Amazon Bedrock、マルチテナントAIエージェント向けにメモリ認識型検索を追加
AWSはAgentCoreメモリとManaged Knowledge Basesを統合し、厳格なドキュメントアクセス制御を維持しながら、パーソナライズされたコンテキスト対応のRAGを実現します。
英語の原文から自動翻訳されました。
Amazon Web Servicesは、Amazon Bedrock Managed Knowledge BaseとAmazon Bedrock AgentCoreメモリの新しい統合を発表しました。このアップデートにより、開発者はユーザー固有のコンテキストをセッション間で記憶するAIエージェントを構築でき、かつドキュメントへのアクセス制御を厳密に遵守できます。本機能は2026年11月16日に発表され、マルチテナント型のエンタープライズアシスタントを開発するエンジニアを対象としています。
何が起きたか
従来、知識に基づくアプリケーションを構築するには、開発者が会話履歴を手動で管理し、過去のインタラクションから永続的な事実を抽出して検索クエリに注入する必要がありました。特に、マルチテナント環境において各ユーザーが権限のあるドキュメントのみ閲覧できることを保証する場合、このプロセスは複雑になります。開発者は、会話を保存し、ユーザーごとにデータを分離し、ユーザーコンテキストとドキュメント検索間の同期を維持するためのカスタムインフラストラクチャを構築しなければなりませんでした。
今回の統合では、AgentCoreメモリをナレッジベースと並ぶ検索ソースとして活用することで、これらのステップを自動化します。AgenticRetrieveStream リクエストに memoryConfiguration を追加すると、サービスは自動的に会話履歴を復元し、関連する長期記憶の事実を抽出して検索クエリの精度を高めます。システムはセッションの復元、メモリ検索、および永続化を処理し、ナレッジベースは引き続き取り込み、インデックス作成、ランキングを管理します。
このアプローチにより、すべての回答がユーザーの履歴コンテキストと、そのユーザーがアクセス許可を持つドキュメントの両方に基づいていることが保証されます。この統合はオプトイン方式であり、後方互換性があるため、既存のアプリケーションは破壊的変更なしで採用できます。アプリケーション側はユーザー認証とIDの引き渡しのみに責任を持ち、メモリと検索の複雑なオーケストレーションはAWSが管理します。
仕組み
このメカニズムは、Amazon Cognitoなどが発行した認証トークンからの2つの異なるクレームをユーザーIDにマッピングすることに依存しています。ユーザーのメールアドレスは、ナレッジベース内のアクセス制御リスト(ACL)を用いてドキュメントをフィルタリングするために使用され、許可されたコンテンツのみが表示されるようにします。一方、Cognitoの sub などの安定したユーザーIDは、メモリ分離のための actorId として機能します。この分離により、メールアドレスの変更によって別のユーザーが他人の会話履歴に誤ってアクセスしてしまう問題を防止します。
ユーザーがクエリを送信すると、アプリケーションは userContext と memoryConfiguration を AgenticRetrieveStream APIに渡します。サービスはまず現在のセッションの短期記憶を復元し、必要に応じてユーザー設定や以前言及された詳細など、関連する事実について長期記憶を検索します。プランナーコンポーネントが、これらのメモリが現在の質問にとって有用かどうかを判断し、ナレッジベースに送信されるサブクエリに取り込みます。回答生成後、システムはインタラクションを非同期でメモリに保存します。
セキュリティは、セッションタグを条件とするIAMポリシーによって強制されます。アプリケーションはユーザーIDでタグ付けされたIAMロールを引き受け、IAMポリシーは特定のIDを含む名前空間へのメモリアクセスを制限します。これにより、アプリケーションコードにエラーがあった場合でも、基盤となるインフラストラクチャが他のユーザーのメモリレコードやドキュメントへのアクセスを防止します。
主要な詳細
- この統合では、メモリ認識型検索を有効にするために、
memoryConfigurationパラメータ付きのAgenticRetrieveStreamを使用します。 - ユーザーIDは分割されています。メールアドレスはドキュメントACLのフィルタリングに、
subなどの安定したIDはメモリ名前空間の分離に使用されます。 - 2つのメモリ戦略がサポートされています。偶発的な事実を捉えるためのサマリー戦略と、構造化された設定のためのユーザー設定戦略です。
- IAMポリシーはセッションタグを使用し、メモリレコードとドキュメントアクセスの両方に対してユーザーごとの分離を強制します。
- システムは長期記録の非同期抽出をサポートしており、アクティブなチャット中の応答遅延を低く抑えます。
- Amazon S3やSharePointなど、ACL対応データソースを持つ既存のナレッジベースは、修正なしで動作します。
なぜ重要なのか
エンタープライズAIアシスタントを開発するソフトウェアエンジニアにとって、このアップデートはステートフルなエージェントの運用負荷を大幅に軽減します。会話履歴用のカスタムデータベースを設計したり、プロンプトにコンテキストを注入するための複雑なロジックを書いたりする代わりに、マネージドサービスを利用できます。これにより、チームは状態管理やデータ分離の細部ではなく、アプリケーションロジックとユーザー体験に集中できるようになります。
ドキュメントアクセスとメモリコンテキストの厳格な分離は、マルチテナント環境における重要なセキュリティ懸念にも対処します。IAM条件とACLをインフラレベルで活用することで、組織はデータガバナンスポリシーへの準拠を保証できます。これは、開発者がカスタムコードでユーザーコンテキストとドキュメント検索を手動で処理する場合によく見られる脆弱性である、誤ったデータ漏洩のリスクを低減します。
さらに、長期記憶に基づいて回答をパーソナライズできる能力は、AIエージェントの有用性を高めます。ユーザーは、人間の同僚のように、アシスタントが自分の好みや以前の議論を覚えてくれることを期待しています。この統合により、セキュリティやパフォーマンスを損なうことなく、そのような体験を大規模に提供することが可能になり、カスタマーサポート、社内ITヘルプデスク、その他のエンタープライズユースケースでのより自然で効果的なインタラクションが可能になります。
実施可能なこと
- 新しい
memoryConfigurationパラメータにアクセスするために、AWS SDKをBoto3 1.43.72以降に更新してください。 - アイデンティティプロバイダーから安定したユーザーIDと検証済みメールアドレスの両方を抽出できることを確認するために、認証フローを見直してください。
- 各ユーザーの自動分離を保証するために、
{actorId}プレースホルダーを使用してメモリ名前空間を設計してください。 - メモリリソースとナレッジベースクエリに対する厳格なアクセス制御を強制するために、セッションタグ付きのIAMロールを設定してください。
- ドキュメントACLとメモリ検索が期待どおりに機能していることを確認するために、小規模なユーザーグループで統合をテストしてください。
- より幅広いコンテキスト情報を捉えるために、サマリーとユーザー設定の両方のメモリ戦略の有効化を検討してください。



