[アップデート] AgentCore Memory の長期記憶で Strictly Consistent メタデータを使ってみた

uv init
uv add boto3

import boto3

control = boto3.client("bedrock-agentcore-control", region_name="us-east-1")

response = control.create_memory(
    name="support_memory_sc",
    description="Multi-department support memory with strictly consistent metadata",
    eventExpiryDuration=30,
    memoryStrategies=[
        {
            "semanticMemoryStrategy": {
                "name": "semantic_strategy",
                "namespaceTemplates": ["support/{actorId}/facts"],
                "memoryRecordSchema": {
                    "metadataSchema": [
                        {
                            "key": "department",
                            "type": "STRING",
                            "extractionType": "STRICTLY_CONSISTENT",
                        },
                        {
                            "key": "topic",
                            "type": "STRING",
                            "extractionType": "LLM_INFERRED",
                            "extractionConfig": {
                                "llmExtractionConfig": {
                                    "definition": "The support topic category discussed in the conversation",
                                    "llmExtractionInstruction": "LATEST_VALUE",
                                    "validation": {
                                        "stringValidation": {
                                            "allowedValues": [
                                                "billing",
                                                "technical",
                                                "account",
                                                "general",
                                            ]
                                        }
                                    },
                                }
                            },
                        },
                    ]
                },
            }
        }
    ],
    indexedKeys=[
        {"key": "department", "type": "STRING"},
        {"key": "topic", "type": "STRING"},
    ],
)

memory_id = response["memoryId"]
print(f"Memory ID: {memory_id}")

import boto3
from datetime import datetime, timezone

client = boto3.client("bedrock-agentcore", region_name="us-east-1")

memory_id = "YOUR_MEMORY_ID"

def create_support_event(session_id, department, messages):
    payload = []
    for role, text in messages:
        payload.append(
            {"conversational": {"role": role, "content": {"text": text}}}
        )

    response = client.create_event(
        memoryId=memory_id,
        actorId="customer-001",
        sessionId=session_id,
        eventTimestamp=datetime.now(timezone.utc),
        payload=payload,
        metadata={
            "department": {"stringValue": department},
        },
    )
    return response

# 営業部門への問い合わせ（請求関連）
create_support_event(
    session_id="session-001",
    department="sales",
    messages=[
        ("USER", "先月の請求書の金額が間違っているようです。確認してもらえますか？"),
        ("ASSISTANT", "承知しました。請求書番号をお教えいただけますか？"),
        ("USER", "INV-2026-0542 です。本来は50万円のはずが55万円になっています。"),
        ("ASSISTANT", "確認いたしました。差額の5万円は前月の未払い分が加算されたものです。"),
    ],
)

# エンジニアリング部門への問い合わせ（技術関連）
create_support_event(
    session_id="session-002",
    department="engineering",
    messages=[
        ("USER", "本番環境のAPIレスポンスが急に遅くなりました。"),
        ("ASSISTANT", "どのエンドポイントで遅延が発生していますか？"),
        ("USER", "/api/v2/reports エンドポイントで、通常200msが5秒以上かかっています。"),
        ("ASSISTANT", "データベースのコネクションプールが枯渇している可能性があります。接続数を確認してみてください。"),
    ],
)

# 営業部門への別の問い合わせ（アカウント関連）
create_support_event(
    session_id="session-003",
    department="sales",
    messages=[
        ("USER", "新しいアカウントを作成したいのですが、手順を教えてください。"),
        ("ASSISTANT", "管理画面から「新規アカウント作成」を選択し、必要事項を入力してください。承認後にメールが届きます。"),
    ],
)

print("Events created successfully!")

import boto3
import json

client = boto3.client("bedrock-agentcore", region_name="us-east-1")

memory_id = "YOUR_MEMORY_ID"

response = client.list_memory_records(
    memoryId=memory_id,
    namespace="support/customer-001/facts",
)

for record in response.get("memoryRecordSummaries", []):
    metadata = record.get("metadata", {})
    dept = metadata.get("department", {}).get("stringValue", "N/A")
    topic = metadata.get("topic", {}).get("stringValue", "N/A")
    print(f"Content: {record['content']}")
    print(f"department={dept}, topic={topic}")
    print("---")

Content: {'text': '本番環境の /api/v2/reports エンドポイントのAPIレスポンスが急に遅くなり、通常200msのところが5秒以上かかっている。'}
department=engineering, topic=technical
---
Content: {'text': '2026年5月の請求書(INV-2026-0542)の金額が50万円のはずが55万円になっており、差額の5万円は前月の未払い分が加算されたものであると説明された。'}
department=sales, topic=billing
---
Content: {'text': '請求書INV-2026-0542の本来の金額は50万円であると認識していた。'}
department=sales, topic=billing
---
Content: {'text': 'ユーザーは新しいアカウントを作成したいと考えている。'}
department=sales, topic=account
---

import boto3

client = boto3.client("bedrock-agentcore", region_name="us-east-1")

memory_id = "YOUR_MEMORY_ID"
namespace = "support/customer-001/facts"

# 営業部門のレコードのみ検索
response = client.retrieve_memory_records(
    memoryId=memory_id,
    namespace=namespace,
    searchCriteria={
        "searchQuery": "問い合わせ内容",
        "topK": 10,
        "metadataFilters": [
            {
                "left": {"metadataKey": "department"},
                "operator": "EQUALS_TO",
                "right": {"metadataValue": {"stringValue": "sales"}},
            }
        ],
    },
)

print("=== department=sales でフィルタ ===")
for record in response.get("memoryRecordSummaries", []):
    metadata = record.get("metadata", {})
    dept = metadata.get("department", {}).get("stringValue", "N/A")
    topic = metadata.get("topic", {}).get("stringValue", "N/A")
    print(f"Score: {record['score']}")
    print(f"Content: {record['content']}")
    print(f"department={dept}, topic={topic}")
    print("---")

# エンジニアリング部門のレコードのみ検索（同じ namespace を指定）
response = client.retrieve_memory_records(
    memoryId=memory_id,
    namespace=namespace,
    searchCriteria={
        "searchQuery": "問い合わせ内容",
        "topK": 10,
        "metadataFilters": [
            {
                "left": {"metadataKey": "department"},
                "operator": "EQUALS_TO",
                "right": {"metadataValue": {"stringValue": "engineering"}},
            }
        ],
    },
)

print("=== department=engineering でフィルタ ===")
for record in response.get("memoryRecordSummaries", []):
    metadata = record.get("metadata", {})
    dept = metadata.get("department", {}).get("stringValue", "N/A")
    topic = metadata.get("topic", {}).get("stringValue", "N/A")
    print(f"Score: {record['score']}")
    print(f"Content: {record['content']}")
    print(f"department={dept}, topic={topic}")
    print("---")

=== department=sales でフィルタ ===
Score: 0.3785945
Content: {'text': '請求書INV-2026-0542の本来の金額は50万円であると認識していた。'}
department=sales, topic=billing

Score: 0.3695521
Content: {'text': '2026年5月の請求書(INV-2026-0542)の金額が50万円のはずが55万円になっており、差額の5万円は前月の未払い分が加算されたものであると説明された。'}
department=sales, topic=billing

Score: 0.36409447
Content: {'text': 'ユーザーは新しいアカウントを作成したいと考えている。'}
department=sales, topic=account

=== department=engineering でフィルタ ===
Score: 0.35761523
Content: {'text': '本番環境の /api/v2/reports エンドポイントのAPIレスポンスが急に遅くなり、通常200msのところが5秒以上かかっている。'}
department=engineering, topic=technical

import boto3
import json

client = boto3.client("bedrock-agentcore", region_name="us-east-1")

memory_id = "YOUR_MEMORY_ID"

# 営業部門 かつ billing トピックのレコードを検索
response = client.retrieve_memory_records(
    memoryId=memory_id,
    namespace="support/customer-001/facts",
    searchCriteria={
        "searchQuery": "問い合わせ内容",
        "topK": 10,
        "metadataFilters": [
            {
                "left": {"metadataKey": "department"},
                "operator": "EQUALS_TO",
                "right": {"metadataValue": {"stringValue": "sales"}},
            },
            {
                "left": {"metadataKey": "topic"},
                "operator": "EQUALS_TO",
                "right": {"metadataValue": {"stringValue": "billing"}},
            },
        ],
    },
)

print("=== 営業部門 × billing トピック ===")
for record in response.get("memoryRecordSummaries", []):
    print(f"Content: {record['content']}")
    print(f"Metadata: {json.dumps(record.get('metadata', {}), ensure_ascii=False)}")
    print("---")

  {
      "key": "department",
      "type": "STRING",
-     "extractionConfig": {
-         "llmExtractionConfig": {
-             "definition": "The department this conversation belongs to",
-             "llmExtractionInstruction": "LATEST_VALUE",
-             "validation": {
-                 "stringValidation": {
-                     "allowedValues": ["sales", "engineering", "hr", "unknown"]
-                 }
-             },
-         }
-     },
+     "extractionType": "STRICTLY_CONSISTENT",
  },