Amazon Bedrock ナレッジベースで LINE 世界旅行 Bot を作る — RAG 対応版

前提記事: Amazon Bedrock で LINE Chat Bot を構築する
本記事で追加する機能: Bedrock Knowledge Base（RAG）を組み込み、世界各国の旅行ガイドデータに基づいた回答を生成する旅行アシスタント Bot に拡張する

概要

前回の記事では、Amazon Bedrock と LINE を連携して汎用的なチャットボットを構築しました。今回はそこに Bedrock Knowledge Base（ナレッジベース） を追加し、S3 にアップロードした世界各国の旅行ガイドデータを基に回答を生成する RAG（Retrieval-Augmented Generation）対応の世界旅行アシスタント Bot に拡張します！

「バルセロナのおすすめ観光スポットは？」「3泊5日でイタリアを回るモデルコースを教えて」といった質問に、登録済みの旅行ガイドデータから回答してくれるボットを目指します。

拡張前後の構成比較

【前回（基本構成）】
LINE → API Gateway → Lambda → Bedrock (Claude) → 応答生成

【今回（ナレッジベース拡張版）】
LINE → API Gateway → Lambda → Bedrock Knowledge Base → 応答生成
                                      ↑
                               S3（旅行ガイドデータ）
                                      ↑
                               OpenSearch Serverless（ベクトルDB）

アーキテクチャ図

手順の概要

S3 バケットの作成とドキュメントのアップロード
Bedrock ナレッジベースの作成
ナレッジベースの同期とテスト
Lambda の IAM ロール更新
Lambda コードの修正（RetrieveAndGenerate API 対応）
動作確認

前提: 前回の記事で構築した LINE Bot（Lambda + API Gateway + LINE Messaging API）が動作していること

1. S3 バケットの作成とドキュメントのアップロード

① S3 バケットを作成

AWS マネジメントコンソール → S3 を開く
「バケットを作成」をクリック
- バケット名: bedrock-kb-documents-{your-account-id}（グローバルで一意にする）
- リージョン: ap-northeast-1（東京）
- その他はデフォルトのまま
「バケットを作成」をクリック

ナレッジベースに読み込ませる旅行ガイドデータをアップロードします。

対応フォーマット:

PDF（.pdf）
Markdown（.md）
テキスト（.txt）
HTML（.html）
Word（.docx）
CSV（.csv）

旅行ガイドデータの準備例（Markdown）:

# バルセロナ（スペイン）

## 基本情報
- ベストシーズン: 4月〜6月、9月〜10月
- 通貨: ユーロ（EUR）
- 言語: スペイン語・カタルーニャ語（英語観光地OK）
- 時差: 日本 -8時間

## おすすめ観光スポット
1. **サグラダ・ファミリア** — ガウディの未完成傑作。2026年現在も建設中。午前中が空いている
2. **グエル公園** — ガウディのモザイクベンチが有名。午後の散歩に最適
3. **ランブラス通り** — バルセロナのメインストリート。大道芸人やカフェが並ぶ

## モデルコース（3泊4日）
- Day 1: サグラダ・ファミリア → ゴシック地区散策
- Day 2: グエル公園 → カサ・バトリョ → モンジュイックの丘
- Day 3: ボケリア市場 → ランブラス通り → バルセロネータビーチ
- Day 4: モンセラット（郊外日帰り）

## グルメ
- **パエリア** — シーフードパエリア。ボケリア市場周辺がおすすめ
- **ピンチョス** — 小皿料理。バルで気軽に楽しめる
- **クレマカタラーナ** — カタルーニャ名物のクリームブリュレ

## 注意事項
- スリに注意（特にランブラス通り）
- チップは飲食店で約10%が目安

S3 のフォルダ構成:

bedrock-kb-documents-123456789012/
├── docs/
│   ├── europe/
│   │   ├── スペイン.md
│   │   ├── イタリア.md
│   │   ├── フランス.md
│   │   └── イギリス.md
│   ├── asia/
│   │   ├── タイ.md
│   │   ├── 台湾.md
│   │   └── 韓国.md
│   ├── americas/
│   │   ├── アメリカ.md
│   │   └── メキシコ.md
│   └── tips/
│       ├── 海外旅行の持ち物リスト.md
│       └── 空港・乗り継ぎテクニック.md

ポイント: エリア別にフォルダを分けておくと、後からメタデータフィルタリングで「ヨーロッパだけ検索」なども可能になります。

2. Bedrock ナレッジベースの作成

① Bedrock コンソールでナレッジベースを作成

AWS マネジメントコンソール → Amazon Bedrock を開く
左メニューから 「ナレッジベース」 を選択
「ナレッジベースを作成」 をクリック

② 基本設定

項目	設定値
ナレッジベース名	`travel-chatbot-kb`
説明（任意）	LINE 世界旅行アシスタント用ナレッジベース
IAM ロール	「新しいサービスロールを作成して使用」を選択

③ データソースの設定

項目	設定値
データソース名	`s3-documents`
S3 URI	`s3://bedrock-kb-documents-{your-account-id}/docs/`

④ 埋め込みモデルの選択

項目	設定値
埋め込みモデル	Titan Embeddings G1 - Text v1.2
ベクトルデータベース	「新しいベクトルストアをクイック作成」を選択

補足: 「新しいベクトルストアをクイック作成」を選ぶと、OpenSearch Serverless のコレクションが自動で作成されます。手動設定は不要です。

⑤ チャンキング戦略の選択

戦略	説明	おすすめ
デフォルト	300トークンごとに分割	初めての場合はこちら
固定サイズ	指定トークン数で分割	ドキュメントの構造が均一な場合
階層的	親子チャンクを作成	長い文書で文脈を保持したい場合
セマンティック	意味的な区切りで分割	品質重視の場合
なし	チャンキングしない	既に前処理済みの場合

おすすめ: まずは デフォルト で始めて、回答品質を見ながら調整する。

⑥ 作成を完了

「ナレッジベースを作成」をクリック。作成完了まで数分かかります。

3. ナレッジベースの同期とテスト

① データソースを同期

作成したナレッジベースの詳細ページを開く
データソースセクションで 「同期」 をクリック
ステータスが「利用可能」になるまで待つ（ドキュメント量に依存、通常数分）

② コンソールでテスト

ナレッジベース詳細ページの右側に 「テスト」 パネルがある
「モデルを選択」で Claude 4.5 Haiku を選択
テスト質問を入力して動作確認

テスト質問例:
「バルセロナのおすすめ観光スポットは？」
「3泊5日でイタリアを回るプランを教えて」
「タイのおすすめグルメは？」

応答に旅行ガイドデータからの引用（ソース）が含まれていれば成功です。

③ ナレッジベース ID をメモ

ナレッジベース詳細ページの上部に表示される ナレッジベース ID（例: XXXXXXXXXX）を控えておきます。Lambda コードで使用します。

4. Lambda の IAM ロール更新

前回作成した Lambda 関数の実行ロールに、ナレッジベースへのアクセス権限を追加します。

① IAM コンソールで Lambda のロールを編集

IAM コンソール → ロール → BedrockLineBot のロールを選択
「許可を追加」→「インラインポリシーを作成」

② ポリシー JSON

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "bedrock:RetrieveAndGenerate",
                "bedrock:Retrieve",
                "bedrock:InvokeModel",
                "bedrock:GetInferenceProfile"
            ],
            "Resource": "*"
        }
    ]
}

ポリシー名: BedrockKnowledgeBaseAccess

注意: 本番環境では Resource を特定の ARN に絞ることを推奨します。

5. Lambda コードの修正（RetrieveAndGenerate API 対応）

前回のコードを以下に置き換えます。

変更ポイント

項目	前回	今回
API	`invoke_model`	`retrieve_and_generate`
クライアント	`bedrock-runtime`	`bedrock-agent-runtime`
応答根拠	なし（モデルの一般知識）	旅行ガイドデータからの引用付き
プロンプト	なし	旅行アシスタント用プロンプトテンプレート

Lambda コード（拡張版）

import boto3
import json
import os
import urllib.request

# Bedrock Agent Runtime クライアント（東京リージョン）
bedrock_agent = boto3.client("bedrock-agent-runtime", region_name="ap-northeast-1")

# 環境変数から取得（Lambda の設定 → 環境変数で設定）
LINE_ACCESS_TOKEN = os.environ["LINE_ACCESS_TOKEN"]
KNOWLEDGE_BASE_ID = os.environ["KNOWLEDGE_BASE_ID"]
MODEL_ARN = os.environ["MODEL_ARN"]

# プロンプトテンプレート（旅行アシスタントのキャラ設定）
PROMPT_TEMPLATE = """あなたは「たびナビ」という名前の親しみやすい世界旅行アシスタントです。
以下のルールに従って回答してください：

- 検索結果の旅行ガイド情報を基に、わかりやすく回答する
- 観光スポット・モデルコース・グルメ情報は箇条書きで見やすく整理する
- 旅行のコツや穴場情報があれば一言添える
- 日数が指定された場合は、その日数に合ったモデルコースを提案する
- ベストシーズンや注意事項（治安・チップ・マナー等）も併せて伝える
- 検索結果に該当する情報がない場合は、正直に「登録されているガイドにはありませんでした」と伝える
- 絵文字を適度に使って、旅行のワクワク感が伝わる雰囲気で回答する

$search_results$

ユーザーの質問: $query$
"""


def lambda_handler(event, context):
    try:
        body = json.loads(event["body"])
        events = body.get("events", [])

        if not events:
            return {"statusCode": 200, "body": "No events"}

        user_message = events[0]["message"]["text"]
        reply_token = events[0]["replyToken"]

        # Bedrock Knowledge Base に問い合わせ（RetrieveAndGenerate + プロンプトテンプレート）
        response = bedrock_agent.retrieve_and_generate(
            input={"text": user_message},
            retrieveAndGenerateConfiguration={
                "type": "KNOWLEDGE_BASE",
                "knowledgeBaseConfiguration": {
                    "knowledgeBaseId": KNOWLEDGE_BASE_ID,
                    "modelArn": MODEL_ARN,
                    "retrievalConfiguration": {
                        "vectorSearchConfiguration": {
                            "numberOfResults": 5
                        }
                    },
                    "generationConfiguration": {
                        "promptTemplate": {
                            "textPromptTemplate": PROMPT_TEMPLATE
                        },
                        "inferenceConfig": {
                            "textInferenceConfig": {
                                "maxTokens": 500,
                                "temperature": 0.7
                            }
                        }
                    }
                }
            }
        )

        # 応答テキストを取得
        ai_reply = response["output"]["text"]

        # ソース情報を追加（任意）
        citations = response.get("citations", [])
        if citations:
            sources = set()
            for citation in citations:
                for ref in citation.get("retrievedReferences", []):
                    location = ref.get("location", {})
                    s3_uri = location.get("s3Location", {}).get("uri", "")
                    if s3_uri:
                        # ファイル名だけ取得
                        filename = s3_uri.split("/")[-1]
                        sources.add(filename)
            if sources:
                ai_reply += f"\n\n🌍 参照ガイド: {', '.join(sources)}"

        # LINE に返信
        send_line_message(reply_token, ai_reply)

        return {"statusCode": 200, "body": json.dumps({"message": "Success"})}

    except Exception as e:
        print(f"Error: {e}")
        return {"statusCode": 500, "body": json.dumps({"error": str(e)})}


def send_line_message(reply_token, text):
    """LINE Messaging API で返信する"""
    url = "https://api.line.me/v2/bot/message/reply"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {LINE_ACCESS_TOKEN}"
    }
    # LINE メッセージの上限は 5000 文字
    if len(text) > 4900:
        text = text[:4900] + "\n\n（文字数上限のため省略）"

    data = json.dumps({
        "replyToken": reply_token,
        "messages": [{"type": "text", "text": text}]
    })

    req = urllib.request.Request(url, data=data.encode("utf-8"), headers=headers)
    with urllib.request.urlopen(req) as res:
        res.read()

環境変数の設定

Lambda コンソール → 設定 → 環境変数で以下を追加:

キー	値
`LINE_ACCESS_TOKEN`	LINE Developers で取得したアクセストークン
`KNOWLEDGE_BASE_ID`	手順3で控えたナレッジベース ID
`MODEL_ARN`	`arn:aws:bedrock:ap-northeast-1::inference-profile/jp.anthropic.claude-haiku-4-5-20251001-v1:0`

改善ポイント（前回からの変更）:

requests ライブラリを urllib.request に変更 → Lambda レイヤー不要に

アクセストークンをコードから環境変数に移動 → セキュリティ向上

ソース情報の付与 → ユーザーが根拠を確認できる

プロンプトテンプレート追加 → Claude の回答スタイルを旅行アシスタントとしてカスタマイズ

Lambda のタイムアウト設定

ナレッジベースの検索+生成は時間がかかるため、タイムアウトを延長します。

Lambda コンソール → 設定 → 一般設定 → 編集
タイムアウト: 30秒（デフォルトの3秒では足りない）

6. 動作確認

① Lambda のテスト

Lambda コンソールのテスト機能で、以下のテストイベントを使用:

{
  "body": "{\"events\":[{\"message\":{\"text\":\"バルセロナのおすすめ観光スポット教えて\"},\"replyToken\":\"test-token-123\"}]}"
}

注意: replyToken がテスト値のため LINE への送信は失敗しますが、ナレッジベースからの応答取得を確認できます。CloudWatch Logs で応答内容を確認してください。

② LINE から実際にテスト

LINE アプリでボットに質問を送信: