Créer une recherche à base d'agents sur une Knowledge Base Amazon Bedrock managée avec CDK
Les systèmes de génération augmentée par récupération (RAG) classiques suivent tous le même schéma : la question est convertie en vecteur, les fragments les plus proches sont extraits d'un seul index, un modèle les reçoit et produit la réponse. Une récupération, une génération. Amazon détaille désormais, dans un guide technique, comment construire une récupération « agentique » d'entreprise sur une Managed Knowledge Base d'Amazon Bedrock, avec l'AWS Cloud Development Kit (CDK) en Python. Une seule commande déploie l'ensemble : un agent qui choisit entre deux bases de connaissances, interroge les données via une Gateway et renvoie une réponse sourcée et citée. L'application provisionne aussi deux tableaux de bord Amazon CloudWatch couvrant sept couches de télémétrie, ainsi que deux formes d'évaluation, à la demande et en continu. CDK déduit lui-même l'ordre de déploiement, là où il fallait auparavant séquencer les piles à la main.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
Le design en une passe a ses limites. Si la réponse couvre deux corpus, une seule récupération n'en ramène que la moitié, ce qui est pire que rien : la réponse paraît fluide mais reste incomplète. Si la bonne source dépend de la question, un index unique n'a aucun moyen de choisir. Si un second regard sur le corpus est nécessaire après le premier résultat, rien ne le permet. Placer un agent de raisonnement dans la boucle résout ces trois cas, puisqu'il décide s'il faut récupérer, quelle base consulter et s'il doit y retourner avant de répondre. Le prix à payer est opérationnel : un agent emprunte un chemin différent à chaque question, et par défaut on ne voit ni ce chemin ni la qualité de la réponse. L'observabilité devient alors la seule façon de savoir si le système fonctionne, d'où l'intérêt de la fournir dès le déploiement plutôt que de l'ajouter après coup.
Ce guide fait suite à un article d'août 2024 qui déployait l'architecture en une passe : un bucket Amazon S3, une collection et un index OpenSearch Serverless, une base de connaissances et une source de données. Trois évolutions ont changé la donne. Amazon Bedrock propose maintenant une base de connaissances gérée (Type: MANAGED), qui prend en charge l'ingestion, le stockage, l'indexation et la récupération, ce qui supprime la collection OpenSearch et ses unités de calcul facturées. Amazon Bedrock AgentCore fournit la partie agentique : une Gateway expose chaque base comme outil via le Model Context Protocol (MCP), un Runtime héberge l'agent, et l'API AgenticRetrieveStream reclasse les résultats en interne et renvoie une réponse synthétisée et citée. Cette récupération agentique n'est disponible que sur la base gérée. Le chemin du bucket S3 à la base reste familier, mais le magasin vectoriel disparaît, et environ la moitié de ce que l'application déploie sert à rendre compte de ce que l'agent a fait.
Pas d'impact direct sur la France/UE