Amazon Bedrock Managed Knowledge Base を触ってみた

uv run scripts/01_setup.py

response = client.create_knowledge_base(
    name='managed-kb-blog-test',
    description='Managed Knowledge Base verification',
    roleArn=ROLE_ARN,
    knowledgeBaseConfiguration={
        'type': 'MANAGED',
        'managedKnowledgeBaseConfiguration': {
            'embeddingModelType': 'MANAGED'
        }
    }
)

import os

s3 = boto3.client('s3', region_name='us-east-1')
for fname in os.listdir('test-data'):
    s3.upload_file(f'test-data/{fname}', BUCKET_NAME, f'documents/{fname}')

client.start_ingestion_job(knowledgeBaseId=KB_ID, dataSourceId=DS_ID)

Status: COMPLETE
{
  "numberOfDocumentsScanned": 9,
  "numberOfNewDocumentsIndexed": 9,
  "numberOfDocumentsFailed": 0
}

uv run scripts/02_retrieve.py

runtime = boto3.client('bedrock-agent-runtime', region_name='us-east-1')

response = runtime.retrieve(
    knowledgeBaseId=KB_ID,
    retrievalQuery={'text': 'Managed Knowledge Bases の料金体系と Self-managed との比較'}
)

for r in response['retrievalResults']:
    score = r['score']
    text = r['content']['text'][:100]
    print(f"score={score:.4f} | {text}")

score=0.5596 | = $60/月 - Self-managed (OpenSearch): $700+ (OCU) + モデル費用 = $700+/月 → 小〜中規模では Managed Knowledge Bases が圧倒的にコスト効率が良い
score=0.4925 | - 埋め込み生成(マネージドモデル): 無料 - Standard Retrieval: $1.00 / 1,000 API コール...
score=0.2991 | Self-managed Knowledge Base: - ベクトルストアを自分で管理 (OpenSearch, Aurora, Pinecone等)...

def retrieve_with_reranking(query, reranking_type):
    return runtime.retrieve(
        knowledgeBaseId=KB_ID,
        retrievalQuery={'text': query},
        retrievalConfiguration={
            'managedSearchConfiguration': {
                'numberOfResults': 5,
                'rerankingModelType': reranking_type  # 'MANAGED' or 'NONE'
            }
        }
    )

score=0.5596 | pricing-comparison.md | コスト比較シナリオ...
score=0.4925 | pricing-comparison.md | Managed Knowledge Base 料金...
score=0.2991 | bedrock-details.txt  | Self-managed Knowledge Base...
score=0.2302 | pricing-comparison.md | Bedrock モデル料金...
score=0.2079 | bedrock-details.txt  | Managed Knowledge Base (新機能)...

score=1.0000 | pricing-comparison.md | コスト比較シナリオ...
score=0.9253 | pricing-comparison.md | Managed Knowledge Base 料金...
score=0.9040 | bedrock-details.txt  | Self-managed Knowledge Base...
score=0.8145 | bedrock-details.txt  | Managed Knowledge Base (新機能)...
score=0.7660 | pricing-comparison.md | Bedrock モデル料金...

queries = [
    'Karpenter',
    'provided.al2023',
    'サーバーを管理せずにコードを実行する方法',
    'データの暗号化と鍵の管理',
]

for q in queries:
    resp = runtime.retrieve(
        knowledgeBaseId=KB_ID,
        retrievalQuery={'text': q},
        retrievalConfiguration={
            'managedSearchConfiguration': {'numberOfResults': 3, 'rerankingModelType': 'MANAGED'}
        }
    )
    top = resp['retrievalResults'][0]
    doc = top.get('documentId', '').split('/')[-1]
    print(f"Q: {q}\n→ score={top['score']:.4f} | {doc} | {top['content']['text'][:80]}...\n")

Q: "Karpenter"
→ score=0.8714 | ecs-vs-eks.docx (EKS の Auto Scaling 比較テーブルにヒット)

Q: "provided.al2023"
→ score=0.8177 | lambda-guide.pdf (Lambda カスタムランタイムの記述にヒット)

Q: "サーバーを管理せずにコードを実行する方法"
→ score=0.6277 | lambda-guide.pdf ("serverless compute service that runs code in response to events")

Q: "データの暗号化と鍵の管理"
→ score=0.6663 | aws-overview.txt ("AWS KMS: 暗号化キー管理サービス")

{
    "metadataAttributes": {
        "category": {
            "value": {"type": "STRING", "stringValue": "overview"}
        },
        "year": {
            "value": {"type": "NUMBER", "numberValue": 2026}
        },
        "language": {
            "value": {"type": "STRING", "stringValue": "ja"}
        }
    }
}

uv run scripts/02c_metadata_filter.py

resp = runtime.retrieve(
    knowledgeBaseId=KB_ID,
    retrievalQuery={'text': 'AWS のサービス料金'},
    retrievalConfiguration={
        'managedSearchConfiguration': {
            'numberOfResults': 5,
            'rerankingModelType': 'MANAGED',
            'filter': {
                'equals': {'key': 'category', 'value': 'pricing'}
            }
        }
    }
)

Q: AWS のサービス料金
フィルタ: category = "pricing"

A[1] score=0.4096 | aws-services.csv    (category=pricing, year=2026, language=ja)
A[2] score=0.3599 | pricing-comparison.md (category=pricing, year=2026, language=ja)

Q: AWS のアーキテクチャ
フィルタ: category in ["compute", "architecture"]

A[1] score=0.4959 | well-architected.html (category=architecture, year=2024)
A[2] score=0.4775 | well-architected.html (category=architecture, year=2024)
A[3] score=0.3283 | lambda-guide.pdf      (category=compute, year=2025)

Q: AWS のサービス概要
フィルタ: year > 2025

A[1] score=0.6490 | aws-overview.txt (year=2026)
A[2] score=0.5643 | aws-overview.txt (year=2026)
A[3] score=0.5535 | aws-overview.txt (year=2026)

Q: AI サービス
フィルタ: category = "ai" AND year = 2026

A[1] score=0.5385 | bedrock-details.txt    (category=ai, year=2026)
A[2] score=0.5013 | agentcore-guide.txt    (category=ai, year=2026)
A[3] score=0.2267 | bedrock-managed-kb.pptx (category=ai, year=2026)

Q: AWS
フィルタ: category startsWith "ai"

エラー: STARTS_WITH operation type is not supported for managed store.

resp = runtime.retrieve(
    knowledgeBaseId=KB_ID,
    retrievalQuery={'text': 'Well-Architected Framework のセキュリティの柱はどんな説明ですか？'},
    retrievalConfiguration={
        'managedSearchConfiguration': {'numberOfResults': 3, 'rerankingModelType': 'MANAGED'}
    }
)

Q: Well-Architected Framework のセキュリティの柱はどんな説明ですか？

score=0.7543 | well-architected.html
→ "柱 説明 運用の優秀性 ワークロードの効果的な運用と継続的改善 セキュリティ データ・システム・資産の保護..."

Q: Amazon OpenSearch Serverless の月額最低料金はいくらですか？

score=0.6167 | aws-services.csv
→ "Amazon OpenSearch Serverless,分析,700,ベクトル検索対応"

Q: Claude Haiku 4.5 の入力トークンの料金は？

score=0.8636 | pricing-comparison.md
→ "| Claude Haiku 4.5 | $0.0008 | $0.004 |"

Q: Lambda のコールドスタート対策にはどんな方法がありますか？

[1] score=0.8173 | lambda-guide.pdf
→ "Best Practices 1. Single Responsibility: One function, one task. 2. Externalize config via
   environment variables... 5. Mitigate cold starts with SnapStart (Java) or Provisioned Concurrency."

[2] score=0.6373 | lambda-guide.pdf
→ "Serverless Architecture Pattern Lambda DynamoDB Function A API CloudWatch Gateway Logs + Metrics
   Lambda S3 Bucket Function B Supported Runtimes Python 3.12/3.13..."

[3] score=0.4782 | lambda-guide.pdf
→ "The diagram shows a complete event-driven workflow with the following components and flow:
   Entry Point: The API Gateway (orange, left side) serves as the entry point..."

Q: Managed Knowledge Bases のアーキテクチャはどうなっていますか？

[1] score=0.7059 | bedrock-managed-kb.pptx
→ "Managed Knowledge Base Architecture Smart Parsing | Managed Embedding Managed Reranker
   Retrieve API S3 Managed Documents Knowledge Application Base Agentic Retrieve Stream
   S3 documents are ingested via Smart Parsing..."

[2] score=0.6503 | bedrock-managed-kb.pptx
→ "Processing Layer: The central component is the Managed Knowledge Base, which processes
   incoming documents from S3. This component incorporates three key managed services..."

[3] score=0.6293 | bedrock-managed-kb.pptx
→ "S3 Documents flows into the Managed Knowledge Base (solid arrow pointing right)
   Managed Knowledge Base connects to two retrieval mechanisms:
   Upper path: Managed Knowledge Base → Retrieve API..."

Q: ECS と EKS のコントロールプレーンのコストの違いを教えてください

score=0.8937 | ecs-vs-eks.docx
→ "Amazon ECS vs EKS Comparison Guide This document compares Amazon ECS (Elastic Container Service)
   and Amazon EKS (Elastic Kubernetes Service)... Pricing: $0.10/hour per cluster ($72/month)..."

Q: マルチクラウド対応が必要な場合、ECS と EKS どちらを選ぶべきですか？

score=0.9021 | ecs-vs-eks.docx
→ "EKS runs standard Kubernetes on AWS. It is compatible with the Kubernetes ecosystem
   (Helm, kubectl, ArgoCD)... Best for teams with existing Kubernetes expertise or multi-cloud requirements."

uv run scripts/02b_large_doc.py /path/to/agentcore-matome.pdf

Q: Amazon Bedrock AgentCore とは何ですか？どんな機能がありますか？

[1] score=0.6307 | agentcore-matome.pdf
→ "Amazon Bedrock AgentCore とは
   ● AIエージェントのホスティング
     ○ Strands Agents、LangGraphなど多様なエージェントフレームワークに対応
   ● 便利なマネージドサービス
     ○ AIエージェントを使用する上で認証・ツール連携など便利な機能がマネージドサービスとして提供（Id..."

[2] score=0.5772 | agentcore-matome.pdf
→ "Amazon Bedrock AgentCoreが持つ機能群
   ● Runtime：AIエージェントの実行環境
   ● Identity：認証機能
   ● Gateway：MCPツールの集約機能、外部サービスのMCPツール化機能
   ● Memory：記憶機能
   ● Observability：AIエージェントの挙動を可視化
   ● Evaluations：AIエージェントの評価機能（Preview）"

Q: AI エージェントの自律性と知性について教えてください

[1] score=0.8248 | agentcore-matome.pdf
→ "自律性により、エージェントは人間の指示を待たずに目標に向かって自ら動き続けることを可能にし、
   知性により、複雑な状況を理解し、推論し、最適な判断を下すことを可能とします。"

Q: AgentCore Runtime はどういう仕組みですか？

[1] score=0.4525 | agentcore-matome.pdf
→ "Runtime（HTTP）の要件
   項目        要件              備考
   ホスト      0.0.0.0
   ポート      8080             固定
   必須EP     POST /invocations  処理のエントリーポイント
   必須EP     GET /ping         ヘルスチェック用"

uv run scripts/03_get_document_content.py

result = retrieve_response['retrievalResults'][0]

# RAW: 元のファイル（PDF, DOCX 等）をそのまま取得
doc_raw = runtime.get_document_content(
    knowledgeBaseId=KB_ID,
    dataSourceId=result['metadata']['_data_source_id'],
    documentId=result['documentId'],
    outputFormat='RAW'
)

# EXTRACTED: Smart Parsing でパースされた後のテキストを JSON で取得
doc_extracted = runtime.get_document_content(
    knowledgeBaseId=KB_ID,
    dataSourceId=result['metadata']['_data_source_id'],
    documentId=result['documentId'],
    outputFormat='EXTRACTED'
)

# presigned URL でダウンロード（有効期限 5分）
import requests
download = requests.get(doc_raw['presignedUrl'])

# AgenticRetrieveStream の結果から GetDocumentContent を呼ぶ
for result in agentic_results:
    meta = result['metadata']
    doc = runtime.get_document_content(
        knowledgeBaseId=KB_ID,
        dataSourceId=meta['_data_source_id'],
        documentId=meta['_document_id'],  # s3://bucket/key 形式
        outputFormat='RAW',
    )
    print(doc['presignedUrl'])

uv run scripts/06_acl.py

[
    {
        "keyPrefix": "s3://my-bucket/engineering/",
        "aclEntries": [
            {"Name": "engineer@example.com", "Type": "USER", "Access": "ALLOW"}
        ]
    },
    {
        "keyPrefix": "s3://my-bucket/sales/",
        "aclEntries": [
            {"Name": "sales@example.com", "Type": "USER", "Access": "ALLOW"}
        ]
    }
]

query = '社内の価格表や API 設計ガイドについて教えてください'

for user, label in [
    ('engineer@example.com', 'エンジニア'),
    ('sales@example.com', '営業'),
    ('admin@example.com', '管理者'),
    ('nobody@example.com', '権限なし'),
]:
    resp = runtime.retrieve(
        knowledgeBaseId=KB_ID,
        retrievalQuery={'text': query},
        retrievalConfiguration={
            'managedSearchConfiguration': {'numberOfResults': 5, 'rerankingModelType': 'MANAGED'}
        },
        userContext={'userId': user},
    )
    acl_results = [r for r in resp.get('retrievalResults', []) if 'acl-docs' in r.get('documentId', '')]
    sources = sorted({r.get('documentId', '').split('/')[-1] for r in acl_results})
    print(f"[{label}] {user} → {sources if sources else 'ヒットなし'}")

Q: 社内の価格表や API 設計ガイドについて教えてください

[エンジニア] engineer@example.com → api-internal.txt のみヒット
[営業]       sales@example.com    → pricing-internal.txt のみヒット
[管理者]     admin@example.com    → 両方ヒット
[権限なし]   nobody@example.com   → ヒットなし

'deletionProtectionConfiguration': {
    'deletionProtectionStatus': 'ENABLED',  # ENABLED or DISABLED
    'deletionProtectionThreshold': 15       # 削除許容割合（0-100%、デフォルト15）
}

ValidationException: This operation is not supported for managed knowledge bases.

runtime = boto3.client('bedrock-agent-runtime', region_name='us-east-1')

response = runtime.agentic_retrieve_stream(
    messages=[
        {
            'content': {'text': 'Managed Knowledge Bases の料金体系を教えてください'},
            'role': 'user'
        }
    ],
    retrievers=[
        {
            'description': 'AWS and Bedrock knowledge base',
            'configuration': {
                'knowledgeBase': {
                    'knowledgeBaseId': KB_ID
                }
            }
        }
    ],
    agenticRetrieveConfiguration={
        'foundationModelType': 'MANAGED',
        'rerankingModelType': 'MANAGED'
    },
    generateResponse=True
)

for event in response['stream']:
    if 'traceEvent' in event:
        attrs = event['traceEvent']['attributes']
        print(f"[{attrs['step']}] {attrs['status']}")
    elif 'responseEvent' in event:
        print(event['responseEvent']['text'], end='')
    elif 'result' in event:
        print(f"\nResults: {len(event['result']['results'])} chunks")

agenticRetrieveConfiguration={
    'foundationModelType': 'CUSTOM',
    'foundationModelConfiguration': {
        'type': 'BEDROCK_FOUNDATION_MODEL',
        'bedrockFoundationModelConfiguration': {
            'modelConfiguration': {
                'modelArn': 'arn:aws:bedrock:us-east-1::foundation-model/us.anthropic.claude-sonnet-4-5-20250929-v1:0'
            }
        }
    },
    'rerankingModelType': 'MANAGED'
}

uv run scripts/04_agentic_retrieve.py

[投機的検索] クエリでまず先行検索...
[投機的検索] 3 チャンク取得 → bedrock-details.txt, pricing-comparison.md
[計画] 追加検索不要 → 回答生成へ

## Managed Knowledge Base の料金体系

- **インデックスストレージ**: $5.00/GB（生データ）/月
- **Standard Retrieval**: $1.00/1,000 API コール
- **Agentic Retrieval**: $4.00/1,000 Agentic API コール + $1.00/1,000 Retrieve コール
- **マルチモーダルパース / 埋め込み生成 / リランキング**: 無料

## コスト比較シナリオ

10GB のドキュメント、月間 10,000 検索の場合：
- Managed KB: $50（ストレージ）+ $10（検索）= **$60/月**
- Self-managed（OpenSearch）: $700+（OCU）+ モデル費用 = **$700+/月**

小〜中規模では Managed KB が圧倒的にコスト効率が良いです。

引用一覧:
- pricing-comparison.md
- bedrock-details.txt
- bedrock-managed-kb.pptx

uv run scripts/05_multi_kb_agentic.py

[投機的検索] クエリでまず先行検索...
[投機的検索] 2 チャンク取得 → bedrock-managed-kb.pptx, security-best-practices.txt
[計画] 追加検索 4 件:
  → "Amazon Bedrock Managed Knowledge Base 料金 pricing cost" → 一般ドキュメント
  → "Bedrock Knowledge Base セキュリティ 暗号化 encryption" → 一般ドキュメント
  → "IAM セキュリティベストプラクティス 最小権限 暗号化" → セキュリティ
  → "金融業界 コンプライアンス 監査 CloudTrail" → セキュリティ
[検索完了] 一般ドキュメント: bedrock-details.txt, bedrock-managed-kb.pptx, pricing-comparison.md (10 チャンク)
[検索完了] 一般ドキュメント: aws-overview.txt, aws-services.csv, bedrock-details.txt, bedrock-managed-kb.pptx (10 チャンク)
[検索完了] セキュリティ: compliance-frameworks.txt, security-best-practices.txt (2 チャンク)
[検索完了] セキュリティ: security-best-practices.txt (1 チャンク)
[計画] 追加検索 2 件:
  → "FISC 金融情報システムセンター 安全対策基準" → セキュリティ
  → "Bedrock IAM ポリシー アクセス制御 権限" → 一般ドキュメント
[検索完了] セキュリティ: compliance-frameworks.txt, security-best-practices.txt (2 チャンク)
[検索完了] 一般ドキュメント: agentcore-guide.txt, aws-overview.txt, bedrock-details.txt, bedrock-managed-kb.pptx (10 チャンク)
[計画] 追加検索不要 → 回答生成へ

## Managed Knowledge Base の料金体系

- **インデックスストレージ**: $5.00/GB（生データ）/月
- **Standard Retrieval**: $1.00/1,000 API コール
- **Agentic Retrieval**: $4.00/1,000 Agentic API コール + $1.00/1,000 Retrieve コール
- **マルチモーダルパース / 埋め込み生成 / リランキング**: 無料

## セキュリティのベストプラクティス

### 1. 暗号化
- S3: デフォルト暗号化を有効化、EBS/RDS: AWS KMS で暗号化
- 転送時: TLS 1.2 以上を使用

### 2. IAM（アクセス制御）
- 最小権限の原則: すべての IAM ポリシーは必要最小限の権限のみを付与する

### 3. 監査とログ管理
- CloudTrail: 全リージョンで有効化し、API コールの監査ログを記録
- GuardDuty: 脅威自動検出

## 金融業界でのコンプライアンス対応

- **FISC 安全対策基準**: AWS は対応リファレンスを公開
- **PCI DSS**: AWS は Level 1 認定を取得
- **ISMAP**: AWS は登録済み

引用一覧:
  [一般ドキュメント] bedrock-managed-kb.pptx, pricing-comparison.md, bedrock-details.txt, aws-overview.txt, aws-services.csv
  [セキュリティ] security-best-practices.txt, compliance-frameworks.txt

チャンク数: 一般ドキュメント: 45, セキュリティ: 7

uv run scripts/99_cleanup.py