SharePoint Microsoft에 연결하여 Amazon Bedrock 지식 베이스를 확인해 보세요.

에 로그인하십시오. AWS Management Console Amazon Bedrock 권한이 있는 IAM 역할을 사용하여 에서 Amazon Bedrock 콘솔을 엽니다. https://console.aws.amazon.com/bedrock/

왼쪽 탐색 창에서 지식 베이스를 선택합니다.

지식베이스 섹션에서 지식창고 만들기를 선택합니다.

지식창고 세부 정보를 제공하십시오.

1. 지식창고 이름과 설명 (선택 사항) 을 입력합니다.

2. 다음을 입력하십시오. AWS Identity and Access Management 지식창고를 만드는 데 필요한 액세스 권한의 역할.

   참고

   The IAM 지식창고를 만들기 위한 콘솔 단계의 일부로 필요한 모든 권한이 포함된 역할을 자동으로 만들 수 있습니다. 지식창고 만들기 단계를 완료한 후에는 IAM 필요한 모든 권한이 있는 역할이 특정 지식창고에 적용됩니다.

3. 지식창고에 할당할 태그를 마음대로 만드세요.

다음 섹션으로 이동하여 데이터 소스를 구성하세요.

데이터 SharePoint 원본으로 선택하고 연결 구성 세부 정보를 제공하십시오.

1. 데이터 원본 이름과 선택적 설명을 입력합니다.

2. SharePoint 사이트를 입력하세요URL/URLs. 예를 들어, SharePoint 온라인의 경우 https://yourdomain.sharepoint.com/sites/mysite. 다음으로 URL 시작해야 합니다.https 그리고 다음을 포함합니다: sharepoint.com. 사이트가 실제 URL SharePoint 사이트여야 하며, 그렇지 않아야 합니다.sharepoint.com/ 또는 sites/mysite/home.aspx

3. SharePoint 인스턴스의 도메인 이름을 입력합니다.

고급 설정을 확인하세요. 선택한 기본 설정을 선택적으로 변경할 수 있습니다.

고급 설정에서 임시 데이터 암호화 키 및 데이터 삭제 정책을 설정합니다.

에 대한 KMS key 설정에서는 사용자 지정 키를 선택하거나 제공된 기본 데이터 암호화 키를 사용할 수 있습니다.

데이터를 임베딩으로 변환하는 동안 Amazon Bedrock 다음과 같은 키로 임시 데이터를 암호화합니다. AWS 기본적으로 소유하고 관리합니다. 자체 KMS 키를 사용할 수 있습니다. 자세한 내용은 데이터 모으기 중 임시 데이터 스토리지의 암호화 단원을 참조하십시오.

데이터 삭제 정책 설정의 경우 다음 중 하나를 선택할 수 있습니다.

데이터 소스를 계속 구성하세요.

SharePoint 인스턴스에 연결하는 데 필요한 인증 정보를 제공합니다.

1. OAuth2.0 인증의 경우 테넌트 ID를 제공하십시오. 테넌트 ID는 Azure Active Directory 포털의 속성 또는 OAuth 애플리케이션에서 찾을 수 있습니다.

2. OAuth2.0 인증의 경우 다음으로 이동하십시오. AWS Secrets Manager 보안 인증 자격 증명을 추가하거나 생성한 암호에 기존 Amazon 리소스 이름 (ARN) 을 사용하십시오. 비밀번호에는 SharePoint 관리자 사용자 이름과 비밀번호, 등록된 앱 클라이언트 ID 및 클라이언트 비밀번호가 포함되어야 합니다. 예제 응용 프로그램에 대한 자세한 내용은 Microsoft Learn 웹 사이트의 Microsoft Entra ID (이전 명칭은 Azure Active Directory) 에 클라이언트 응용 프로그램 등록을 참조하십시오.

데이터 원본을 계속 구성하십시오.

필터/정규 표현식 패턴을 사용하여 특정 콘텐츠를 포함하거나 제외하도록 선택합니다. 그렇지 않으면 모든 표준 콘텐츠가 크롤링됩니다.

데이터 원본을 계속 구성하세요.

기본 구성 또는 사용자 지정된 청크 및 파싱 구성을 선택합니다.

1. 사용자 지정 설정을 선택하는 경우 다음 청크 옵션 중 하나를 선택하십시오.

   • 고정 크기 청킹: 콘텐츠를 설정된 대략적인 토큰 크기의 텍스트 청크로 분할합니다. 청크의 최대 토큰 개수를 초과해서는 안 되는 최대 토큰 수와 연속된 청크 간의 겹침 비율을 설정할 수 있습니다.

   • 기본 청킹: 콘텐츠를 최대 300개의 토큰으로 구성된 텍스트 청크로 분할합니다. 단일 문서 또는 콘텐츠에 포함된 토큰이 300개 미만인 경우 문서는 더 이상 분할되지 않습니다.

   • 계층적 청킹: 콘텐츠는 상위-하위 청크의 중첩 구조로 구성됩니다. 최대 부모 청크 토큰 크기와 최대 하위 청크 토큰 크기를 설정합니다. 또한 연속된 부모 청크와 연속되는 하위 청크 사이의 오버랩 토큰의 절대 개수를 설정합니다.

   • 시맨틱 청킹: 콘텐츠를 의미상 유사한 텍스트 청크 또는 문장 그룹으로 정리합니다. 대상/현재 문장을 둘러싸고 그룹화할 최대 문장 수 (버퍼 크기) 를 설정합니다. 또한 텍스트를 의미 있는 청크로 나누기 위한 중단점 백분위수 임계값을 설정합니다. 시맨틱 청킹은 기초 모델을 사용합니다. 보기Amazon Bedrock 가격 책정은 기초 모델 비용에 대한 정보를 제공합니다.

   • 청킹 없음: 각 문서는 단일 텍스트 청크로 취급됩니다. 문서를 별도의 파일로 분할하여 사전 처리하는 것이 좋습니다.

   참고

   데이터 원본을 만든 후에는 청크 전략을 변경할 수 없습니다.

2. 사용하도록 선택할 수 있습니다. Amazon Bedrock표준 텍스트 이상의 내용을 파싱하기 위해 문서를 파싱하기 위한 기본 모델입니다. 예를 들어 구조를 그대로 유지한 상태에서 문서 내의 표 형식 데이터를 파싱할 수 있습니다. 보기Amazon Bedrock 가격은 기초 모델 비용에 대한 정보를 제공합니다.

3. 다음을 사용하도록 선택할 수 있습니다. AWS Lambda 청킹 전략을 사용자 지정하고 문서 메타데이터 속성/필드가 처리되고 수집되는 방식을 사용자 지정하는 함수입니다. 다음을 제공하십시오. Amazon S3 Lambda 함수 입력 및 출력을 위한 버킷 위치.

벡터 스토어를 구성하려면 다음 섹션으로 이동하십시오.

데이터를 벡터 임베딩으로 변환하기 위한 모델을 선택하세요.

허용할 벡터 저장소를 생성하세요. Amazon Bedrock 임베딩을 저장, 업데이트 및 관리합니다. 새 벡터 저장소를 빠르게 만들거나 만든 지원되는 벡터 저장소에서 선택할 수 있습니다. 현재는 Amazon OpenSearch 서버리스 벡터 스토어만 이 데이터 소스와 함께 사용할 수 있습니다. 새 벡터 저장소를 생성하면 필수 필드가 포함된 Amazon OpenSearch Serverless 벡터 검색 컬렉션 및 색인이 자동으로 설정됩니다. 지원되는 벡터 저장소에서 선택하는 경우 벡터 필드 이름과 메타데이터 필드 이름을 매핑해야 합니다.

다음 섹션으로 이동하여 지식창고 구성을 검토하세요.

지식창고의 세부 정보를 확인하세요. 지식창고를 만들기 전에 모든 섹션을 편집할 수 있습니다.