[AWS]BedrockのRAGとKendra

Amazon BedrockのRAGとKendraの関係は、これらは競合するサービスではなく、強力なRAGアプリケーションを構築するために連携・補完しあう関係です。

一言で言うと、Kendraが優秀な「検索担当（Retriever）」、Bedrockが優秀な「文章生成担当（Generator）」の役割を担います。

各サービスの役割

1. Amazon Kendra：インテリジェントな「検索エンジン」

Kendraは、エンタープライズ向けの高度な検索サービスです。その主な役割は、膨大なドキュメントの中から、ユーザーの質問に最も関連性の高い箇所を**正確に見つけ出す（Retrieval）**ことです。

Kendraの主な強み：

• 豊富なコネクタ： Amazon S3だけでなく、SharePoint, Confluence, Salesforce, Webサイトなど、多様なデータソースに簡単に接続できます。
• ハイブリッド検索： 近年のAI検索で主流の「セマンティック検索（意味の類似性での検索）」と、従来の「キーワード検索」を組み合わせた高精度な検索が可能です。
• 読解力とランキング： ドキュメント全体から、質問に対する直接的な答えとなりうる箇所を賢く抽出し、関連性の高い順に並べ替える能力に長けています。

2. Amazon Bedrock：高性能な「文章生成エンジン」

Bedrockは、様々な高性能な基盤モデル（LLM）を利用できるサービスです。RAGにおける主な役割は、Kendraが見つけてきた情報を元に、自然で分かりやすい対話形式の文章を**生成する（Generation）**ことです。

Bedrockの主な強み：

• 多様なモデル選択： AnthropicのClaudeシリーズなど、最先端のLLMを要件に応じて選択できます。
• 文脈理解と要約： 複数の情報（コンテキスト）を統合し、矛盾のない一貫した文章として要約・生成する能力に優れています。
• 柔軟なプロンプト設計： ユーザーの意図に合わせて、回答のトーンや形式を細かく制御できます。

RAGにおけるKendraとBedrockの連携プロセス

Kendraを検索エンジンとして利用したRAGアプリケーションは、一般的に以下のように動作します。

1. ユーザーからの質問： ユーザーがアプリケーションに自然言語で質問します。
2. Kendraによる検索： アプリケーションは、その質問をまずKendraに送ります。
3. 関連情報の取得： Kendraはインデックス化されたデータソースを横断的に検索し、質問に最も関連するドキュメントの断片（テキスト）を複数、出典元情報と共に返します。
4. プロンプトの構築： アプリケーションは、Kendraから受け取ったテキストを「コンテキスト情報」として、ユーザーの元の質問と組み合わせ、BedrockのLLMへのプロンプトを作成します。
5. Bedrockによる回答生成： Bedrockは、そのプロンプトを受け取り、提供されたコンテキスト情報のみに基づいて、自然な対話形式の回答を生成します。
6. 最終的な回答の提示： 生成された回答と、Kendraが提供した出典元リンクをユーザーに提示します。

BedrockのネイティブRAG機能との違い

ここで重要になるのが、Bedrock自体にも「Knowledge Bases for Amazon Bedrock」というネイティブのRAG機能がある点です。この機能もKendraと同様に検索（Retrieval）の役割を担います。

どちらを検索エンジンとして使うかは、要件によって選択します。

まとめ

• KendraとBedrockは連携するパートナーです。 Kendraが最高の検索結果を見つけ、Bedrockがその結果を元に最高の文章を生成します。
• RAGの「検索」部分を担うものとして、**高度で多機能な「Kendra」**を選ぶか、**シンプルでBedrockと統合された「Knowledge Bases for Bedrock」**を選ぶか、という選択肢があります。
• 要件が複雑でデータソースが多様な場合はKendraを、S3中心で迅速に構築したい場合はKnowledge Bases for Amazon Bedrockを選択するのが一般的なアプローチです。