
image.png

Lambda作成

Lambdaを開き、「関数の作成」をクリック
image.png

「一から作成」を選択し、ランタイムは「Python3.13」にし、「関数の作成」
image.png

作成されたLambda関数をクリック
image.png

以下のソースをデプロイします。
（Lexから質問文を受け付け、Bedrockナレッジベースへ渡し、最後は回答文をLexへ返す）
※knowledge_base_idはナレッジベース画面を参照し書き換えます。
※modelArnは、以下の方法で取得できます。

import boto3
import json

bedrock_agent_runtime_client = boto3.client('bedrock-agent-runtime')

def lambda_handler(event, context):

    # Lexからの入力イベントを確認
    print("Event received from Lex:", json.dumps(event))

    user_prompt = event.get('inputTranscript')
    
    # Knowledge Base IDに置き換えてください
    knowledge_base_id = 'xxxx'

    # Bedrockのモデル
    modelArn = 'anthropic.claude-3-5-sonnet-20240620-v1:0'

    response = bedrock_agent_runtime_client.retrieve_and_generate(
        input={
            'text': user_prompt,
        },
        retrieveAndGenerateConfiguration={
            'type': 'KNOWLEDGE_BASE',
            'knowledgeBaseConfiguration': {
                'knowledgeBaseId': knowledge_base_id,
                'modelArn': modelArn,
            }
        }
    )

    print("Received response:" + json.dumps(response, ensure_ascii=False))

    response_output = response['output']['text']

    response = {
        "messages": [
                {
                    "contentType": "PlainText",
                    "content": response_output
                }
            ],
        "sessionState": {
            "dialogAction": {
                "type": "Close"
            },
            "intent": {
                "name": "Lexインテント名に書き換えてください",
                "state": "Fulfilled"
            }
        }
    }


    return response

「設定」＞「一般設定」＞「編集」で、「タイムアウト」時間を30秒へ変更します。
（Bedrockの回答文生成に時間がかかる場合があり、初期設定の3秒は足りない恐れがあります。）
image.png

「設定」＞「アクセス権限」＞「ロール名」で、自動作成されたIAMロールへ遷移します。
image.png

初期状態は「AWSLambdaBasicExecutionRole」（CloudWatch関連の権限）しかないはずですが、「許可ポリシー」＞「許可の追加」で 「AmazonBedrockFullAccess」ポリシーを付与し、ナレッジベースへのアクセス権限を与えます。
image.png

これで設定完了！

Lexボットの作成

Lexを開き、「ボット作成」
image.png

「空のボットを作成します」を選択、ボット名を設定
image.png

IAMを新たに作成します
image.png

児童オンラインプライバシー保護法 (COPPA)に「はい」、「次へ」
image.png

「Japanese」を選択し、好きな音声を一つ選び、「完了」
image.png

すると、「ボット (EmployeeBot) が正常に作成されました」が表示され、「インテント」作成の画面に遷移します。

まず、「インテント」名を入力します。
image.png

「サンプル発話」とは、ユーザーが会話をスタートするときに、入力すると予想される代表的なフレーズ。

「社内規定を知りたい」を入力すると、ボットは新しい会話フローをスタートし、応答をはじめます。

image.png

スロットに「スロットを追加」をクリックし、スロットを追加

今回はユーザーが自由会話形式で質問できるようにしたいので、「AMAZON.FreeFormInput」を選択し、想定した定型の返答文を「社内規定に関するご質問にお答えいたします。何かご不明な点がございましたら、お気軽にお尋ねください。」で設定します。

ちなみにですが、Lexのほうで、様々な学習済みの「スロットタイプ」があり、例えば「AMAZON.City」を選択すると、会話中から自動で都市名らしき言葉を認識できます。

image.png

「フルフィルメント」＞「詳細オプション」でクリックし、
image.png

「フルフィルメントに Lambda 関数を使用」にチェックを入れます。
そうすると、ユーザーが質問を完了すると、Lambda関数がトリガーされます。
image.png

ちなみにですが、もし会話の開始時や途中に随時Lambdaをトリガーしたい場合、画面一番下の「初期化と検証に Lambda 関数を使用」にチェックを入れる必要があります。
今回はその想定がないため設定しません。
image.png

その他設定は今回いらないので、画面右下の「インテントを保存をクリック」して保存したら完了です。

インテント設定画面の一番上にスクロールすると、設定されて会話フローが確認できます。
image.png

Lambdaと連携

再び「Lex」に戻り、「ボット」＞「ボット名」＞「デプロイ」＞「エイリアス」でクリックし、言語の「Japanese」を選択
image.png

先ほどのLambda関数を設定して、「保存」
image.png

再び「インテント」設定の画面に戻り、「構築」をクリック
image.png

Lexボットのテスト

構築が完了すると、「インテント」設定の画面の「テスト」をクリックし、「社内規定を知りたい」と入力

すると、会話がスタートされ、スロットで設定した定型文が返されました。

image.png

Bedrockのテストと同じく「有給は何日取れる」って質問すると、さっきとほぼ同じの回答が返されました！

裏では「Lex→Lambda→Bedrockナレッジベース」で動いているのがわかりました！

image.png

Slackアプリの作成＋Lexボット連携

最後は、このLexボットをSlack上にも使いたいので、Slackアプリを作成し、Lexボットと連携します！

この前作ったブログを参照して設定してください。

Slackの検証

以上の設定が完了したら、SlackのDMでアプリを検索し、DMを投げてみましょう！

このようにSlackのDMでLexボットと会話できるようになりました！
image.png

参考サイト

3
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
3
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?