MEGAZONEブログ
![Simplify generative AI app development with Agents for Amazon Bedrock](https://www.hyperbilling.jp/wp-content/uploads/2024/02/image1-7.jpg)
Simplify generative AI app development with Agents for Amazon Bedrock
Agents for Amazon BedrockでジェネレーティブAIアプリ開発を簡素化
Pulisher : AI & Data Analytics Center チェ・スンヒョン
Description : Amazon Bedrock完全管理用Agentを使用した生成型AIアプリの開発方法について紹介したセッション
はじめに
re:Inventで2回目、3回目の基調講演を聞き、GenAIそしてBedrockに興味を持ち、どのように様々な方法でGenAI appが活用されているのか気になり、このセッションを申し込みました。
そして、Agentがどのように活用され、構成されるのかアーキテクチャを確認することで、Bedrockを通じてGenAI Appを構成しようとする顧客社に役立つと思います。
セッションの概要紹介
目的に合ったAgentを選択し、そのAgentに必要なAction、Knowledgeを構成することの重要性を説明します。
![](https://www.hyperbilling.jp/wp-content/uploads/2024/02/image2-6.jpg)
![](https://www.hyperbilling.jp/wp-content/uploads/2024/02/image4-6.jpg)
指示のみで構成された最も単純なAgentの場合、Joke botのように特定の目的でのみ質問に答えることができます。一方、ActionsとKnowledgeで構成されたAgentの場合、下の画像のように、質問が来たらKnowledgeで適切な答えを提示することができ、それに基づいた追加行動も実行することができます。
このようにAgentsを目的によって4つのタイプに分けることができます。
1.Only Set of instruction
2.Use Actions to get work
3.Use Knowledge Bases to find information
4.Combine Actions and Knowledge Bases
![](https://www.hyperbilling.jp/wp-content/uploads/2024/02/image3-6.jpg)
会社内の文書を活用してHR Time Off Agentを構成すると、HR関連ポリシーの確認(Knowledge base)、休暇関連Actionなどを実行することができます。HR Time off Agent以外にも、Laptop Support assistant、Ticket Triage Agent、Tractor Maintenance assistantがBedrockに構成されており、簡単に活用することができます。
![](https://www.hyperbilling.jp/wp-content/uploads/2024/02/image5-7.jpg)
Bedrock Agents内のフローは次のように構成されています。外部からRequest(Task)が流入すると、Bedrock Agentsで収集し、Requestをプロンプト化します。
質問に対して行動に対するステップを分け、そのステップごとに必要に応じてAction、Knowledgeを構成して結果を返します。 そして、そのTaskと結果を再びモデルが学習しながら最終的な応答を作ります。
![](https://www.hyperbilling.jp/wp-content/uploads/2024/02/image6-5.jpg)
Bedrock Agentを活用して業務プロセスを改善した事例です。 以前の業務プロセスでは、直接文書とデータ、そしてコードをスタッフが分析してロジックを抽出し、再び文書を更新する過程を経ました。コードの中には重要なロジックがたくさん含まれていましたが、その過程を実行するのに不必要な時間が多くかかっていました。
![](https://www.hyperbilling.jp/wp-content/uploads/2024/02/image7-6.jpg)
Bedrock Agentを活用し、業務プロセスの改善と効率性を向上させました。
1.すべてのレガシーコード及びファイルはS3バケットにアップロードされています。
2.分析者が”mapping document”を生成してほしいと要請すると、BedrockのData Mapping Agentを通じて内容が伝達されます。
3.フィールド分析、ファイル間の関連関係、Mapping Documentの生成過程を経て、結果物は1番S3に同じように保存されます。
4.このように新しく生成されたファイルもBedrockのKnowledge Baseにアップロードされて学習されます。
5.その後、アナリストが質問を投げかけた時、そのBedrockのKB(Knowledge Base)から回答を提供します。
従来のプロジェクトでは分析に2週間程度の時間が割かれましたが、Bedrockを使用すると、わずか数分でデータマッピングファイルを生成することができました。
セッションを終えて
Bedrockを活用して大容量データファイルを効果的に処理することができ、様々な側面で活用できる可能性を見ました。 既存のAgentをBedrockを通じて強化させれば、今後様々な産業で活用することができそうです。