Amazon BedrockにおけるClaudeツール使用によるカスタムエンティティ認識の高速化

業界を問わず、企業は共通の課題に直面しています。それは、膨大な非構造化データから価値ある情報を効率的に抽出する方法です。従来のアプローチでは、多くの場合、リソースを集中的に消費するプロセスと柔軟性に欠けるモデルが課題でした。この記事では、画期的なソリューションを紹介します。大規模言語モデル（LLM）の力を活用し、大規模なセットアップやトレーニングを必要とせずに、動的で適応性の高いエンティティ認識を実行するAmazon BedrockのClaude Tool useです。 この記事では、以下の内容について説明します： - Claude Tool use（関数呼び出し）の概要と仕組み - 自然言語プロンプトを用いて構造化データを抽出するClaude Tool useの使用方法 - Amazon Bedrock、AWS Lambda、Amazon Simple Storage Service（S3）を利用したサーバーレスパイプラインの構築方法 - 様々なドキュメントタイプに対応する動的エンティティ抽出の実装方法 - AWSのベストプラクティスに沿った本番環境対応ソリューションのデプロイ方法 ## Claude Tool use（関数呼び出し）とは？ Claude Tool use（関数呼び出しとも呼ばれます）は、外部の関数やツールを定義して呼び出すことでClaudeの能力を拡張する強力な機能です。この機能により、必要に応じてClaudeがアクセスし利用できる、事前に定義されたツール群を提供し、その機能性を高めることができます。 ## Amazon BedrockにおけるClaude Tool useの仕組み Amazon Bedrockは、Anthropicなどの業界リーダーが提供する高性能な基盤モデル（FM）を利用できる、フルマネージド生成AIサービスです。Amazon Bedrockは、ClaudeのTool use機能の実装を非常に簡単にします： 1. ユーザーは、名前、入力スキーマ、説明を含む一連のツールを定義します。 2. 1つ以上のツールの使用が必要となる可能性のあるユーザープロンプトが提供されます。 3. Claudeはプロンプトを評価し、ユーザーの質問やタスクに対処するために有用なツールがあるかどうかを判断します。 4. 該当する場合、Claudeは使用するツールとその入力内容を選択します。 ## ソリューション概要 この記事では、Amazon BedrockのClaude Tool useを使用して、運転免許証からカスタムフィールドを抽出する方法を実演します。このサーバーレスソリューションは、ドキュメントをリアルタイムで処理し、従来のモデルトレーニングを必要とせずに、氏名、日付、住所などの情報を抽出します。 ## アーキテクチャ 当社のカスタムエンティティ認識ソリューションは、サーバーレスアーキテクチャを採用し、ドキュメントを効率的に処理するとともに、Amazon BedrockのClaudeモデルを用いて関連情報を抽出します。このアプローチにより、複雑なインフラストラクチャ管理を最小限に抑えつつ、スケーラブルなオンデマンド処理能力を実現します。 ソリューションのアーキテクチャは、シームレスなパイプラインを構築するために複数のAWSサービスを組み合わせています。処理の流れは以下の通りです： 1. ユーザーが処理対象のドキュメントをAmazon S3にアップロードします。 2. S3 PUTイベント通知がAWS Lambda関数を起動します。 3. Lambdaがドキュメントを処理し、Amazon Bedrockに送信します。 4. Amazon Bedrockがエンティティ抽出のためにAnthropic Claudeを呼び出します。 5. 結果は監視のためにAmazon CloudWatchにログ出力されます。 以下の図は、これらのサービスが連携する様子を示しています： ### アーキテクチャコンポーネント - **Amazon S3:** 入力ドキュメントを保存します。 - **AWS Lambda:** ファイルアップロード時に起動され、プロンプトとデータをClaudeに送信し、結果を保存します。 - **Amazon Bedrock (Claude):** 入力を処理し、エンティティを抽出します。 - **Amazon CloudWatch:** ワークフローのパフォーマンスを監視、ログ記録します。 ### 前提条件 - Amazon Bedrockへのアクセス権限を持つAWSアカウント - Amazon Bedrock、AWS Lambda、Amazon S3にアクセスするためのIdentity and Access Management（IAM）権限 - PythonとJSONの基本的な知識 - Amazon BedrockにおけるClaudeモデルへのアクセス権 - Claudeモデル用のクロスリージョン推論プロファイルの設定 ### ステップバイステップ実装ガイド： この実装ガイドでは、Amazon Bedrockおよび関連するAWSサービスを使用してサーバーレスドキュメント処理ソリューションを構築する方法を説明します。以下の手順に従うことで、運転免許証などのドキュメントから情報を自動的に抽出し、手動でのデータ入力を不要にして処理時間を短縮するシステムを作成できます。数件のドキュメントであれ数千件のドキュメントであれ、このソリューションは自動的にスケールしてニーズに対応し、データ抽出の一貫した正確性を維持します。 1. **環境のセットアップ（10分）** a. 入力用のソースS3バケットを作成します（例：`driver-license-input`）。 b. IAMロールと権限を設定します： 2. **Lambda関数の作成（30分）** このLambda関数は、新しい画像がS3バケットにアップロードされると自動的に起動します。画像を読み取り、base64でエンコードし、Tool use APIを使用してAmazon Bedrock経由でClaude 4.5 Sonnetに送信します。 この関数は、デモンストレーション目的で`extract_license_fields`という単一のツールを定義しています。ただし、ツール名とスキーマはユースケースに基づいて定義可能です。例えば、保険証券データ、IDカード、業務用フォームの抽出などが考えられます。Claudeは、プロンプトの関連性と入力構造に基づいて、ツールを呼び出すかどうかを動的に選択します。 ツール呼び出しの判断をClaudeに委ねるため、`"tool_choice": "auto"`を使用しています。本番環境のユースケースでは、決定論的な動作を確保するために、`"tool_choice": {"type": "tool", "name": "your_tool_name"}`をハードコードすることが望ましい場合があります。 a. AWS Lambdaコンソールにアクセスします - 「関数の作成」を選択します。 - 「一から作成」を選択します。 - ランタイムを「Python 3.12」に設定します。 - 「関数の作成」を選択します。 b. Lambdaのタイムアウト設定 - Lambda関数の設定で、「設定」タブの「一般設定」をクリックします。 - 「編集」をクリックします。 - 「タイムアウト」を、デフォルトの3秒から少なくとも30秒に増やします。大きな画像を処理する場合は1〜2分に設定することを推奨します。 - 「保存」を選択します。 注記：この調整は、高解像度画像の処理や多数のフィールド抽出において、Claudeによる画像処理にLambdaのデフォルトタイムアウト時間よりも長い時間がかかる可能性があるため重要です。特定のユースケースに合わせてこの設定を調整するため、CloudWatch Logsで関数の実行時間を監視してください。 c. `lambda_function.py`コードファイルに以下のコードを貼り付けます：

Amazon BedrockにおけるClaudeツール使用によるカスタムエンティティ認識の高速化

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト