16
12

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

Amazon Bedrock ナレッジベースの使い方(API編)

Last updated at Posted at 2024-04-04

ナレッジベースとは

Amazon Bedrock のナレッジベースについてはこちらにまとめているので、良かったら見てください。

今回やること

前回はコンソールからナレッジベースを作成してテストまでやりましたので、今回はAPI利用して実行してみようと思います。

最近気になっていた Chatbot UI からAPIを実行してみます。

Chatbot UI とは?
https://github.com/mckaywrigley/chatbot-ui

ChatGPTライクなユーザインタフェースのオープンソース生成AIチャットアプリです。
・ ローカルやクラウドにデプロイして利用可
・ MITライセンスなので改変可

image.png

以下リンク先の記事でChatbot UI の魅力とローカル環境構築方法を分かりやすくまとめていますので、良かったら見てみてください。

前提

Chatbot UIをローカル環境に構築済とし、
ローカルChatbot UI から直接 AWS Bedrock APIを実行する構成で検証します。
※ Chatbot UI のローカル環境構築方法については別記事で書こうと思います

ステップ0.SDK準備

AWS Bedrock ナレッジベースを利用するために、
@aws-sdk/client-bedrock-agent-runtime を導入します。
package.jsonに定義しChatbot UIのルートディレクトリでnpm install。
image.png

ステップ1.モデルの追加

Chatbot UI には様々な生成AI基盤モデルを利用するための機能がデフォルトで備わっています。Bedrockはデフォルトでは利用できませんが、ちょこっとカスタマイズするだけで利用できるようになります。
image.png

Name欄に適当な基盤モデル名を入れておけばひとまず大丈夫です。

ステップ2.実装

追加したモデルから呼び出されるバックエンドは「\app\api\chat\custom\route.ts」です。これをBedrockナレッジベースAPIを呼び出すように変更していきます。
image.png

ステップ0で準備したSDKをインポート。

custom\route.ts
import {
  BedrockAgentRuntimeClient,
  RetrieveAndGenerateCommand,
  RetrieveAndGenerateType,
} from '@aws-sdk/client-bedrock-agent-runtime'

AWS BedrockナレッジベースAPIを呼び出し、レスポンスをフロントに返却。少ないコードで実装できるのは本当にありがたいですよね。。

custom\route.ts
try {
  // 利用するナレッジベースの設定
  const ragConfig = {
    type: RetrieveAndGenerateType.KNOWLEDGE_BASE,
    knowledgeBaseConfiguration: {
      knowledgeBaseId: 'XXXXX', // 作成したナレッジベースのIDを指定
      modelArn: 'arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-v2:1',   // ユーザクエリ+ナレッジベース取得結果に基づいて応答を生成するために利用する基盤モデルを指定
    },
  }
  
  // APIパラメータ設定
  const command = new RetrieveAndGenerateCommand({
    input: {'text': message},  // messageは文字列
    retrieveAndGenerateConfiguration: ragConfig
  });

  // API呼び出すためのクライアント設定
  const bedrockClient = new BedrockAgentRuntimeClient({
    region: "us-east-1",
    credentials: {
      accessKeyId: "XXXXX",     // 簡易的に実装
      secretAccessKey: "XXXXXX" // 簡易的に実装
    }
  })

  // API呼び出しとレスポンス返却
  const bedrockResponse = await bedrockClient.send(command)
  return new NextResponse(bedrockResponse.output.text)

} catch (error: any) {
  console.error("Error parsing Bedrock API response:", error)
}

ステップ3.実行

ステップ1で作成したモデルに切り替えます。
image.png

プロンプトに質問を投げます。
※ナレッジベースのデータソースには、オリエンタルランドの2023年3月有価証券報告書PDFを入れてあります
image.png

もう1つ投げてみます。
image.png

売上高、経常利益は正しくとれていますね。
当期純利益は残念ながら取得できませんでした。
image.png

最後に

Chatbot UIとAmazon Bedrockのナレッジベースを組み合わせることで簡単に爆速でRAGアプリが作れました。AWSのマネージドサービスの素晴らしさをあらためて実感しました。
次はエージェントを触ってみようと思います。

※間違いなどあれば、ご指摘いただけると助かります。

16
12
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
16
12

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?