ナレッジベース用に作成したベクトルストアを使用するための前提条件

ドキュメントが変換されるベクトル埋め込みを保存するには、ベクトルストアを使用します。Amazon Bedrock で Amazon OpenSearch Serverless にベクトルインデックスを自動的に作成する場合は、この前提条件をスキップして Amazon Bedrock ナレッジベースでデータソースに接続してナレッジベースを作成する に進みます。

標準の浮動小数点 (float32) ベクトル埋め込みの代わりにバイナリベクトル埋め込みを保存する場合は、バイナリベクトルをサポートするベクトルストアを使用する必要があります。

注記

Amazon OpenSearch Serverless クラスターと Amazon OpenSearch Managed クラスターは、バイナリベクトルの保存をサポートする唯一のベクトルストアです。

独自のサポートされているベクトルストアを設定して、データのベクトル埋め込み表現をインデックス化できます。次のデータ用にフィールドを作成できます。

• 選択した埋め込みモデルによってデータソースのテキストから生成されたベクトル用のフィールド。

• データソース内のファイルから抽出されたテキストチャンク用フィールド。

• Amazon Bedrock が管理するソースファイルのメタデータのフィールド。

• (Amazon Aurora データベースを使用してメタデータのフィルタリングを設定する場合) ソースファイルに関連付けるメタデータのフィールド。他のベクトルストアでフィルタリングを設定する場合は、フィルタリングのためにこれらのフィールドを設定する必要はありません。

KMS キーを使用して、サードパーティーのベクトルストアを暗号化できます。詳細については、「Encryption of knowledge base resources」を参照してください。

ベクトルインデックスの作成に使用するベクトルストアサービスに対応するタブを選択します。

Amazon OpenSearch Serverless

1. でアクセス許可を設定し、Amazon OpenSearch Serverless でベクトル検索コレクションを作成するには AWS Management Console、「Amazon OpenSearch Service デベロッパーガイド」の「ベクトル検索コレクションの使用」のステップ 1 と 2 に従います。コレクションを設定するときは、以下の考慮事項に注意してください。

   1. コレクションに任意の名前と説明を付けます。

   2. コレクションをプライベートにするには、[セキュリティ] セクションの [標準作成] を選択します。次に、[ネットワークアクセス設定] セクションで、[アクセスタイプ] として [VPC] を選択し、VPC エンドポイントを選択します。Amazon OpenSearch Serverless コレクションの VPC エンドポイントの設定の詳細については、「Amazon OpenSearch Service デベロッパーガイド」の「Access Amazon OpenSearch Serverless using an interface endpoint (AWS PrivateLink)」を参照してください。

2. コレクションを作成したら、ナレッジベースを作成するときに備えて [コレクション ARN] を書き留めます。

3. 左側のナビゲーションペインの [サーバーレス] で [コレクション] を選択します。次に、ベクトル検索コレクションを選択します。

4. [インデックス] タブを選択します。次に、[ベクトルインデックスを作成] を選択します。

5. [ベクトルインデックスの詳細] セクションで、ベクトルインデックス名フィールドに [ベクトルインデックスの名前] を入力します。

6. [ベクトルフィールド] セクションで[ベクトルフィールドの追加] を選択します。Amazon Bedrock は、データソースのベクトル埋め込みをこのフィールドに保存します。次の設定の詳細を入力します。

   • ベクトルフィールド名 – フィールドの名前を指定します (例: embeddings)。

   • エンジン – 検索に使用するベクトルエンジン。[faiss] を選択します。

   • ディメンション - ベクトルのディメンション (次元) の数。ベクトルに含めるディメンションの数を決定するには、次の表を参照してください。

     モデル	ディメンション
     Titan G1 埋め込み - テキスト	1,536
     Titan V2 埋め込み - テキスト	1,024、512、256
     Cohere Embed 英語	1,024
     Cohere Embed 多言語	1,024

   • 距離メトリクス - ベクトル間の類似性を測定するために使用されるメトリクス。浮動小数点ベクトル埋め込みにはユークリッド語を使用することをお勧めします。

7. [メタデータの管理] セクションを展開し、ナレッジベースがベクトルを使用して取得できる追加のメタデータを保存するよう、ベクトルインデックスを設定します。次の表は、各フィールドに対して指定するフィールドと値を示しています。

   フィールドの説明	フィールドのマッピング	データ型	フィルタリング可能
   Amazon Bedrock はデータから未加工テキストをチャンク化し、チャンクをこのフィールドに保存します。	選択した名前 (例: text)	String	真
   Amazon Bedrock は、ナレッジベースに関連するメタデータをこのフィールドに保存します。	選択した名前 (例: bedrock-metadata)	String	False

8. ナレッジベースの作成時に、ベクトルインデックス名、ベクトルフィールド名、メタデータ管理マッピングフィールド名に選択した名前を書き留めます。次に [作成] を選択します。

ベクトルインデックスを作成したら、[ナレッジベースの作成] に進むことができます。次の表は、メモした各情報を入力する場所をまとめたものです。

フィールド	ナレッジベース設定 (コンソール) の対応するフィールド	ナレッジベース設定 (API) の対応するフィールド	説明
コレクション ARN	コレクション ARN	collectionARN	ベクトル検索コレクションの Amazon リソースネーム (ARN)。
ベクトルインデックス名	ベクトルインデックス名	vectorIndexName	ベクトルインデックスの名前。
ベクトルフィールド名	ベクトルフィールド	vectorField	データソースのベクトル埋め込みを保存するフィールドの名前。
メタデータ管理 (最初のマッピングフィールド)	テキストフィールド	textField	データソースから未加工のテキストを保存するフィールドの名前。
メタデータ管理 (2 番目のマッピングフィールド)	Bedrock が管理するメタデータフィールド	metadataField	Amazon Bedrock が管理するメタデータを保存するフィールドの名前。

Amazon OpenSearch Serverless でのベクトルストアの設定に関する詳細なドキュメントについては、「Amazon OpenSearch Service デベロッパーガイド」の「Working with vector search collections」を参照してください。

Amazon OpenSearch Service Managed Clusters

重要

• OpenSearch Managed クラスターでドメインリソースを使用する前に、特定の IAM アクセス許可とポリシーを設定する必要があります。詳細については、「Amazon Bedrock ナレッジベースで OpenSearch マネージドクラスターを使用するために必要な前提条件とアクセス許可」を参照してください。

• データ取り込みに障害が発生した場合は、OpenSearch ドメイン容量が不足している可能性があります。この問題を解決するには、より高い IOPS をプロビジョニングし、スループット設定を増やすことでドメインの容量を増やします。詳細については、「Amazon OpenSearch Service の運用上のベストプラクティス」を参照してください。

1. の OpenSearch クラスターでドメインとベクトルインデックスを作成するには AWS Management Console、「Amazon OpenSearch Service デベロッパーガイド」のOpenSearch Service ドメインの作成と管理」で説明されているステップに従います。 OpenSearch

   ドメインを設定するときは、次の考慮事項に注意してください。

   1. ドメインに任意の名前を付けます。

   2. ドメインの作成をすばやく開始するには、Easy create オプションを使用することをお勧めします。

      注記

      このオプションでは、スループットの低いドメインを使用できます。より高いスループットを必要とするワークロードが大きい場合は、標準作成オプションを選択します。必要に応じて、後で容量を調整できます。このオプションでは、最小容量から開始し、必要に応じて後で変更できます。

   3. Network では、パブリックアクセスを選択する必要があります。VPC の背後にある OpenSearch ドメインは、ナレッジベースではサポートされていません。

   4. バージョン では、バイナリベクトル埋め込みを使用している場合、Amazon Bedrock ナレッジベースには Engine バージョン 2.16 以降が必要です。さらに、k-nn インデックスを作成するには、バージョン 2.13 以降が必要です。詳細については、「Amazon OpenSearch Service デベロッパーガイド」の「K-NN 検索」を参照してください。

   5. デュアルスタックモードを使用することをお勧めします。

   6. きめ細かなアクセスコントロールを有効にしてドメイン内のデータを保護し、ナレッジベースサービスロールに OpenSearch ドメインへのアクセスを許可してリクエストを行うアクセス許可をさらに制御することをお勧めします。

   7. 他のすべての設定をデフォルト値のままにし、作成を選択してドメインを作成します。

2. ドメインが作成されたら、それをクリックして、ナレッジベースの作成時に のドメイン ARN とドメインエンドポイントを書き留めます。

3. ドメインを作成したら、OpenSearch ダッシュボードで次のコマンドを実行するか、curl コマンドを使用してベクトルインデックスを作成できます。詳細については、「OpenSearch ドキュメント」を参照してください。

   コマンドを実行する場合：

   • ベクトルフィールドの名前を指定します (例: embeddings）。

   • 検索に使用されるベクトルが faiss. nmslib をサポートしていないことを確認します。

   • ベクトル内のディメンションの数については、次の表を参照して、ベクトルに含めるディメンションの数を決定します。

     注記

     Titan V2 埋め込み - テキストモデルは複数のディメンションをサポートしています。また、256 または 512 にすることもできます。

     モデル	ディメンション
     Titan G1 埋め込み - テキスト	1,536
     Titan V2 埋め込み - テキスト	1,024、512、256
     Cohere Embed 英語	1,024
     Cohere Embed 多言語	1,024

   • 2 つのフィールドを追加して、ナレッジベースがベクトルで取得できる追加のメタデータを保存するようにベクトルインデックスを設定できます。次の表は、それぞれに指定するフィールドと値を示しています。

     フィールドの説明	フィールドのマッピング
     Amazon Bedrock はデータから未加工テキストをチャンク化し、チャンクをこのフィールドに保存します。	オブジェクトとして指定します。例: AMAZON_BEDROCK_TEXT_CHUNK。
     Amazon Bedrock は、ナレッジベースに関連するメタデータをこのフィールドに保存します。	オブジェクトとして指定します。例: AMAZON_BEDROCK_METADATA。

   PUT /<index-name>
   {
       "settings": {
           "index": {
               "knn": true
           }
       },
       "mappings": {
           "properties": {
               "<vector-name>": {
                   "type": "knn_vector",
                   "dimension": <embedding-dimension>,
                   "data_type": "binary",          # Only needed for binary embeddings
                   "space_type": "l2" | "hamming", # Use l2 for float embeddings and hamming for binary embeddings
                   "method": {
                       "name": "hnsw",
                       "engine": "faiss",
                       "parameters": {
                           "ef_construction": 128,
                           "m": 24
                       }
                   }
               },
   
               "AMAZON_BEDROCK_METADATA": {
                   "type": "text",
                   "index": "false"
               },
               "AMAZON_BEDROCK_TEXT_CHUNK": {
                   "type": "text",
                   "index": "true"            
               }
           }
       }
   }

4. ドメイン ARN とエンドポイント、およびナレッジベースの作成時にベクトルインデックス名、ベクトルフィールド名、メタデータ管理マッピングフィールド名に選択した名前を書き留めます。

ベクトルインデックスを作成したら、[ナレッジベースの作成] に進むことができます。次の表は、メモした各情報を入力する場所をまとめたものです。

フィールド	ナレッジベース設定 (コンソール) の対応するフィールド	ナレッジベース設定 (API) の対応するフィールド	説明
ドメイン ARN	ドメイン ARN	domainARN	OpenSearch ドメインの Amazon リソースネーム (ARN)。
ドメインエンドポイント	ドメインエンドポイント	domainEndpoint	OpenSearch ドメインに接続するエンドポイント。
ベクトルインデックス名	ベクトルインデックス名	vectorIndexName	ベクトルインデックスの名前。
ベクトルフィールド名	ベクトルフィールド	vectorField	データソースのベクトル埋め込みを保存するフィールドの名前。
メタデータ管理 (最初のマッピングフィールド)	テキストフィールド	textField	データソースから未加工のテキストを保存するフィールドの名前。
メタデータ管理 (2 番目のマッピングフィールド)	Bedrock が管理するメタデータフィールド	metadataField	Amazon Bedrock が管理するメタデータを保存するフィールドの名前。

Amazon Aurora (RDS)

1. 「Using Aurora PostgreSQL as a knowledge base」の手順に従って、Amazon Aurora データベース (DB) クラスターを作成します。テーブルを作成するときは、次の列とデータ型で設定します。上の表に掲載されている名前の代わりに、希望する列名を使用できます。ナレッジベースの設定時に指定できるように、使用した列名をメモしておきます。

   列名	データ型	ナレッジベース設定 (コンソール) の対応するフィールド	ナレッジベース設定 (API) の対応するフィールド	説明
   id	UUID プライマリキー	プライマリキー	primaryKeyField	各レコードに固有の識別子が含まれます。
   埋め込み	ベクトル	ベクトルフィールド	vectorField	データソースのベクトル埋め込みが含まれます。
   チャンク	[テキスト]	テキストフィールド	textField	データソースからの未加工テキストのチャンクが含まれます。
   metadata	JSON	Bedrock が管理するメタデータフィールド	metadataField	ソース属性を実行し、データインジェストとクエリを有効にするために必要なメタデータが含まれています

2. (オプション) フィルタリングするためにファイルにメタデータを追加した場合は、ファイル内のメタデータ属性ごとに列を作成し、データ型 (テキスト、数値、またはブール値) を指定する必要があります。例えば、属性 genre がデータソースに存在する場合は、genre という名前の列を追加し、text をデータ型として指定します。データインジェスト中、これらの列には対応する属性値が入力されます。

3. 「Amazon Aurora でのパスワード管理」および「」の手順に従って、Aurora DB クラスターの AWS Secrets Manager AWS Secrets Manager シークレットを設定します。

4. DB クラスターを作成しシークレットを設定したら、次の情報をメモします。

   ナレッジベース設定 (コンソール) のフィールド	ナレッジベース設定 (API) のフィールド	説明
   Amazon Aurora DB クラスターの ARN	resourceArn	DB クラスターの ARN。
   データベース名	databaseName	データベースの名前
   テーブル名	tableName	DB クラスター内のテーブル名
   シークレット ARN	credentialsSecretArn	DB クラスターの AWS Secrets Manager キーの ARN

Neptune Analytics graphs (GraphRAG)

1. の Neptune Analytics でグラフとベクトルストアを作成するには AWS Management Console、「Neptune Analytics ユーザーガイド」の「Neptune Analytics のベクトルインデックス作成」で説明されているステップに従います。

   注記

   Neptune GraphRAG を使用するには、ベクトル検索インデックスを使用して空の Neptune Analytics グラフを作成します。ベクトル検索インデックスは、グラフの作成時にのみ作成できます。コンソールで Neptune Analytics グラフを作成するときは、プロセスの最後にあるベクトル検索設定でインデックスディメンションを指定します。

   グラフを作成するときは、次の考慮事項に注意してください。

   1. グラフに任意の名前を付けます。

   2. データソースで、空のグラフの作成を選択し、割り当てる m-NCUs の数を指定します。各 m-NCU には、約 1 GiB のメモリ容量と、対応するコンピューティングとネットワークがあります。

      注記

      グラフの容量は後で変更できます。最小のインスタンスから開始し、必要に応じて後で別のインスタンスを選択することをお勧めします。

   3. デフォルトの可用性設定のままにし、ネットワークとセキュリティでパブリックアクセスを有効にする必要があります。VPC の背後にある Neptune Analytics グラフはサポートされていません。

   4. 「ベクトル検索設定」で、「ベクトルディメンションを使用」を選択し、各ベクトルのディメンション数を指定します。

      注記

      各ベクトルのディメンションの数は、埋め込みモデルのベクトルディメンションと一致する必要があります。ベクトルに含めるディメンションの数を決定するには、次の表を参照してください。

      モデル	ディメンション
      Titan G1 埋め込み - テキスト	1,536
      Titan V2 埋め込み - テキスト	1,024、512、256
      Cohere Embed 英語	1,024
      Cohere Embed 多言語	1,024

   5. 他のすべての設定をデフォルトのままにして、グラフを作成します。

2. グラフを作成したら、それをクリックして、ナレッジベースの作成時の のリソース ARN とベクトルのディメンションを書き留めます。

3. メタデータ管理セクションを展開し、2 つのフィールドを追加して、Amazon Bedrock によって管理される追加のメタデータを保存するようにベクトルインデックスを設定します。次の表は、各フィールドに対して指定するフィールドと値を示しています。

   フィールドの説明	フィールドのマッピング	データ型	フィルタリング可能
   Amazon Bedrock はデータから未加工テキストをチャンク化し、チャンクをこのフィールドに保存します。	選択した名前 (例: text)	String	真
   Amazon Bedrock は、このテキストを含むファイルの Amazon S3 の場所など、ナレッジベースに関連するメタデータをこのフィールドに保存します。	選択した名前 (例: bedrock-metadata)	String	False

4. ナレッジベースの作成時に、ベクトルインデックス名、ベクトルフィールド名、メタデータ管理マッピングフィールド名に選択した名前を書き留めます。次に [作成] を選択します。

ベクトルインデックスを作成したら、[ナレッジベースの作成] に進むことができます。次の表は、メモした各情報を入力する場所をまとめたものです。

フィールド	ナレッジベース設定 (コンソール) の対応するフィールド	ナレッジベース設定 (API) の対応するフィールド	説明
グラフ ARN	Neptune 分析グラフ ARN	graphARN	Neptune Analytics グラフの Amazon リソースネーム (ARN)。
メタデータ管理 (最初のマッピングフィールド)	テキストフィールド名	textField	データソースから未加工のテキストを保存するフィールドの名前。
メタデータ管理 (2 番目のマッピングフィールド)	Bedrock が管理するメタデータフィールド	metadataField	Amazon Bedrock が管理するメタデータを保存するフィールドの名前。

Pinecone

注記

を使用する場合Pinecone、ベクトルストアサービスをユーザーに提供するために、ユーザーに代わって指定されたサードパーティーソースへのアクセスを AWS に許可することに同意します。お客様は、サードパーティーサービスからのデータの使用および転送に適用されるいかなるサードパーティー規約をも遵守する必要があります。

Pinecone でベクトルストアを設定する方法の詳細については、「Pinecone as a knowledge base for Amazon Bedrock」を参照してください。

ベクトルストアを設定する際は、次の情報をメモしておきます。この情報は、ナレッジベースを作成するときに入力することになります。

• エンドポイント URL – インデックス管理ページのエンドポイント URL。

• 認証情報シークレット ARN – データベースユーザーのユーザー名とパスワードを含む、AWS Secrets Manager で作成したシークレットの Amazon リソースネーム (ARN)。

• (オプション) 認証情報シークレット ARN のカスタマーマネージド KMS キー – 認証情報シークレット ARN を暗号化した場合は、Amazon Bedrock が復号できるように KMS キーを指定します。

• 名前空間 – (オプション) データベースに新しいデータを書き込むために使用される名前空間。詳細については、「Using namespaces」を参照してください。

Pinecone インデックスを作成するときに必要となる追加の設定は以下のとおりです。

• テキストフィールド名 – Amazon Bedrock が未加工チャンクテキストを保存するフィールドの名前。

• メタデータフィールド名 – Amazon Bedrock がソース属性メタデータを保存するフィールドの名前。

Pinecone インデックスにアクセスするには、 AWS Secrets Managerを使用して Amazon Bedrock に Pinecone API キーを提供する必要があります。

Pinecone 設定用のシークレットを設定するには

1. 「 AWS Secrets Manager シークレットの作成」のステップに従い、 キーを に設定apiKeyし、 値を API キーとして設定してPineconeインデックスにアクセスします。

2. この API キーを見つけるには、Pinecone コンソールを開いて [API キー] を選択します。

3. シークレットを作成したら、作成したシークレットの ARN をメモしておきます。

4. 「ナレッジベースを含むベクトルストアの AWS Secrets Manager シークレットを復号するアクセス許可」の手順に従って、KMS キーの ARN を復号化する権限をサービスロールにアタッチします。

5. この ARN は、後でナレッジベースを作成するときに、[認証情報シークレット ARN] フィールドに入力します。

Redis Enterprise Cloud

注記

を使用する場合Redis Enterprise Cloud、ベクトルストアサービスを提供するために、 AWS がユーザーに代わって指定されたサードパーティーソースにアクセスすることを承認することに同意します。お客様は、サードパーティーサービスからのデータの使用および転送に適用されるいかなるサードパーティー規約をも遵守する必要があります。

Redis Enterprise Cloud でのベクトルストアの設定に関する詳細なドキュメントについては、「Integrating Redis Enterprise Cloud with Amazon Bedrock」を参照してください。

ベクトルストアを設定する際は、次の情報をメモしておきます。この情報は、ナレッジベースを作成するときに入力することになります。

• エンドポイント URL – データベースのパブリックエンドポイント URL。

• ベクトルインデックス名 - データベースのベクトルインデックスの名前。

• ベクトルフィールド - ベクトル埋め込みが保存されるフィールドの名前。ベクトルに含めるディメンションの数を決定するには、次の表を参照してください。

  モデル	ディメンション
  Titan G1 埋め込み - テキスト	1,536
  Titan V2 埋め込み - テキスト	1,024、512、256
  Cohere Embed 英語	1,024
  Cohere Embed 多言語	1,024

• テキストフィールド – Amazon Bedrock が未加工テキストのチャンクを保存するフィールドの名前。

• Bedrock マネージドメタデータフィールド – Amazon Bedrock がナレッジベースに関連するメタデータを保存するフィールドの名前。

Redis Enterprise Cloud クラスターにアクセスするには、 AWS Secrets Managerを使用して Redis Enterprise Cloud のセキュリティ設定を Amazon Bedrock に提供する必要があります。

Redis Enterprise Cloud 設定用のシークレットを設定するには

1. 「Transport Layer Security (TLS)」の手順に従って、Amazon Bedrock でデータベースを使用するように TLS を有効にします。

2. 「 AWS Secrets Manager シークレットを作成する」のステップに従います。シークレット内の Redis Enterprise Cloud 設定の適切な値を使用して、以下のキーを設定します。

   • username – Redis Enterprise Cloud データベースにアクセスするためのユーザー名。自身のユーザー名を確認するには、Redis コンソール でデータベースの [セキュリティ] セクションを参照してください。

   • password – Redis Enterprise Cloud データベースにアクセスするためのパスワード。自身のパスワードを確認するには、Redis コンソール でデータベースの [セキュリティ] セクションを参照してください。

   • serverCertificate - Redis Cloud 認証機関からの証明書の内容。「Download CA certificates」の手順に従って、Redis 管理コンソールを使ってサーバー証明書をダウンロードします。

   • clientPrivateKey - Redis Cloud 認証機関からの証明書のプライベートキー。「Download CA certificates」の手順に従って、Redis 管理コンソールを使ってサーバー証明書をダウンロードします。

   • clientCertificate - Redis Cloud 認証機関からの証明書のパブリックキー。「Download CA certificates」の手順に従って、Redis 管理コンソールを使ってサーバー証明書をダウンロードします。

3. シークレットを作成したら、そのシークレットの ARN を書き留めます。この ARN は、後でナレッジベースを作成するときに、[認証情報シークレット ARN] フィールドに入力します。

MongoDB Atlas

注記

MongoDB Atlas を使用する場合、ベクトルストアサービスをユーザーに提供するために、ユーザーに代わって指定されたサードパーティーソースへのアクセス AWS を に許可することに同意します。お客様は、サードパーティーサービスからのデータの使用および転送に適用されるいかなるサードパーティー規約をも遵守する必要があります。

MongoDB Atlas でのベクトルストアの設定に関する詳細なドキュメントについては、「MongoDB Atlas as a knowledge base for Amazon Bedrock」を参照してください。

ベクトルストアを設定する際は、次の情報をメモしておきます。この情報は、ナレッジベースを作成するときに入力することになります。

• エンドポイント URL – MongoDB Atlas クラスターのエンドポイント URL。

• データベース名 – MongoDB Atlas クラスター内のデータベースの名前。

• コレクション名 – データベース内のコレクションの名前。

• 認証情報シークレット ARN – MongoDB Atlas クラスター内のデータベースユーザーのユーザー名とパスワードを含む、AWS Secrets Manager で作成したシークレットの Amazon リソースネーム (ARN)。

• (オプション) 認証情報シークレット ARN のカスタマーマネージド KMS キー – 認証情報シークレット ARN を暗号化した場合は、Amazon Bedrock が復号できるように KMS キーを指定します。

MongoDB Atlas インデックスを作成するときに提供する必要があるフィールドマッピングの追加の設定は以下のとおりです。

• ベクトルインデックス名 – コレクション上の MongoDB Atlas ベクトル検索インデックスの名前。

• ベクトルフィールド名 – Amazon Bedrock がベクトル埋め込みを保存するフィールドの名前。

• テキストフィールド名 – Amazon Bedrock が未加工チャンクテキストを保存するフィールドの名前。

• メタデータフィールド名 – Amazon Bedrock がソース属性メタデータを保存するフィールドの名前。

(オプション) Amazon Bedrock を AWS PrivateLink 経由で MongoDB Atlas クラスターに接続するには、「AG workflow with MongoDB Atlas using Amazon Bedrock」を参照してください。