S3 Vectorsが一般提供、東京リージョンに登場！改めて試してみて変更点などまとめてみる

はじめに

S3 Vectorsが待望の一般提供、そして東京リージョンに登場しました！
変更点などまとめつつ改めて試してみます！

発表直後

なお発表直後（2025年12月3日(JST)早朝）は対応しているはずの東京リージョンでは、ベクトルバケットのページをマネコンからは参照することができませんでした笑

何が変わったか

AWS MCPサーバに聞いてみた

GA前とGA後で、何か変わったことあるのかな？と思い、せっかくなのでAWS MCP Serverくんに聞いてみました！
AWS MCP Serverも今回のre:Inventで新しく生えたものです！気になる方は過去記事をどうぞ！

回答は以下のようになりました。

ターミナル

[12/03/25 03:34:12] INFO     Starting MCP server 'MCP Proxy for AWS' with transport 'stdio'                                               server.py:1974
Loaded 8 tools from AWS MCP Server
S3 Vector の東京リージョンでの提供開始に関する情報を確認させていただきます。
Tool #1: aws___search_documentation

Tool #2: aws___get_regional_availability
                                                                            
素晴らしいニュースがあります。S3 Vectors が一般提供（GA）されました。以下、従来のプレビュー版との主な変更点をまとめます：

## **S3 Vectors GA での主な改善点**

### **1. スケールの大幅な拡張**
- **プレビュー時**: 1 インデックスあたり数千万ベクトル
- **GA 版**: 1 インデックスあたり **最大 20 億ベクトル** （40 倍の拡張！）
- 実績: ユーザーが 250,000 以上のベクトルインデックスを作成し、400 億以上のベクトルを取り込み、10 億以上のクエリを実行

### **2. クエリパフォーマンスの最適化**
- **低頻度クエリ**: 1 秒未満で結果を返却
- **高頻度クエリ**: 約 100ms 以下のレイテンシー

### **3. 書き込みパフォーマンスの向上**
- 単一ベクトル更新のストリーミング時に **最大 1,000 PUT リクエスト/秒** をサポート
- バッチ処理で最適なパフォーマンスを実現（最大 500 ベクトル/リクエスト）

### **4. リージョン拡大**
- GA 版では **14 の AWS リージョン** で利用可能
- プレビュー時は 5 リージョン（バージニア、オハイオ、オレゴン、フランクフルト、シドニー）のみでした

### **5. 統合と成熟度の向上**
- Amazon Bedrock Knowledge Base との ネイティブ統合
- Amazon OpenSearch Service との連携機能
- 完全サーバーレスアーキテクチャで、インフラストラクチャのオーバーヘッドを排除

### **6. 料金体系**
- **PUT 価格設定**: ベクトルのアップロード/更新
- **ストレージコスト**: ベクトルデータ保存
- **クエリ料金**: クエリ実行

## **利用例**
- 医療画像検索
- 著作権侵害検出
- 画像の重複排除
- ビデオ分析
- エンタープライズドキュメント検索
- パーソナライゼーション

東京リージョン（ap-northeast-1）での提供開始は素晴らしいニュースで、日本の顧客がより低レイテンシーで S3 Vectors を利用できるようになります。何か具体的なユースケースについてご質問があれば、お知らせください。

主な変更点まとめ

気になった部分をピックアップしてみます！

スケールの大幅な拡張

• プレビュー時：1インデックスあたり数千万ベクトル
• GA時：1インデックスあたり最大20億ベクトル

ブログでも以下のようにありますし、相当利用されていたようですね笑

7月にS3ベクターのプレビューを発表して以来、ベクターデータの保存とクエリ機能をいかに迅速に採用したかに感銘を受けています。わずか4か月余りで、25万以上のベクトルインデックスを作成し、400億以上のベクトルを取り込み、10億件以上のクエリを実行しました(11月28日時点で)。

クエリパフォーマンス

• 低頻度クエリ：1秒未満で結果を返却
• 高頻度クエリ：約100ms以下のレイテンシー

対応リージョン拡大

プレビュー版の既存の5リージョン(米国東部(オハイオ、ノースバージニア)、米国西部(オレゴン)、アジア太平洋(シドニー)、ヨーロッパ(フランクフルト)に加え、アジア太平洋(ムンバイ、ソウル、シンガポール、東京)、カナダ(中部)、ヨーロッパ(アイルランド、ロンドン、パリ、ストックホルム)が追加

（大阪はないのか...？）

その他

• AWS CloudFormation対応
• AWS PrivateLinkでプライベートネットワーク接続
• リソースタグ付けでコスト配分やアクセス制御
  →タグ付け機能やCloudFormationは嬉しいポイントでは？

などなど

詳細は下記の公式様のブログをご覧ください！

試してみた

東京リージョンで試してみます！

ナレッジベース作成

ナレッジベース作成時、以下のようにベクトルストアを新規作成します。
東京リージョンにも「Amazon S3 Vectors」が！！

データの投入

S3には、以下のAgentCoreのドキュメントを入れます。

質問してみる

ナレッジベースの同期が完了したら早速質問してみます。

2025のre:Inventで発表された新機能について聞いてみます。

AgentCoreのAgentCore Policyについて、どのような機能か教えてください。

回答は以下になりました。
AgentCore Policyはがっつり検証しているわけではないのですが、見た感じ合っていそうです。

AgentCore Policyは、Amazon Bedrock AgentCoreの一部として、AIエージェントの動作を制御するためのセキュリティ機能です。エージェントが企業のツールやデータとどのように相互作用するかを定義し、ビジネスルール内で操作できるようにします。

主な機能は以下の通りです：

**ポリシーの作成と管理**
- ポリシーエンジンを作成し、決定論的なポリシーを作成・保存できます
- AgentCore Gatewayと統合し、ツール呼び出しを実行前にインターセプトして評価します

**アクセス制御**
- エージェントがアクセスできるツール、実行可能なアクション、その条件を細かく定義できます
- ユーザーID とツール入力パラメータに基づいた細粒度のアクセス制御が可能です

**ポリシーオーサリング**
- Cedar（AWSのオープンソースポリシー言語）を使用してポリシーを作成できます
- 自然言語での記述にも対応しており、英語で説明したルールが自動的にCedarポリシーに変換されます

**監視とログ**
- CloudWatchと統合し、ポリシー評価と決定を監視できます
- コンプライアンスとトラブルシューティングのための詳細なログを保持します

**セキュリティ上の利点**
- セキュリティ制御をエージェントコード外に配置することで、エージェント操作によるポリシー回避のリスクを軽減します
- 一貫性のある、信頼性の高い強制を実現します

中身を確認してみる

動作を見ても、本当に中身はベクターエンジンなのか？
となるので、以下のコマンドをCloudshellに実行して確認できます。

Cloudshell

$ aws bedrock-agent get-knowledge-base \
>   --knowledge-base-id hogehoge \
>   --region ap-northeast-1

タイプが「S3_VECTOR」、
リージョンが「ap-northeast-1」
になっていることが確認できていると思います！

{
    "knowledgeBase": {
        "knowledgeBaseId": "LDXAM9CDG1",
        "name": "knowledge-base-quick-start-q2pr9",
        "knowledgeBaseArn": "arn:aws:bedrock:ap-northeast-1:017820658462:knowledge-base/LDXAM9CDG1",
        "roleArn": "arn:aws:iam::017820658462:role/service-role/AmazonBedrockExecutionRoleForKnowledgeBase_q2pr9",
        "knowledgeBaseConfiguration": {
            "type": "VECTOR",
            "vectorKnowledgeBaseConfiguration": {
                "embeddingModelArn": "arn:aws:bedrock:ap-northeast-1::foundation-model/amazon.titan-embed-text-v2:0",
                "embeddingModelConfiguration": {
                    "bedrockEmbeddingModelConfiguration": {
                        "dimensions": 1024,
                        "embeddingDataType": "FLOAT32"
                    }
:...skipping...
{
    "knowledgeBase": {
        "knowledgeBaseId": "LDXAM9CDG1",
        "name": "knowledge-base-quick-start-q2pr9",
        "knowledgeBaseArn": "arn:aws:bedrock:ap-northeast-1:017820658462:knowledge-base/LDXAM9CDG1",
        "roleArn": "arn:aws:iam::017820658462:role/service-role/AmazonBedrockExecutionRoleForKnowledgeBase_q2pr9",
        "knowledgeBaseConfiguration": {
            "type": "VECTOR",
            "vectorKnowledgeBaseConfiguration": {
                "embeddingModelArn": "arn:aws:bedrock:ap-northeast-1::foundation-model/amazon.titan-embed-text-v2:0",
                "embeddingModelConfiguration": {
                    "bedrockEmbeddingModelConfiguration": {
                        "dimensions": 1024,
                        "embeddingDataType": "FLOAT32"
                    }
                }
            }
        },
        "storageConfiguration": {
            "type": "S3_VECTORS",
            "s3VectorsConfiguration": {
                "indexArn": "arn:aws:s3vectors:ap-northeast-1:017820658462:bucket/bedrock-knowledge-base-g164wx/index/bedrock-knowledge-base-default-index"
            }
        },
        "status": "ACTIVE",
        "createdAt": "2025-12-02T19:10:59.647634+00:00",
        "updatedAt": "2025-12-02T19:37:16.164468+00:00"
    }
}

これで東京リージョンでもS3 Vector使えることが改めて確認できましたね。
GAによってパワーアップしたということで、今後も積極的に使ってあげたいと思います。

試してみて

一般提供されたということで、S3 Vectorsに対応した様々なシステムを本番環境で試せるようになるのも魅力ですよね！
クエリや書き込み能力、埋め込み精度も大幅に改善されているとのことなので、やはりこれはコスパよすぎるのではないのでしょうか？？笑

さいごに

ラスベガスまで届け！！！