create_knowledge_base

Create a knowledge base in Amazon Bedrock to store and organize documents for retrieval-augmented generation (RAG), supporting vector search, custom parsing, and chunking strategies.

Instructions

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

Examples: # 基本的なKnowledge Baseの作成（デフォルト設定） create_knowledge_base( name="My Knowledge Base", description="Example KB", role_arn="arn:aws:iam::123456789012:role/BedrockKBRole", storage_type="S3", bucket_arn="s3://my-bucket" # S3 URI形式も使用可能 )

# 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/"
)

Input Schema

TableJSON Schema

Name	Required	Default
`name`	Yes
`description`	Yes
`role_arn`	Yes
`storage_type`	No	S3
`bucket_arn`	No
`embedding_model_arn`	No
`region`	No	us-east-1
`parsing_strategy`	No
`parsing_model_arn`	No
`parsing_modality`	No
`parsing_prompt_text`	No
`chunking_strategy`	No
`chunking_max_tokens`	No
`chunking_overlap_percentage`	No
`chunking_overlap_tokens`	No
`chunking_buffer_size`	No
`chunking_breakpoint_threshold`	No
`multimodal_storage_s3_uri`	No

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

Amazon Bedrock Knowledge Base MCP Server