Amazon Bedrock Knowledge Base MCP Server

Instructions

    サポートされている埋め込みモデル:
    - Amazon Titan Embeddings G1 - Text:
      "arn:aws:bedrock:REGION::foundation-model/amazon.titan-embed-text-v1"
      （ベクトル次元数: 1536、タイプ: Floating-point）
    
    - Amazon Titan Text Embeddings V2:
      "arn:aws:bedrock:REGION::foundation-model/amazon.titan-embed-text-v2:0"
      （ベクトル次元数: 256, 512, 1024、タイプ: Floating-point, binary）
    
    - Cohere Embed Multilingual:
      "arn:aws:bedrock:REGION::foundation-model/cohere.embed-multilingual-v3"
      （ベクトル次元数: 1024、タイプ: Floating-point, binary）
    
    - Amazon Nova Multimodal Embeddings v1:
      "arn:aws:bedrock:REGION::foundation-model/amazon.nova-2-multimodal-embeddings-v1:0"
      （ベクトル次元数: 1024、タイプ: Floating-point）
      （マルチモーダル対応: テキスト、画像、動画、音声を処理可能）
      注意: マルチモーダルコンテンツを処理する場合は、supplementalDataStorageConfiguration
      でマルチモーダルストレージ先を指定する必要があります
    
    例: "arn:aws:bedrock:us-east-1::foundation-model/amazon.titan-embed-text-v1"
    注意: リージョンは実際に使用するリージョンに置き換えてください

パーシング設定（オプション）:
parsing_strategy: パーシング戦略
    - 'BEDROCK_FOUNDATION_MODEL': Foundation Modelを使用したパーシング
      （マルチモーダルデータ（画像、表、グラフなど）を処理可能、プロンプトカスタマイズ可能）
    - 'BEDROCK_DATA_AUTOMATION': Bedrock Data Automationを使用したパーシング
      （マルチモーダルデータを処理可能、完全マネージド、追加プロンプト不要）
    注意: 指定しない場合はデフォルトパーサーが使用されます（テキストのみ、無料）
parsing_model_arn: Foundation ModelのARN（parsing_strategy='BEDROCK_FOUNDATION_MODEL'の場合必須）
    例: "arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-3-sonnet-20240229-v1:0"
    サポートされているモデル: Claude 3 Sonnet, Claude 3 Opus, Claude 3 Haikuなど
parsing_modality: マルチモーダル設定
    - 'MULTIMODAL': テキストと画像の両方を処理（オプション）
parsing_prompt_text: パーシングプロンプトのテキスト（オプション）
    Foundation Modelにドキュメントの解釈方法を指示するテキスト
    例: "Extract all text, tables, and figures from this document."

チャンキング設定（オプション）:
chunking_strategy: チャンキング戦略
    - 'FIXED_SIZE': 固定サイズのチャンクに分割（推奨: max_tokens=1000, overlap_percentage=20）
    - 'HIERARCHICAL': 階層的なチャンクに分割（大きなチャンクと小さなチャンクの2層）
    - 'SEMANTIC': セマンティックなチャンクに分割（NLPを使用して類似コンテンツでグループ化）
    - 'NONE': チャンクに分割しない（各ファイルが1つのチャンクとして扱われる）
    注意: 指定しない場合はデフォルトのチャンキングが使用されます
chunking_max_tokens: 最大トークン数（chunking_strategy='FIXED_SIZE'または'SEMANTIC'の場合に使用）
    - FIXED_SIZE: 1以上（推奨: 500-2000）
    - SEMANTIC: 1以上（推奨: 1000-3000）
chunking_overlap_percentage: オーバーラップ率（chunking_strategy='FIXED_SIZE'の場合に使用）
    範囲: 1-99（推奨: 10-30）
    隣接するチャンク間で重複するトークンの割合
chunking_overlap_tokens: オーバーラップトークン数（chunking_strategy='HIERARCHICAL'の場合に使用）
    階層チャンキングで使用する重複トークン数
chunking_buffer_size: バッファサイズ（chunking_strategy='SEMANTIC'の場合に使用）
    範囲: 0-1（推奨: 1）
    文を比較する際の移動コンテキストウィンドウのサイズ
chunking_breakpoint_threshold: ブレークポイントのパーセンタイル閾値（chunking_strategy='SEMANTIC'の場合に使用）
    範囲: 50-99（推奨: 80-95）
    チャンクを分割するための類似度閾値（低いほど多くのチャンクが作成される）

# S3 Vectorsを使用したKnowledge Baseの作成
create_knowledge_base(
    name="Vector KB",
    description="Vector search enabled KB",
    role_arn="role/BedrockKBRole",  # アカウントIDなし形式も使用可能（自動補完）
    storage_type="S3_VECTORS",
    bucket_arn="s3://vector-bucket",  # S3 URI形式も使用可能
    embedding_model_arn="arn:aws:bedrock:us-east-1::foundation-model/amazon.titan-embed-text-v1"
)

# カスタムパーシングとチャンキング設定を使用
create_knowledge_base(
    name="Custom KB",
    description="KB with custom parsing and chunking",
    role_arn="arn:aws:iam::123456789012:role/BedrockKBRole",
    storage_type="S3",
    bucket_arn="arn:aws:s3:::my-bucket",
    parsing_strategy="BEDROCK_FOUNDATION_MODEL",
    parsing_model_arn="arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-3-sonnet-20240229-v1:0",
    parsing_modality="MULTIMODAL",
    chunking_strategy="FIXED_SIZE",
    chunking_max_tokens=1000,
    chunking_overlap_percentage=20
)

# Amazon Nova Multimodal Embeddings v1を使用したマルチモーダルKnowledge Base
create_knowledge_base(
    name="Multimodal KB",
    description="KB with Nova Multimodal Embeddings",
    role_arn="arn:aws:iam::123456789012:role/BedrockKBRole",
    storage_type="S3_VECTORS",
    bucket_arn="arn:aws:s3:::vector-bucket",
    embedding_model_arn="arn:aws:bedrock:us-east-1::foundation-model/amazon.nova-2-multimodal-embeddings-v1:0",
    multimodal_storage_s3_uri="s3://multimodal-storage-bucket/"
)

Implementation Reference

• src/bedrock_kb_mcp_server/bedrock_client.py:108-192 (handler)

  The actual implementation of the create_knowledge_base tool, which interfaces with the AWS Bedrock Agent API.

  def create_knowledge_base(
      self,
      name: str,
      description: str,
      role_arn: str,
      storage_configuration: Dict[str, Any],
      knowledge_base_configuration: Optional[Dict[str, Any]] = None,
      vector_ingestion_configuration: Optional[Dict[str, Any]] = None,
  ) -> KnowledgeBaseResponseDict:
      """
      新しいKnowledge Baseを作成します。
      
      Args:
          name: Knowledge Baseの名前
          description: Knowledge Baseの説明
          role_arn: Knowledge Baseが使用するIAMロールのARN
          storage_configuration: ストレージ設定の辞書
              - type: ストレージタイプ（"S3" または "S3_VECTORS"）
              - s3Configuration (S3の場合): S3設定
                  - bucketArn: S3バケットARN
              - s3VectorsConfiguration (S3_VECTORSの場合): S3 Vectors設定
                  - vectorBucketArn: ベクトルを保存するS3バケットのARN
                  - indexName (オプション): ベクトルインデックスの名前
                  - indexArn (オプション): ベクトルインデックスのARN
          knowledge_base_configuration: Knowledge Base設定の辞書（S3_VECTORSの場合必須）
              - type: "VECTOR"を指定
              - vectorKnowledgeBaseConfiguration: ベクトル設定
                  - embeddingModelArn: 埋め込みモデルのARN
          vector_ingestion_configuration: ベクトル取り込み設定の辞書（オプション）
              - parsingConfiguration: パーシング設定（オプション）
              - chunkingConfiguration: チャンキング設定（オプション）
      
      Returns:
          KnowledgeBaseResponseDict: Knowledge Baseの作成結果
              - knowledge_base_id: 作成されたKnowledge BaseのID
              - status: Knowledge Baseのステータス
              - arn: Knowledge BaseのARN（オプション）
      
      Raises:
          ClientError: AWS API呼び出しが失敗した場合
      """
      try:
          # API呼び出しパラメータを構築
          # boto3のcreate_knowledge_baseメソッドに渡すパラメータを辞書形式で構築します
          api_params = {
              "name": name,  # Knowledge Baseの名前
              "description": description,  # Knowledge Baseの説明
              "roleArn": role_arn,  # IAMロールのARN（Knowledge BaseがAWSサービスにアクセスするために使用）
              "storageConfiguration": storage_configuration,  # ストレージ設定（S3またはS3_VECTORS）
          }
          
          # Knowledge Base設定が指定されている場合は追加
          # S3_VECTORSタイプの場合、knowledgeBaseConfigurationが必須です
          # この設定には、埋め込みモデルのARNが含まれます
          if knowledge_base_configuration:
              api_params["knowledgeBaseConfiguration"] = knowledge_base_configuration
          
          # ベクトル取り込み設定が指定されている場合は追加
          # パーシング設定やチャンキング設定を含むことができます
          if vector_ingestion_configuration:
              api_params["vectorIngestionConfiguration"] = vector_ingestion_configuration
          
          # AWS Bedrock APIを呼び出してKnowledge Baseを作成
          # このAPI呼び出しは非同期で実行され、Knowledge Baseの作成が開始されます
          # 作成が完了するまでには時間がかかる場合があります（ステータスで確認可能）
          response = self.bedrock_agent.create_knowledge_base(**api_params)
          
          # 作成成功をログに記録
          # Knowledge BaseのIDをログに記録します（機密情報は自動的にマスクされます）
          logger.info(f"Created knowledge base: {response['knowledgeBaseId']}")
          
          # レスポンスを整形して返す
          # AWS APIのレスポンスから必要な情報を抽出し、統一された形式で返します
          # knowledgeBaseArnはオプションのため、存在しない場合は空文字列を返します
          return {
              "knowledge_base_id": response["knowledgeBaseId"],  # 作成されたKnowledge BaseのID
              "status": response["knowledgeBaseStatus"],  # Knowledge Baseのステータス（通常は"CREATING"）
              "arn": response.get("knowledgeBaseArn", ""),  # Knowledge BaseのARN（オプション）
          }
      except ClientError as e:
          # エラーをログに記録して再発生
          # AWS API呼び出しでエラーが発生した場合、エラー情報をログに記録し、
          # エラーハンドリングデコレータ（handle_errors）が適切に処理できるように再発生させます
          logger.error(f"Error creating knowledge base: {e}")
          raise

• src/bedrock_kb_mcp_server/main.py:108-226 (handler)

  The MCP tool handler function in main.py, which serves as the entry point for the "create_knowledge_base" tool request. It prepares arguments and calls the BedrockClient implementation.

  def create_knowledge_base(
      name: str,
      description: str,
      role_arn: str,
      storage_type: str = "S3",
      bucket_arn: str = "",
      embedding_model_arn: str = "",
      region: str = "us-east-1",
      # パーシング設定（オプション）
      parsing_strategy: str = "",
      parsing_model_arn: str = "",
      parsing_modality: str = "",
      parsing_prompt_text: str = "",
      # チャンキング設定（オプション）
      chunking_strategy: str = "",
      chunking_max_tokens: int = 0,
      chunking_overlap_percentage: int = 0,
      chunking_overlap_tokens: int = 0,
      chunking_buffer_size: int = 0,
      chunking_breakpoint_threshold: int = 0,
      # マルチモーダルストレージ設定（オプション）
      multimodal_storage_s3_uri: str = "",
  ) -> KnowledgeBaseResponseDict:
      """
      新しいAmazon Bedrock Knowledge Baseを作成します。
      
      Args:
          name: Knowledge Baseの名前（1-100文字）
          description: Knowledge Baseの説明（1文字以上）
          role_arn: Knowledge Baseが使用するIAMロールのARN
              - 完全な形式: "arn:aws:iam::ACCOUNT_ID:role/ROLE_NAME"
              - アカウントIDなし: "arn:aws:iam::role/ROLE_NAME" または "role/ROLE_NAME"（自動補完）
          storage_type: ストレージタイプ
              - 'S3': 標準的なS3ストレージ（デフォルト）
              - 'S3_VECTORS': S3 Vectorsを使用したベクトル検索対応ストレージ
          bucket_arn: ドキュメントを保存するS3バケットのARNまたはS3 URI
              - ARN形式: "arn:aws:s3:::BUCKET_NAME"
              - URI形式: "s3://BUCKET_NAME" または "s3://BUCKET_NAME/path"
              S3_VECTORSの場合はベクトルバケットARNまたはURIを指定
          region: Knowledge Baseを作成する先のリージョン（デフォルト: "us-east-1"）
              例: "us-east-1", "ap-northeast-1"
              注意: Knowledge Baseのリージョンは作成時に決定され、後から変更できません
          embedding_model_arn: 埋め込みモデルのARN（S3_VECTORSタイプの場合必須）
              形式: "arn:aws:bedrock:REGION::foundation-model/MODEL_ID"
              
              サポートされている埋め込みモデル:
              - Amazon Titan Embeddings G1 - Text:
                "arn:aws:bedrock:REGION::foundation-model/amazon.titan-embed-text-v1"
                （ベクトル次元数: 1536、タイプ: Floating-point）
              
              - Amazon Titan Text Embeddings V2:
                "arn:aws:bedrock:REGION::foundation-model/amazon.titan-embed-text-v2:0"
                （ベクトル次元数: 256, 512, 1024、タイプ: Floating-point, binary）
              
              - Cohere Embed Multilingual:
                "arn:aws:bedrock:REGION::foundation-model/cohere.embed-multilingual-v3"
                （ベクトル次元数: 1024、タイプ: Floating-point, binary）
              
              - Amazon Nova Multimodal Embeddings v1:
                "arn:aws:bedrock:REGION::foundation-model/amazon.nova-2-multimodal-embeddings-v1:0"
                （ベクトル次元数: 1024、タイプ: Floating-point）
                （マルチモーダル対応: テキスト、画像、動画、音声を処理可能）
                注意: マルチモーダルコンテンツを処理する場合は、supplementalDataStorageConfiguration
                でマルチモーダルストレージ先を指定する必要があります
              
              例: "arn:aws:bedrock:us-east-1::foundation-model/amazon.titan-embed-text-v1"
              注意: リージョンは実際に使用するリージョンに置き換えてください
          
          パーシング設定（オプション）:
          parsing_strategy: パーシング戦略
              - 'BEDROCK_FOUNDATION_MODEL': Foundation Modelを使用したパーシング
                （マルチモーダルデータ（画像、表、グラフなど）を処理可能、プロンプトカスタマイズ可能）
              - 'BEDROCK_DATA_AUTOMATION': Bedrock Data Automationを使用したパーシング
                （マルチモーダルデータを処理可能、完全マネージド、追加プロンプト不要）
              注意: 指定しない場合はデフォルトパーサーが使用されます（テキストのみ、無料）
          parsing_model_arn: Foundation ModelのARN（parsing_strategy='BEDROCK_FOUNDATION_MODEL'の場合必須）
              例: "arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-3-sonnet-20240229-v1:0"
              サポートされているモデル: Claude 3 Sonnet, Claude 3 Opus, Claude 3 Haikuなど
          parsing_modality: マルチモーダル設定
              - 'MULTIMODAL': テキストと画像の両方を処理（オプション）
          parsing_prompt_text: パーシングプロンプトのテキスト（オプション）
              Foundation Modelにドキュメントの解釈方法を指示するテキスト
              例: "Extract all text, tables, and figures from this document."
          
          チャンキング設定（オプション）:
          chunking_strategy: チャンキング戦略
              - 'FIXED_SIZE': 固定サイズのチャンクに分割（推奨: max_tokens=1000, overlap_percentage=20）
              - 'HIERARCHICAL': 階層的なチャンクに分割（大きなチャンクと小さなチャンクの2層）
              - 'SEMANTIC': セマンティックなチャンクに分割（NLPを使用して類似コンテンツでグループ化）
              - 'NONE': チャンクに分割しない（各ファイルが1つのチャンクとして扱われる）
              注意: 指定しない場合はデフォルトのチャンキングが使用されます
          chunking_max_tokens: 最大トークン数（chunking_strategy='FIXED_SIZE'または'SEMANTIC'の場合に使用）
              - FIXED_SIZE: 1以上（推奨: 500-2000）
              - SEMANTIC: 1以上（推奨: 1000-3000）
          chunking_overlap_percentage: オーバーラップ率（chunking_strategy='FIXED_SIZE'の場合に使用）
              範囲: 1-99（推奨: 10-30）
              隣接するチャンク間で重複するトークンの割合
          chunking_overlap_tokens: オーバーラップトークン数（chunking_strategy='HIERARCHICAL'の場合に使用）
              階層チャンキングで使用する重複トークン数
          chunking_buffer_size: バッファサイズ（chunking_strategy='SEMANTIC'の場合に使用）
              範囲: 0-1（推奨: 1）
              文を比較する際の移動コンテキストウィンドウのサイズ
          chunking_breakpoint_threshold: ブレークポイントのパーセンタイル閾値（chunking_strategy='SEMANTIC'の場合に使用）
              範囲: 50-99（推奨: 80-95）
              チャンクを分割するための類似度閾値（低いほど多くのチャンクが作成される）
  
      Returns:
          KnowledgeBaseResponseDict: Knowledge Baseの作成結果
              - knowledge_base_id: 作成されたKnowledge BaseのID
              - status: Knowledge Baseのステータス（'CREATING', 'ACTIVE', 'FAILED'など）
              - arn: Knowledge BaseのARN（オプション）
      
      Raises:
          ValueError: 入力値が無効な場合（バリデーションエラー）
              - storage_typeが無効な値の場合
              - S3_VECTORSタイプでembedding_model_arnが指定されていない場合
              - parsing_strategy='BEDROCK_FOUNDATION_MODEL'でparsing_model_arnが指定されていない場合
              - ARN形式が無効な場合