このバージョンはまだ開発中であり、まだ安定しているとは考えられていません。最新のスナップショットバージョンについては、Spring AI 1.1.5 を使用してください。 |
Amazon Bedrock ナレッジベース
このセクションでは、事前設定されたナレッジベースに対して類似性検索を実行するために、Amazon Bedrock ナレッジベース VectorStore を設定する手順について説明します。
Amazon Bedrock Knowledge Bases は、基盤モデルをデータソースに接続できるフルマネージド RAG（Retrieval-Augmented Generation）機能です。他のベクトルストアとは異なり、Bedrock ナレッジベースはドキュメントの取り込み、チャンク化、埋め込みを内部で処理します。
前提条件
Bedrock へのアクセスが有効になっている AWS アカウント
少なくとも 1 つのデータソースが同期された構成済みの Bedrock ナレッジベース
AWS 認証情報が設定されました (via environment variables, AWS config file, or IAM role)
このベクトルストアは読み取り専用です。ドキュメントは、 |
自動構成
Spring AI は、Bedrock ナレッジベースベクトルストアの Spring Boot 自動構成機能を提供します。これを有効にするには、プロジェクトの Maven pom.xml ファイルに次の依存関係を追加してください。
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-vector-store-bedrock-knowledgebase</artifactId>
</dependency> または、Gradle build.gradle ビルドファイルに次の内容を追加します。
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-vector-store-bedrock-knowledgebase'
}| Spring AI BOM をビルドファイルに追加するには、"依存関係管理" セクションを参照してください。 |
Unlike other vector stores, Bedrock Knowledge Base does not require an |
To connect to your Knowledge Base, provide the Knowledge Base ID via Spring Boot’s application.properties:
spring.ai.vectorstore.bedrock-knowledge-base.knowledge-base-id=YOUR_KNOWLEDGE_BASE_ID
spring.ai.vectorstore.bedrock-knowledge-base.region=us-east-1Or via environment variables:
export SPRING_AI_VECTORSTORE_BEDROCK_KNOWLEDGE_BASE_KNOWLEDGE_BASE_ID=YOUR_KNOWLEDGE_BASE_IDNow you can auto-wire the Vector Store in your application:
@Autowired VectorStore vectorStore;
// ...
// Retrieve documents similar to a query
List<Document> results = vectorStore.similaritySearch(
SearchRequest.builder()
.query("What is the return policy?")
.topK(5)
.build());プロパティの構成
You can use the following properties in your Spring Boot configuration to customize the Bedrock Knowledge Base vector store.
| プロパティ | 説明 | デフォルト値 |
|---|---|---|
| The ID of the Bedrock Knowledge Base to query | - |
| AWS region for the Bedrock service | SDK デフォルト |
| Number of results to return | 5 |
| Minimum similarity score (0.0 1.0 へ) | 0.0 |
| 検索タイプ: SEMANTIC or HYBRID | null (KB default) |
| ARN of Bedrock reranking model | null (無効) |
検索タイプ
Bedrock Knowledge Base supports two search types:
SEMANTIC- Vector similarity search only (default)HYBRID- Combines semantic search with keyword search
HYBRID search is only available with OpenSearch-based vector stores. S3 Vectors, Aurora PostgreSQL, and other vector store types only support SEMANTIC search. |
spring.ai.vectorstore.bedrock-knowledge-base.search-type=HYBRIDReranking
You can improve search relevance by enabling a Bedrock reranking model:
spring.ai.vectorstore.bedrock-knowledge-base.reranking-model-arn=arn:aws:bedrock:us-west-2::foundation-model/amazon.rerank-v1:0Available reranking models:
Amazon Rerank 1.0 - Available in us-west-2, ap-northeast-1, ca-central-1, eu-central-1
Cohere Rerank 3.5 - Requires AWS Marketplace subscription
メタデータフィルタリング
You can leverage the generic, portable metadata filters with the Bedrock Knowledge Base store.
For example, you can use the text expression language:
vectorStore.similaritySearch(
SearchRequest.builder()
.query("travel policy")
.topK(5)
.similarityThreshold(0.5)
.filterExpression("department == 'HR' && year >= 2024")
.build()); または、Filter.Expression DSL を使用してプログラム的に次のようにします。
FilterExpressionBuilder b = new FilterExpressionBuilder();
vectorStore.similaritySearch(
SearchRequest.builder()
.query("travel policy")
.topK(5)
.filterExpression(b.and(
b.eq("department", "HR"),
b.gte("year", 2024)).build())
.build());Supported Filter Operators
| Spring AI | Bedrock | 説明 |
|---|---|---|
EQ | 等しい | 次の値に等しい |
NE | notEquals | 次の値に等しくない |
GT | greaterThan | 次の値より大きい |
GTE | greaterThanOrEquals | 以上 |
LT | lessThan | 次の値より小さい |
LTE | lessThanOrEquals | 次の値以下 |
入力 | 内 | Value in list |
NIN | notIn | Value not in list |
AND | andAll | Logical AND |
OR | orAll | Logical OR |
NOT | (negation) | Logical NOT |
Metadata filtering requires documents in your Knowledge Base to have metadata attributes. For S3 data sources, create |
手動構成
If you prefer to configure the vector store manually, you can do so by creating the beans directly.
Add this dependency to your project:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bedrock-knowledgebase-store</artifactId>
</dependency>| Spring AI BOM をビルドファイルに追加するには、"依存関係管理" セクションを参照してください。 |
サンプルコード
@Bean
public BedrockAgentRuntimeClient bedrockAgentRuntimeClient() {
return BedrockAgentRuntimeClient.builder()
.region(Region.US_EAST_1)
.build();
}
@Bean
public VectorStore vectorStore(BedrockAgentRuntimeClient client) {
return BedrockKnowledgeBaseVectorStore.builder(client, "YOUR_KNOWLEDGE_BASE_ID")
.topK(10)
.similarityThreshold(0.5)
.searchType(SearchType.SEMANTIC)
.build();
}Then use the vector store:
List<Document> results = vectorStore.similaritySearch(
SearchRequest.builder()
.query("What are the company holidays?")
.topK(3)
.build());
for (Document doc : results) {
System.out.println("Content: " + doc.getText());
System.out.println("Score: " + doc.getScore());
System.out.println("Source: " + doc.getMetadata().get("source"));
}ネイティブクライアントへのアクセス
The Bedrock Knowledge Base Vector Store provides access to the underlying native client through the getNativeClient() method:
BedrockKnowledgeBaseVectorStore vectorStore = context.getBean(BedrockKnowledgeBaseVectorStore.class);
Optional<BedrockAgentRuntimeClient> nativeClient = vectorStore.getNativeClient();
if (nativeClient.isPresent()) {
BedrockAgentRuntimeClient client = nativeClient.get();
// Use the native client for Bedrock-specific operations
}制限
読み取り専用 : The
add()anddelete()methods throwUnsupportedOperationException. Documents are managed through the Knowledge Base’s data source sync process.HYBRID search : Only available with OpenSearch-based vector stores.
Reranking availability : Model availability varies by AWS region.
