【概要】LibreChat × Amazon Bedrock ナレッジベースで社内ドキュメント検索環境を構築する

はじめに

みなさま、こんにちは。

クラウドソリューション第2グループ入社3年目のkugishimakです。

ChatGPTなどの生成AIを使っていて、
「社内ドキュメントを聞けば答えてくれる環境があればいいのに」
と思ったことはありませんか？

本記事では、その仕組みを LibreChat × Amazon Bedrock ナレッジベース で構築する方法を紹介します。
今回は前編として、概要やアーキテクチャ、利用シーンについてまとめます。

（ハンズオン手順は後編にて解説します👉
【ハンズオン】LibreChat × Amazon Bedrock ナレッジベースで社内ドキュメント検索環境を構築する」

目次

1. なぜこの仕組みをつくるのか？
2. 全体構成イメージ
3. 使用するツールの特徴
4. 想定される利用シーン
5. おわりに

なぜこの仕組みをつくるのか？

企業ではマニュアル・規程・設計資料など、多数のドキュメントが存在します。
しかし実際には、

• どこに保存されているかわからない

• 検索しても目的の情報が見つかりにくい

• 人に聞いた方が早い

といった課題がよくあります。

そこで登場するのが ナレッジベース × 生成AIチャット。
生成AIの自然な会話とナレッジ検索を組み合わせることで、
「聞けばすぐ答えてくれる社内Q&Aアシスタント」を実現できます。

全体構成イメージ

今回の構成はシンプルです。

1. データソース（S3に格納した社内ドキュメント）

2. Amazon Bedrock ナレッジベース

   • ドキュメントをベクトル化し、検索可能にする仕組み

3. MCPサーバー

   • BedrockナレッジベースをLibreChatから利用するためのブリッジ

4. LibreChat

   • オープンソースのチャットUI

   • 各種モデルや外部サービスと簡単に接続可能

これらをDockerとPython環境で用意し、ローカルで動作させます。

最終的には、LibreChatの画面から「社内ドキュメントに特化した質問応答」ができるようになります。

使用するツールの特徴

• Amazon Bedrock ナレッジベース
  AWSが提供する「RAG（Retrieval-Augmented Generation）」を簡単に構築できるサービス。
  ドキュメントをベクトルDBに自動で取り込み、AIの検索元として活用できます。

• MCPサーバー
  AWS Labsが提供しているサーバー実装。
  Bedrockナレッジベースを外部アプリ（今回の場合はLibreChat）から呼び出す際の接続役です。

• LibreChat
  オープンソースのチャットフロントエンド。
  複数のAIモデルや外部サービスを「プラグイン的」に組み込めるため、拡張性が高いのが特徴です。

想定される利用シーン

今回の例では就業規則を対象とするのですが、実際の活用シーンはさまざまです。

• 社内規程の検索（就業規則、旅費規程など）

• 社内FAQ（問い合わせ対応の効率化）

• プロジェクトの設計資料や議事録の検索

• ナレッジ共有ポータルの簡易版

つまり「知識はあるけど検索が大変」な領域を支えるアシスタントとして活用できます。

おわりに

今回は LibreChat × Amazon Bedrock ナレッジベースによる社内検索環境の概要 を紹介しました。

後編では、実際に環境を構築する手順をハンズオン形式で解説します。
👉 【ハンズオン】LibreChat × Amazon Bedrock ナレッジベースで社内ドキュメント検索環境を構築する

社内ナレッジの活用に課題を感じている方は、ぜひ次回もご覧ください！

それではまた 👋