翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# での完全マネージド型取得拡張生成オプション AWS
<a name="rag-fully-managed"></a>

で検索拡張生成 (RAG) ワークフローを管理するには AWS、カスタム RAG パイプラインを使用するか、 AWS が提供するフルマネージドサービス機能の一部を使用できます。これらには RAG ベースのシステムのコアコンポーネントが多数含まれているため、フルマネージドサービスは未分化の重労働の一部を管理するのに役立ちます。ただし、これらのサービスはカスタマイズの機会が少なくなります。

フルマネージド型 はコネクタ AWS のサービス を使用して、ウェブサイト、Atlassian Confluence、Microsoft SharePoint などの外部データソースからデータを取り込みます。サポートされているデータソースは、 によって異なります AWS のサービス。

このセクションでは、 で RAG ワークフローを構築するための以下のフルマネージドオプションについて説明します AWS。
+ [Amazon Bedrock ナレッジベース](rag-fully-managed-bedrock.md)
+ [Amazon Q Business](rag-fully-managed-q-business.md)
+ [Amazon SageMaker AI Canvas](rag-fully-managed-sagemaker-canvas.md)

これらのオプションから選択する方法の詳細については、このガイド[で取得拡張生成オプションを選択する AWS](choosing-option.md)の「」を参照してください。

# Amazon Bedrock ナレッジベース
<a name="rag-fully-managed-bedrock"></a>

[Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) は、主要な AI スタートアップ企業や Amazon が提供する高パフォーマンスな基盤モデル (FM) を、統合 API を通じて利用できるようにするフルマネージド型サービスです。[ナレッジベース](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html)は、取り込みから取得、プロンプト拡張まで、RAG ワークフロー全体を実装するのに役立つ Amazon Bedrock の機能です。データソースへのカスタム統合を構築したり、データフローを管理したりする必要はありません。セッションコンテキスト管理は、生成 AI アプリケーションがマルチターン会話を簡単にサポートできるように組み込まれています。

データの場所を指定すると、Amazon Bedrock のナレッジベースは内部でドキュメントを取得し、それらをテキストのブロックにチャンクし、テキストを埋め込みに変換して、選択したベクトルデータベースに埋め込みを保存します。Amazon Bedrock は埋め込みを管理および更新し、ベクトルデータベースをデータと同期させます。ナレッジベースの仕組みの詳細については、[「Amazon Bedrock ナレッジベースの仕組み](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-how-it-works.html)」を参照してください。

Amazon Bedrock エージェントにナレッジベースを追加すると、エージェントはユーザー入力に基づいて適切なナレッジベースを識別します。エージェントは関連情報を取得し、入力プロンプトに情報を追加します。更新されたプロンプトは、レスポンスを生成するためのより多くのコンテキスト情報をモデルに提供します。透明性を向上させ、幻覚を最小限に抑えるために、ナレッジベースから取得した情報はソースまで追跡可能です。



![\[Amazon Bedrock エージェントはナレッジベースから情報を取得し、LLM に渡します。\]](http://docs.aws.amazon.com/ja_jp/prescriptive-guidance/latest/retrieval-augmented-generation-options/images/architecture-knowledge-base.png)


Amazon Bedrock は、RAG に対して次の 2 APIs をサポートしています。
+ [RetrieveAndGenerate](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) – この API を使用してナレッジベースをクエリし、取得した情報からレスポンスを生成できます。Amazon Bedrock は内部的にクエリを埋め込みに変換し、ナレッジベースにクエリを実行し、検索結果をコンテキスト情報としてプロンプトを拡張して、LLM で生成されたレスポンスを返します。また、Amazon Bedrock は会話の短期記憶を管理し、よりコンテキストに応じた結果を提供します。
+ [取得](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_Retrieve.html) – この API を使用して、ナレッジベースから直接取得した情報を使用してナレッジベースをクエリできます。この API から返された情報を使用して、取得したテキストの処理、関連性の評価、またはレスポンス生成のための別のワークフローの開発を行うことができます。Amazon Bedrock は内部的にクエリを埋め込みに変換し、ナレッジベースを検索して、関連する結果を返します。検索結果の上に追加のワークフローを構築できます。たとえば、 [https://python.langchain.com/docs/integrations/retrievers/bedrock/](https://python.langchain.com/docs/integrations/retrievers/bedrock/)`AmazonKnowledgeBasesRetriever`プラグインを使用して、RAG ワークフローを生成 AI アプリケーションに統合できます。

API を使用するためのアーキテクチャパターンの例とstep-by-stepの手順については、 APIs[「ナレッジベースが Amazon Bedrock でフルマネージド RAG エクスペリエンスを提供するようになりました](https://aws.amazon.com/blogs/aws/knowledge-bases-now-delivers-fully-managed-rag-experience-in-amazon-bedrock/)」(AWS ブログ記事) を参照してください。`RetrieveAndGenerate` API を使用してインテリジェントなチャットベースのアプリケーションの RAG ワークフローを構築する方法の詳細については、[「Amazon Bedrock ナレッジベースを使用したコンテキストチャットボットアプリケーションの構築](https://aws.amazon.com/blogs/machine-learning/build-a-contextual-chatbot-application-using-knowledge-bases-for-amazon-bedrock/)」(AWS ブログ記事) を参照してください。

## ナレッジベースのデータソース
<a name="rag-fully-managed-bedrock-data-sources"></a>

所有権を持つ独自のデータをナレッジベースに接続することができます。データソースコネクタを設定したら、データをナレッジベースと同期または最新の状態に保ち、データをクエリに使用できるようにします。Amazon Bedrock ナレッジベースは、次のデータソースへの接続をサポートします。
+ [Amazon Simple Storage Service (Amazon S3)](https://docs.aws.amazon.com/bedrock/latest/userguide/s3-data-source-connector.html) – コンソールまたは API を使用してAmazon S3バケットを Amazon Bedrock ナレッジベースに接続できます。ナレッジベースは、バケット内のファイルを取り込み、インデックスを作成します。このタイプのデータソースは、次の機能をサポートしています。
  + **ドキュメントメタデータフィールド** – 別のファイルを含めて、Amazon S3 バケット内のファイルのメタデータを指定できます。その後、これらのメタデータフィールドを使用して、レスポンスの関連性をフィルタリングして改善できます。
  + **包含フィルターまたは除外フィルター** – クロール時に特定のコンテンツを含めたり除外したりできます。
  + **増分同期** – コンテンツの変更は追跡され、前回の同期以降に変更されたコンテンツのみがクロールされます。
+ [https://docs.aws.amazon.com/bedrock/latest/userguide/confluence-data-source-connector.html](https://docs.aws.amazon.com/bedrock/latest/userguide/confluence-data-source-connector.html) – コンソールまたは API を使用して、Atlassian Confluenceインスタンスを Amazon Bedrock ナレッジベースに接続できます。このタイプのデータソースは、次の機能をサポートしています。
  + **メインドキュメントフィールドの自動検出** – メタデータフィールドは自動的に検出され、クロールされます。これらのフィールドはフィルタリングに使用できます。
  + **包含コンテンツフィルターまたは除外コンテンツフィルター** – スペース、ページタイトル、ブログタイトル、コメント、添付ファイル名、または拡張機能のプレフィックスまたは正規表現パターンを使用して、特定のコンテンツを包含または除外できます。
  + **増分同期** - コンテンツの変更は追跡され、前回の同期以降に変更されたコンテンツのみがクロールされます。
  + **OAuth 2.0 認証、ConfluenceAPI トークンによる認証** – 認証情報は に保存されます AWS Secrets Manager。
+ [https://docs.aws.amazon.com/bedrock/latest/userguide/sharepoint-data-source-connector.html](https://docs.aws.amazon.com/bedrock/latest/userguide/sharepoint-data-source-connector.html) – コンソールまたは API を使用してSharePoint、インスタンスをナレッジベースに接続できます。このタイプのデータソースは、次の機能をサポートしています。
  + **メインドキュメントフィールドの自動検出** – メタデータフィールドは自動的に検出され、クロールされます。これらのフィールドはフィルタリングに使用できます。
  + **包含コンテンツフィルターまたは除外コンテンツフィルター** – メインページのタイトル、イベント名、ファイル名 (拡張子を含む) のプレフィックスまたは正規表現パターンを使用して、特定のコンテンツを包含または除外できます。
  + **増分同期** - コンテンツの変更は追跡され、前回の同期以降に変更されたコンテンツのみがクロールされます。
  + **OAuth 2.0 認証** – 認証情報は に保存されます AWS Secrets Manager。
+ [https://docs.aws.amazon.com/bedrock/latest/userguide/salesforce-data-source-connector.html](https://docs.aws.amazon.com/bedrock/latest/userguide/salesforce-data-source-connector.html) – コンソールまたは API を使用してSalesforce、インスタンスをナレッジベースに接続できます。このタイプのデータソースは、次の機能をサポートしています。  
  + **メインドキュメントフィールドの自動検出** – メタデータフィールドは自動的に検出され、クロールされます。これらのフィールドはフィルタリングに使用できます。
  + **包含または除外コンテンツフィルター** – プレフィックスまたは正規表現パターンを使用して、特定のコンテンツを包含または除外できます。フィルターを適用できるコンテンツタイプのリストについては、[Amazon Bedrock ドキュメント](https://docs.aws.amazon.com/bedrock/latest/userguide/salesforce-data-source-connector.html#configuration-salesforce-connector)の*「包含/除外フィルター*」を参照してください。
  + **増分同期** – コンテンツの変更は追跡され、前回の同期以降に変更されたコンテンツのみがクロールされます。
  + **OAuth 2.0 認証** – 認証情報は に保存されます AWS Secrets Manager。
+ [ウェブクローラー](https://docs.aws.amazon.com/bedrock/latest/userguide/webcrawl-data-source-connector.html) – Amazon Bedrock ウェブクローラーは、指定した URLs に接続してクロールします。次の機能がサポートされています。
  + クロールする複数の URL を選択する
  + `Allow` や などの標準の robots.txt ディレクティブを尊重する `Disallow`
  + パターンに一致する URLs を除外する
  + クローリングのレートを制限する
  + Amazon CloudWatch で、クロールされた各 URL のステータスを表示します。

Amazon Bedrock ナレッジベースに接続できるデータソースの詳細については、[「ナレッジベースのデータソースコネクタを作成する](https://docs.aws.amazon.com/bedrock/latest/userguide/data-source-connectors.html)」を参照してください。

## ナレッジベースのベクトルデータベース
<a name="rag-fully-managed-bedrock-vector-stores"></a>

ナレッジベースとデータソース間の接続を設定するときは、ベクトルストアとも呼ばれる*ベクトル*データベースを設定する必要があります。ベクトルデータベースは、Amazon Bedrock がデータを表す埋め込みを保存、更新、管理する場所です。各データソースは、さまざまなタイプのベクトルデータベースをサポートしています。データソースで使用できるベクトルデータベースを確認するには、[データソースタイプ](https://docs.aws.amazon.com/bedrock/latest/userguide/data-source-connectors.html)を参照してください。

Amazon Bedrock で Amazon OpenSearch Serverless にベクトルデータベースを自動的に作成する場合は、ナレッジベースを作成するときにこのオプションを選択できます。ただし、独自のベクトルデータベースを設定することもできます。独自のベクトルデータベースをセットアップする場合は、[ナレッジベースの独自のベクトルストアの前提条件](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup.html)を参照してください。ベクトルデータベースのタイプごとに独自の前提条件があります。

データソースタイプに応じて、Amazon Bedrock ナレッジベースは次のベクトルデータベースをサポートします。
+ [Amazon OpenSearch Serverless](https://docs.aws.amazon.com/opensearch-service/latest/developerguide/serverless-vector-search.html)
+ [Amazon Aurora PostgreSQL-Compatible Edition](https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/AuroraPostgreSQL.VectorDB.html)
+ [https://docs.pinecone.io/docs/amazon-bedrock](https://docs.pinecone.io/docs/amazon-bedrock) (Pinecone ドキュメント)
+ [https://docs.redis.com/latest/rc/cloud-integrations/aws-marketplace/aws-bedrock/](https://docs.redis.com/latest/rc/cloud-integrations/aws-marketplace/aws-bedrock/) (Redis ドキュメント)
+ [https://dochub.mongodb.org/core/amazon-bedrock](https://dochub.mongodb.org/core/amazon-bedrock) (MongoDB ドキュメント)

# Amazon Q Business
<a name="rag-fully-managed-q-business"></a>

[Amazon Q Business](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/what-is.html) は、質問への回答、概要の提供、コンテンツの生成、エンタープライズデータに基づくタスクの完了のために設定できる、フルマネージドの生成 AI を活用したアシスタントです。これにより、エンドユーザーは、引用を含むエンタープライズデータソースからアクセス許可対応のレスポンスをすぐに受け取ることができます。

## 主な特徴
<a name="rag-fully-managed-q-business-features"></a>

Amazon Q Business の以下の機能は、本番稼働グレードの RAG ベースの生成 AI アプリケーションの構築に役立ちます。
+ **組み込みコネクタ** – Amazon Q Business は、、、Adobe Experience Manager (AEM)、Jiraおよび の コネクタなどSalesforce、40 種類以上のコネクタをサポートしていますMicrosoft SharePoint。完全なリストについては、[「サポートされているコネクタ](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/connectors-list.html)」を参照してください。サポートされていないコネクタが必要な場合は、[Amazon AppFlow](https://docs.aws.amazon.com/appflow/latest/userguide/what-is-appflow.html) を使用してデータソースから Amazon Simple Storage Service (Amazon S3) にデータを取得し、Amazon Q Business を Amazon S3 バケットに接続できます。Amazon AppFlow がサポートするデータソースの完全なリストについては、[「サポートされているアプリケーション](https://docs.aws.amazon.com/appflow/latest/userguide/app-specific.html)」を参照してください。
+ **組み込みインデックス作成パイプライン** – Amazon Q Business は、ベクトルデータベース内のデータをインデックス作成するための組み込みパイプラインを提供します。 AWS Lambda 関数を使用して、インデックス作成パイプラインの前処理ロジックを追加できます。
+ **インデックスオプション** – Amazon Q Business でネイティブインデックスを作成してプロビジョニングし、Amazon Q Business リトリーバーを使用してそのインデックスからデータを取得できます。または、事前設定された Amazon Kendra インデックスをリトリーバーとして使用できます。詳細については、[「Amazon Q Business アプリケーションのリトリーバーの作成](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/select-retriever.html)」を参照してください。
+ **基盤モデル** – Amazon Q Business は、Amazon Bedrock でサポートされている基盤モデルを使用します。完全なリストについては、[「Amazon Bedrock でサポートされている基盤モデル](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html)」を参照してください。
+ **プラグイン** – Amazon Q Business は、 でチケット情報とチケット作成をまとめる自動化された方法など、プラグインを使用してターゲットシステムと統合する機能を提供しますJira。設定が完了すると、プラグインはエンドユーザーの生産性を高めるのに役立つ読み取りアクションと書き込みアクションをサポートできます。Amazon Q Business は、組み込みプラグインと[カスタム](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/custom-plugin.html)[プラグイン](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/built-in-plugin.html)の 2 種類のプラグインをサポートしています。
+ **ガードレール** – Amazon Q Business は、グローバルコントロールとトピックレベルのコントロールをサポートしています。例えば、これらのコントロールは、プロンプト内の個人を特定できる情報 (PII)、不正使用、または機密情報を検出できます。詳細については、[「Amazon Q Business の管理者コントロールとガードレール](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/guardrails.html)」を参照してください。
+ **ID 管理** – Amazon Q Business を使用すると、ユーザーとその RAG ベースの生成 AI アプリケーションへのアクセスを管理できます。詳細については、[「Amazon Q Business の Identity and Access Management](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/security-iam.html)」を参照してください。また、Amazon Q Business コネクタは、ドキュメント自体とともにドキュメントにアタッチされているアクセスコントロールリスト (ACL) 情報のインデックスを作成します。次に、Amazon Q Business はインデックスを作成する ACL 情報を Amazon Q Business User Store に保存して、ユーザーとグループのマッピングを作成し、エンドユーザーのドキュメントへのアクセスに基づいてチャットレスポンスをフィルタリングします。詳細については、[「データソースコネクタの概念](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/connector-concepts.html)」を参照してください。
+ **ドキュメントエンリッチメント** – ドキュメントエンリッチメント機能は、インデックスに取り込まれる****ドキュメントとドキュメント属性の両方と、それらがどのように取り込まれる**か**を制御するのに役立ちます。これは、次の 2 つのアプローチで実現できます。
  + **基本オペレーションの設定 **– 基本オペレーションを使用して、データからドキュメント属性を追加、更新、または削除します。たとえば、PII に関連するドキュメント属性を削除することを選択して、PII データをスクラブできます。
  + **Lambda 関数の設定 **– 事前設定された Lambda 関数を使用して、よりカスタマイズされた高度なドキュメント属性操作ロジックをデータに対して実行します。例えば、エンタープライズデータはスキャンされたイメージとして保存される場合があります。その場合、Lambda 関数を使用して、スキャンされたドキュメントで光学文字認識 (OCR) を実行し、そこからテキストを抽出できます。次に、スキャンされた各ドキュメントは、取り込み中にテキストドキュメントとして扱われます。最後に、チャット中に、Amazon Q はスキャンされたドキュメントから抽出されたテキストデータをレスポンスの生成時に考慮します。

  ソリューションを実装するときは、両方のドキュメントエンリッチメントアプローチを組み合わせることができます。基本的なオペレーションを使用してデータの最初の解析を行い、Lambda 関数を使用してより複雑なオペレーションを行うことができます。詳細については、[「Amazon Q Business でのドキュメントエンリッチメント](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/custom-document-enrichment.html)」を参照してください。
+ **統合** – Amazon Q Business アプリケーションを作成したら、 Slackや などの他のアプリケーションに統合できますMicrosoft Teams。例えば、[forAmazon Q Business 用のSlackゲートウェイをデプロイ](https://aws.amazon.com/blogs/machine-learning/deploy-a-slack-gateway-for-amazon-q-your-business-expert/)する」と[「Amazon Q Business 用のMicrosoft Teamsゲートウェイをデプロイ](https://aws.amazon.com/blogs/machine-learning/deploy-a-microsoft-teams-gateway-for-amazon-q-your-business-expert/)する」(AWS ブログ記事) を参照してください。

## エンドユーザーのカスタマイズ
<a name="rag-fully-managed-q-business-customization"></a>

Amazon Q Business は、組織のデータソースとインデックスに保存されていない可能性のあるドキュメントのアップロードをサポートしています。アップロードされたドキュメントは保存されません。これらは、ドキュメントがアップロードされる会話でのみ使用できます。Amazon Q Business は、アップロード用に特定のドキュメントタイプをサポートしています。詳細については、[「Amazon Q Business でファイルとチャットをアップロード](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/upload-chat-files.html)する」を参照してください。

Amazon Q Business には、[ドキュメント属性によるフィルタリング](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/metadata-filtering.html)機能が含まれています。管理者とエンドユーザーの両方がこの機能を使用できます。管理者は、属性を使用してエンドユーザーのチャットレスポンスをカスタマイズおよび制御できます。例えば、データソースタイプがドキュメントに関連付けられた属性である場合、チャットレスポンスが特定のデータソースからのみ生成されるように指定できます。または、選択した属性フィルターを使用して、エンドユーザーがチャットレスポンスの範囲を制限することを許可することもできます。

エンドユーザーは、より広範な [Amazon Q Business アプリケーション環境内で、軽量で専用の Amazon Q Apps](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/purpose-built-qapps.html) を作成できます。Amazon Q アプリを使用すると、マーケティングチーム専用のアプリなど、特定のドメインのタスクを自動化できます。

# Amazon SageMaker AI Canvas
<a name="rag-fully-managed-sagemaker-canvas"></a>

[Amazon SageMaker AI Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) は、コードを記述することなく、機械学習を使用して予測を生成するのに役立ちます。ML モデルを準備、構築、デプロイできるノーコードのビジュアルインターフェイスを提供し、統合された環境でend-to-endの ML ライフサイクルを合理化します。データ準備、モデル開発、バイアス検出、説明可能性、モニタリングの複雑さは、直感的なインターフェイスの背後で抽象化されます。ユーザーは、SageMaker AI Canvas でモデルを開発、運用、モニタリングするために、SageMaker AI または機械学習オペレーション (MLOps) の専門家である必要はありません。

SageMaker AI Canvas では、RAG 機能はノーコードのドキュメントクエリ機能を通じて提供されます。Amazon Kendra インデックスを基盤となるエンタープライズ検索として使用することで、SageMaker AI Canvas のチャットエクスペリエンスを強化できます。詳細については、[「ドキュメントクエリを使用してドキュメントから情報を抽出する](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-fm-chat-query.html)」を参照してください。

SageMaker AI Canvas を Amazon Kendra インデックスに接続するには、1 回限りのセットアップが必要です。ドメイン設定の一部として、クラウド管理者は SageMaker Canvas を操作するときにユーザーがクエリできる 1 つ以上の Kendra インデックスを選択できます。ドキュメントクエリ機能を有効にする方法については、[Amazon SageMaker AI Canvas の使用開始](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-getting-started.html)」を参照してください。

SageMaker AI Canvas は、Amazon Kendra と選択した基盤モデル間の基盤となる通信を管理します。SageMaker AI Canvas がサポートする基盤モデルの詳細については、[SageMaker AI Canvas の生成 AI 基盤モデル](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-fm-chat.html)」を参照してください。次の図は、クラウド管理者が SageMaker AI Canvas を Amazon Kendra インデックスに接続した後のドキュメントクエリ機能の仕組みを示しています。



![\[Amazon SageMaker AI Canvas のドキュメントクエリ機能のワークフロー。\]](http://docs.aws.amazon.com/ja_jp/prescriptive-guidance/latest/retrieval-augmented-generation-options/images/architecture-sagemaker-canvas-document-querying.png)


この図表は、次のワークフローを示しています:

1. ユーザーは SageMaker AI Canvas で新しいチャットを開始し、**クエリドキュメント**を有効にしてターゲットインデックスを選択し、質問を送信します。

1. SageMaker AI Canvas は、クエリを使用して Amazon Kendra インデックスで関連データを検索します。

1. SageMaker AI Canvas は、Amazon Kendra インデックスからデータとそのソースを取得します。

1. SageMaker AI Canvas は、Amazon Kendra インデックスから取得したコンテキストを含めるようにプロンプトを更新し、基盤モデルにプロンプトを送信します。

1. 基盤モデルは、元の質問と取得したコンテキストを使用して回答を生成します。

1. SageMaker AI Canvas は、生成された回答をユーザーに提供します。これには、レスポンスの生成に使用されたドキュメントなどのデータソースへの参照が含まれます。