> ## Documentation Index
> Fetch the complete documentation index at: https://docs.crewai.com/llms.txt
> Use this file to discover all available pages before exploring further.

# مسترجع قاعدة معرفة Bedrock

> استرجاع المعلومات من قواعد معرفة Amazon Bedrock باستخدام استعلامات اللغة الطبيعية

# `BedrockKBRetrieverTool`

تمكّن `BedrockKBRetrieverTool` وكلاء CrewAI من استرجاع المعلومات من قواعد معرفة Amazon Bedrock باستخدام استعلامات اللغة الطبيعية.

## التثبيت

```bash theme={null}
uv pip install 'crewai[tools]'
```

## المتطلبات

* بيانات اعتماد AWS مُعدّة (إما من خلال متغيرات البيئة أو AWS CLI)
* حزمتا `boto3` و`python-dotenv`
* الوصول إلى قاعدة معرفة Amazon Bedrock

## الاستخدام

إليك كيفية استخدام الأداة مع وكيل CrewAI:

```python {2, 4-17} theme={null}
from crewai import Agent, Task, Crew
from crewai_tools.aws.bedrock.knowledge_base.retriever_tool import BedrockKBRetrieverTool

# Initialize the tool
kb_tool = BedrockKBRetrieverTool(
    knowledge_base_id="your-kb-id",
    number_of_results=5
)

# Create a CrewAI agent that uses the tool
researcher = Agent(
    role='Knowledge Base Researcher',
    goal='Find information about company policies',
    backstory='I am a researcher specialized in retrieving and analyzing company documentation.',
    tools=[kb_tool],
    verbose=True
)

# Create a task for the agent
research_task = Task(
    description="Find our company's remote work policy and summarize the key points.",
    agent=researcher
)

# Create a crew with the agent
crew = Crew(
    agents=[researcher],
    tasks=[research_task],
    verbose=2
)

# Run the crew
result = crew.kickoff()
print(result)
```

## معاملات الأداة

| المعامل                      | النوع  | مطلوب | القيمة الافتراضية | الوصف                                                  |
| :--------------------------- | :----- | :---- | :---------------- | :----------------------------------------------------- |
| **knowledge\_base\_id**      | `str`  | نعم   | None              | المعرّف الفريد لقاعدة المعرفة (0-10 أحرف أبجدية رقمية) |
| **number\_of\_results**      | `int`  | لا    | 5                 | الحد الأقصى لعدد النتائج المُعادة                      |
| **retrieval\_configuration** | `dict` | لا    | None              | إعدادات مخصصة لاستعلام قاعدة المعرفة                   |
| **guardrail\_configuration** | `dict` | لا    | None              | إعدادات تصفية المحتوى                                  |
| **next\_token**              | `str`  | لا    | None              | رمز لتصفح الصفحات                                      |

## متغيرات البيئة

```bash theme={null}
BEDROCK_KB_ID=your-knowledge-base-id  # Alternative to passing knowledge_base_id
AWS_REGION=your-aws-region            # Defaults to us-east-1
AWS_ACCESS_KEY_ID=your-access-key     # Required for AWS authentication
AWS_SECRET_ACCESS_KEY=your-secret-key # Required for AWS authentication
```

## تنسيق الاستجابة

تعيد الأداة النتائج بتنسيق JSON:

```json theme={null}
{
  "results": [
    {
      "content": "Retrieved text content",
      "content_type": "text",
      "source_type": "S3",
      "source_uri": "s3://bucket/document.pdf",
      "score": 0.95,
      "metadata": {
        "additional": "metadata"
      }
    }
  ],
  "nextToken": "pagination-token",
  "guardrailAction": "NONE"
}
```

## الاستخدام المتقدم

### إعداد استرجاع مخصص

```python theme={null}
kb_tool = BedrockKBRetrieverTool(
    knowledge_base_id="your-kb-id",
    retrieval_configuration={
        "vectorSearchConfiguration": {
            "numberOfResults": 10,
            "overrideSearchType": "HYBRID"
        }
    }
)

policy_expert = Agent(
    role='Policy Expert',
    goal='Analyze company policies in detail',
    backstory='I am an expert in corporate policy analysis with deep knowledge of regulatory requirements.',
    tools=[kb_tool]
)
```

## مصادر البيانات المدعومة

* Amazon S3
* Confluence
* Salesforce
* SharePoint
* صفحات الويب
* مواقع مستندات مخصصة
* Amazon Kendra
* قواعد بيانات SQL

## حالات الاستخدام

### تكامل المعرفة المؤسسية

* تمكين وكلاء CrewAI من الوصول إلى المعرفة الخاصة بمؤسستك دون كشف البيانات الحساسة
* السماح للوكلاء باتخاذ قرارات بناءً على سياسات وإجراءات ووثائق شركتك المحددة
* إنشاء وكلاء يمكنهم الإجابة على الأسئلة بناءً على وثائقك الداخلية مع الحفاظ على أمان البيانات

### المعرفة المتخصصة بالمجال

* ربط وكلاء CrewAI بقواعد معرفة متخصصة بالمجال (قانونية، طبية، تقنية) دون إعادة تدريب النماذج
* الاستفادة من مستودعات المعرفة الموجودة المُدارة بالفعل في بيئة AWS
* الجمع بين تفكير CrewAI والمعلومات المتخصصة من قواعد معرفتك

### اتخاذ القرارات المبنية على البيانات

* تأسيس استجابات وكلاء CrewAI على بيانات شركتك الفعلية بدلاً من المعرفة العامة
* ضمان تقديم الوكلاء لتوصيات بناءً على سياق أعمالك ووثائقك المحددة
* تقليل التوهمات من خلال استرجاع معلومات واقعية من قواعد معرفتك

### وصول معلوماتي قابل للتوسع

* الوصول إلى تيرابايت من المعرفة المؤسسية دون تضمينها كلها في نماذجك
* الاستعلام الديناميكي عن المعلومات ذات الصلة فقط اللازمة لمهام محددة
* الاستفادة من البنية التحتية القابلة للتوسع من AWS للتعامل مع قواعد معرفة كبيرة بكفاءة

### الامتثال والحوكمة

* ضمان تقديم وكلاء CrewAI لاستجابات تتوافق مع وثائق شركتك المعتمدة
* إنشاء مسارات قابلة للتدقيق لمصادر المعلومات المستخدمة من قبل وكلائك
* الحفاظ على التحكم في مصادر المعلومات التي يمكن لوكلائك الوصول إليها