Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Ejecute solicitudes de API de Amazon Bedrock de ejemplo con AWS Command Line Interface
En esta sección, se explica cómo probar algunas operaciones habituales en Amazon Bedrock AWS Command Line Interface para comprobar que los permisos y la autenticación están configurados correctamente. Antes de ejecutar los siguientes ejemplos, debe comprobar que cumple los requisitos previos que se indican a continuación:
**Requisitos previos**
+ Tiene un Cuenta de AWS usuario o rol con la autenticación configurada y los permisos necesarios para Amazon Bedrock. De lo contrario, siga estos pasos en [Introducción a la API](getting-started-api.md).
+ Ha instalado y configurado la autenticación para la AWS CLI. Para instalar el AWS CLI, siga los pasos que se indican en [Instalar o actualizar a la versión más reciente del AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html). Compruebe que ha configurado sus credenciales para usar la CLI siguiendo los pasos que se indican en [Obtención de credenciales para conceder acceso programático](getting-started-api.md#gs-grant-program-access).
Compruebe que sus permisos estén configurados correctamente para Amazon Bedrock con un usuario o rol que haya configurado con los permisos adecuados.
**Topics**
+ [Enumeración de los modelos fundacionales que ofrece Amazon Bedrock](#getting-started-api-ex-cli-listfm)
+ [Envíe un mensaje de texto a una modelo y genere una respuesta de texto con InvokeModel](#getting-started-api-ex-cli-invoke-text)
+ [Envío de una petición de texto a un modelo y generación de una respuesta de texto con Converse](#getting-started-api-ex-cli-converse)
## Enumeración de los modelos fundacionales que ofrece Amazon Bedrock
En el siguiente ejemplo, se ejecuta la [ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)operación mediante AWS CLI. `ListFoundationModels`muestra los modelos de base (FMs) que están disponibles en Amazon Bedrock en su región. En un terminal, ejecute el siguiente comando:
```
aws bedrock list-foundation-models
```
Si el comando se ejecuta correctamente, la respuesta devuelve una lista de modelos fundacionales que están disponibles en Amazon Bedrock.
## Envíe un mensaje de texto a una modelo y genere una respuesta de texto con InvokeModel
En el siguiente ejemplo, se ejecuta la [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)operación mediante AWS CLI. `InvokeModel`permite enviar una solicitud para generar una respuesta modelo. En un terminal, ejecute el siguiente comando:
```
aws bedrock-runtime invoke-model \
--model-id amazon.titan-text-express-v1 \
--body '{"inputText": "Describe the purpose of a \"hello world\" program in one line.", "textGenerationConfig" : {"maxTokenCount": 512, "temperature": 0.5, "topP": 0.9}}' \
--cli-binary-format raw-in-base64-out \
invoke-model-output-text.txt
```
Si el comando se ejecuta correctamente, la respuesta generada por el modelo se escribe en el archivo `invoke-model-output-text.txt`. La respuesta de texto se devuelve en el campo `outputText`, junto con la información correspondiente.
## Envío de una petición de texto a un modelo y generación de una respuesta de texto con Converse
En el siguiente ejemplo, [se ejecuta la operación de conversión](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) mediante. AWS CLI`Converse`permite enviar una solicitud para generar una respuesta modelo. Recomendamos utilizar la operación `Converse` en lugar de `InvokeModel` cuando sea compatible, ya que unifica la solicitud de inferencia en todos los modelos de Amazon Bedrock y simplifica la administración de las conversaciones en varios turnos. En un terminal, ejecute el siguiente comando:
```
aws bedrock-runtime converse \
--model-id amazon.titan-text-express-v1 \
--messages '[{"role": "user", "content": [{"text": "Describe the purpose of a \"hello world\" program in one line."}]}]' \
--inference-config '{"maxTokens": 512, "temperature": 0.5, "topP": 0.9}'
```
Si el comando se ejecuta correctamente, la respuesta generada por el modelo se devuelve en el campo `text`, junto con la información correspondiente.