
源内のRAGを数百円で試す手順:S3 Vectors構成でgenai-ai-apiをデプロイ
デジタル庁が18万人の政府職員に使わせているRAGのコード、実は誰でも無料で手に入るようになりました。問題はデプロイコスト。普通に試すと月2〜5万円かかると知って、諦めた人も多いはず。S3 Vectorsという選択肢を使えば、同じ仕組みを数百円で動かせます。
この記事はこんな人向けです
向いている人:源内OSSに興味があり、実際に手を動かして試してみたいエンジニア・IT担当者。AWSアカウントはあるがCDK(クラウド構成を自動化するツール)は未経験という人にも対応しています。
向いていない人:すでにGenUや源内をデプロイ済みで手順に慣れている人、AWSを使わずローカルだけで試したい人、RAGとは何かを概念から学びたい完全初学者。
2026年5月時点の情報です。CDKのバージョンや源内リポジトリの構成は更新されることがあるので、`docs/` の最新版も合わせて確認してください。
この記事で得られること:
genai-ai-api のRAGテンプレートをS3 Vectors構成でデプロイする手順
実際に試したときに詰まった箇所と対処法
検証後の削除手順と、実際にかかった費用の実績
源内のRAGテンプレート(genai-ai-api)とは何か
デジタル庁のOSSには2つのリポジトリがあります。UIを担う `genai-web` と、今回使う `genai-ai-api` です。後者には行政実務で使われているAIアプリのテンプレートが入っており、その一つが「クエリ拡張RAG」です。
RAGとは、大量のドキュメントをAIに読ませ、自然言語で質問できるようにする仕組みです。「1,000ページのマニュアルから該当箇所を探して答える」という使い方が典型例で、政府では行政マニュアルや法令データベースへの適用が想定されています。検索と生成を組み合わせることで、AIが「知らないはずの情報」にも回答できるようになります。
`genai-ai-api` はAWS・Azure・Google Cloudの3クラウドに対応しており、今回扱うのはAWS版のクエリ拡張RAGテンプレートです。Bedrock(AWSの生成AIサービス)とKnowledge Bases(文書検索基盤)を組み合わせた構成で、`docs/` に日本語の手順書が整備されています。
なぜOpenSearch ServerlessではなくS3 Vectorsを使うのか
ここが今回の記事の核心です。RAGには「ベクトルDB(ドキュメントをベクトル化して高速検索するデータベース)」が必要で、源内RAGテンプレートのデフォルトはAmazonのOpenSearch Serverlessを使う構成です。
OpenSearch Serverlessは「サーバーレス」という名前ながら、コレクション(データの入れ物)を1つ作るだけで最低1 OCUが常時課金されます。1 OCU = $0.24/時間なので、月換算で約$170。日本円で2〜3万円が、何も使わなくてもかかり続ける計算です。
そこで今回使うのがS3 Vectorsです。2025年12月に一般提供が始まったAWSのベクトルストレージで、Bedrock Knowledge Basesとネイティブに統合されています。アイドル課金がなく、使った分だけの完全従量課金なので、1回の検証なら数十円〜数百円で収まります。
【ベクトルストアのコスト比較】
・OpenSearch Serverless:$170〜/月(約2〜3万円)、アイドル課金あり
・S3 Vectors(大規模想定):$11〜/月、アイドル課金なし
・今回の検証1回分:数十円〜数百円、アイドル課金なし
Bedrock(LLM)もトークン課金なので、数回のテストクエリなら数十円程度です。検証が終わったらスタックを削除してしまえば、以降の課金は止まります。
▼ この先では以下を解説します
前提環境のセットアップ手順(AWS CLI・Node.js・CDKの準備)と、AWS未経験者が詰まりやすいポイント
genai-ai-api をS3 Vectors構成に変更してデプロイする具体的な手順(設定ファイルの変更箇所と詰まりポイント)
RAGを実際に動かした結果と、検証後の削除手順・実際にかかった費用の実績