Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Verwenden Sie einen Programmierassistenten, um Ihre Workflows für maschinelles Lernen zu beschleunigen

-Übersicht

JupyterLab in Amazon SageMaker AI beinhaltet die Unterstützung eines integrierten Codierungsassistenten über das Agent Context Protocol (ACP). Standardmäßig ist der Kiro Coding Assistant im Chat-Panel vorkonfiguriert und bietet AI-powered Codevervollständigung, Debugging-Unterstützung und interaktiven Codierungssupport direkt in Ihrer Umgebung. JupyterLab

Wenn Sie Programmierassistenten in Amazon SageMaker AI verwenden JupyterLab, lädt der Bereich automatisch relevante Amazon SageMaker AI-Skills in den Kontext Ihres Assistenten. Diese Skills werden aus dem GitHub AWSLabs-Repository geladen und bieten Fachwissen über SageMaker APIs, ML-Workflows, bewährte Methoden und gängige Muster, sodass Ihr Programmierassistent Ihnen genauere Anleitungen geben kann. SageMaker-specific

Darüber hinaus können Sie andere ACP-compatible Codierungsassistenten Ihrer Wahl konfigurieren, sodass Sie flexibel mit den Tools arbeiten können, die am besten zu Ihrem Arbeitsablauf passen. ACP-compatible Assistenten können von derselben Amazon SageMaker AI Skills-Integration profitieren, wenn sie in Amazon SageMaker AI verwendet werden JupyterLab.

Was ist das Agent Context Protocol (ACP)?

Das Agent Context Protocol (ACP) ist ein offenes Protokoll, das die Kommunikation zwischen Code-Editoren und KI-Codierungsagenten standardisiert. Das bedeutet, dass Sie zwischen verschiedenen Codierungsassistenten wechseln können, ohne neue Benutzeroberflächen oder Workflows erlernen zu müssen.

Mindestanforderungen

Erste Schritte

Schritt 1: Öffne oder erstelle einen Space mit SageMaker JupyterLab

Schritt 2: Beginne, Kiro im Chat-Panel zu verwenden:

Kiro benötigt eine Authentifizierung, bevor du es als deinen Programmierassistenten verwenden kannst. Das Chat-Panel führt dich durch den Authentifizierungsprozess.

Hinweis: Wenn du Kiro zum ersten Mal in einem Space verwendest, wirst du aufgefordert, dich einzuloggen. Um dich einzuloggen, folge den Anweisungen im Chat oder folge hier:

Wählen Sie eine der 3 Anmeldeoptionen im Terminal:

Folgen Sie den Anweisungen und Bildschirmen für die gewählte Option.

Beispiel für Eingabeaufforderungen:

In Kiro auf Amazon SageMaker AI Skills zugreifen

Amazon SageMaker AI Skills sind automatisch verfügbar, wenn Sie Kiro in verwenden. SageMaker JupyterLab Diese Skills werden aus dem GitHub AWSLabs-Repository geladen und in den .agent/skills Ordnern .kiro/skills und in Ihrer JupyterLab Umgebung gespeichert, sodass sie mit allen Agenten kompatibel sind, die aus diesen Verzeichnissen geladen werden.

Die Fähigkeiten können aktualisiert werden, sodass Sie von den neuesten SageMaker Best Practices und API-Mustern profitieren können, wenn sie sich weiterentwickeln. Um Ihre Skills zu aktualisieren, können Sie die neuesten Versionen aus dem AWSLabs-Repository abrufen. Sie können den folgenden Befehl ausführen, um Ihre Skills für die Verwendung mit Kiro zu aktualisieren:

npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent kiro-cli --copy

Weitere Informationen zu anderen Agenten findest du in der README-Datei zu SageMaker KI Skills. Um die verfügbaren Fähigkeiten in Ihrer Umgebung anzuzeigen, navigieren Sie im JupyterLab Dateibrowser zu dem .kiro/skills Ordner.

Im Rahmen neuer SageMaker Distributionsversionen (SMD) stellen wir aktualisierte Versionen der Skills zur Verfügung. Wir aktualisieren Skills automatisch, sofern sie nicht vom Benutzer innerhalb eines Bereichs geändert oder gelöscht wurden. Wenn du deine Skills manuell aktualisierst oder modifizierst, verwende bitte die obigen npx Befehle, um deine Skills zu aktualisieren oder zurückzusetzen.

Konfiguration anderer Programmierassistenten mit JupyterLab KI

Amazon SageMaker AI JupyterLab unterstützt jeden Codierungsassistenten, der das Agent Context Protocol (ACP) implementiert. Zu den Assistenten, die ACP unterstützen, gehören beispielsweise:

Um einen anderen ACP-compatible Codierungsassistenten zu verwenden:

Bitte beachten Sie, dass Sie speziell für Claude Code ihn so konfigurieren können, dass AWS Bedrock als Backend verwendet wird. Halten Sie sich an die Voraussetzungen im Claude-Code-Handbuch, insbesondere um den Zugriff auf das Bedrock-Modell zu aktivieren und Ihrer Ausführungsrolle den Zugriff auf und zu gewähren. bedrock:InvokeModel bedrock:InvokeModelWithResponseStream Erstellen Sie dann die folgende Datei, um Claude Code für die Verwendung von Bedrock zu konfigurieren.

~/.claude/settings.json:

{
  "env": {
    "CLAUDE_CODE_USE_BEDROCK": "1"
  }
}

Zwischen Assistenten wechseln

Sie können jederzeit zwischen verschiedenen Codierungsassistenten wechseln:

Jeder Assistent behält seinen eigenen Konversationskontext bei, sodass Sie bei Bedarf für verschiedene Aufgaben hin- und herwechseln können.

Zwischen den Kiro-Profilen wechseln

Kiro in Amazon SageMaker AI JupyterLab unterstützt mehrere Profile, die für verschiedene Workflows und Anwendungsfälle optimiert sind. Sie können zwischen Profilen wechseln, um auf verschiedene Funktionen und Verhaltensweisen zuzugreifen, die auf Ihre aktuelle Aufgabe zugeschnitten sind. Amazon SageMaker AI JupyterLab enthält die folgenden Kiro-Profile:

Um zwischen den Kiro-Profilen zu wechseln in: JupyterLab

Weitere Ressourcen