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.

Server-side uso de herramientas

Si usas la API Responses para invocar el modelo, este puede usar las llamadas a herramientas del lado del servidor, además de las llamadas a las herramientas del lado del cliente que mencionamos anteriormente. Server-side La llamada a herramientas es un mecanismo en el que las herramientas (API, funciones, flujos de trabajo) se ejecutan en un entorno de backend confiable, no en el cliente. Esto mejora la seguridad, la confiabilidad y la postura de gobierno de la aplicación. Antes de ejecutar la función Lambda que implementa el uso de la herramienta, Amazon Bedrock se asegura de que la función Lambda tenga la misma política de IAM que la aplicación que la llama. Como Amazon Bedrock gestiona la ejecución de las herramientas, los clientes pueden centrarse en implementar su lógica empresarial, en lugar de añadir la funcionalidad de las herramientas. Amazon Bedrock también cumple con los estándares de gobierno más exigentes, como los que cumplen con las normas ISO, SOC e HIPAA. Puede enviar su propia función Lambda personalizada para ejecutar la herramienta o utilizar las herramientas predefinidas existentes, como notas y tareas. Server-side Las herramientas que utilizan la API Responses están disponibles a partir de los 20B/120B modelos GPT OSS, y pronto serán compatibles con otros modelos. Puedes usar la API de modelos para descubrir los modelos disponibles que puedes usar con la API de respuestas. Para obtener más información sobre la API de respuestas, consulte Generar respuestas con las API de OpenAI.

Hay dos tipos de herramientas que puede utilizar con Amazon Bedrock: herramientas personalizadas con Lambda o herramientas predefinidas compatibles con Amazon Bedrock. En esta sección se explica cómo crear una herramienta Lambda personalizada con la API Responses. En las siguientes secciones se describe cada tipo en detalle.

Herramientas personalizadas que utilizan Lambda en la API Responses

Al utilizar una función de Lambda como herramienta personalizada en Amazon Bedrock, puede ampliar las capacidades del agente integrando funciones de Lambda personalizadas como herramientas. Con esto, puede crear herramientas escalables y sin servidor a las que puedan acceder los asistentes de IA y otras aplicaciones a través del Model Context Protocol (MCP). Estas son las ventajas de esta función:

Para permitir que un modelo de Amazon Bedrock utilice una herramienta para completar la respuesta de un mensaje, debe enviar el mensaje y las definiciones de una o más herramientas al modelo. En función de la solicitud de la aplicación, si el modelo determina que una de las herramientas puede ayudar a generar una respuesta, devuelve una solicitud para que Amazon Bedrock utilice la herramienta y envíe los resultados de la herramienta al modelo. En su respuesta, el modelo utiliza los resultados para generar una respuesta para el mensaje original.

En los pasos siguientes se muestra cómo utilizar una herramienta con la API de respuestas.

Cómo funciona

Paso 1: Defina la función Lambda para obtener la canción más popular

Cree una función Lambda que implemente el protocolo MCP. Este es un ejemplo sencillo de Python:

import json

def lambda_handler(event, context):
    # Parse JSON-RPC request
    method = event.get('method')
    params = event.get('params', {})
    request_id = event.get('id')
    
    if method == 'tools/list':
        return {
            "jsonrpc": "2.0",
            "id": request_id,
            "result": {
                "tools": [
                    {
                        "name": "my_custom_tool",
                        "description": "My custom business logic tool",
                        "inputSchema": {
                            "type": "object",
                            "properties": {
                                "input": {
                                    "type": "string",
                                    "description": "Input text to process"
                                }
                            },
                            "required": ["input"]
                        }
                    }
                ]
            }
        }
    elif method == 'tools/call':
        tool_name = params.get('name')
        arguments = params.get('arguments', {})
        
        if tool_name == 'my_custom_tool':
            # Your custom logic here
            result = f"Processed: {arguments.get('input', '')}"
            return {
                "jsonrpc": "2.0",
                "id": request_id,
                "result": {
                    "content": [
                        {
                            "type": "text",
                            "text": result
                        }
                    ]
                }
            }
    
    # Error response for unsupported methods
    return {
        "jsonrpc": "2.0",
        "id": request_id,
        "error": {
            "code": -32601,
            "message": "Method not found"
        }
    }

Paso 2: Implemente la función Lambda

A continuación, utilice su función de IAM para implementar esta función de Lambda y obtener un ARN. Puede obtener más información en la Guía para desarrolladores de Lambda, en la Guía para desarrolladores de Lambda.

# Example using AWS CLI
aws lambda create-function \
  --function-name my-custom-tool \
  --runtime python3.14 \
  --role arn:aws:iam::YOUR-ACCOUNT:role/lambda-execution-role \
  --handler lambda_function.lambda_handler \
  --zip-file fileb://function.zip

Supongamos que su ARN es: arn:aws:lambda:us-west-2:123456789012:function:my-custom-tool

Paso 3: Defina la definición del mensaje y la herramienta en su solicitud de inferencia

Para enviar el mensaje y la definición de la herramienta, utiliza las operaciones de la API de respuestas. Amazon Bedrock utiliza los conectores y la funcionalidad de los servidores MCP remotos de la API Responses para ofrecer la capacidad de utilizar las herramientas. La definición de la herramienta es un esquema JSON que se transfiere en el parámetro de solicitud mcp a la operación Create. En el connector_id campo de la API de conectores de respuestas, puede introducir el ARN de Lambda que creó en el paso anterior. No es necesario que proporcione las credenciales de autorización porque Amazon Bedrock utiliza las mismas políticas y funciones de IAM que se utilizan para la aplicación que invoca el modelo. El siguiente es un esquema de ejemplo para una herramienta que obtiene la canción más popular de una emisora de radio.

from openai import OpenAI

client = OpenAI()

resp = client.responses.create(
    model="oss-gpt-120b",
    tools=[
        {
            "type": "mcp",
            "server_label": "xamzn_arn",
            "connector_id": "arn:aws:lambda:us-west-2:123456789012:function:my-custom-tool",
            "require_approval": "never",
        },
    ],
    input="My custom prompt.",
)

print(resp.output_text)

Paso 4: Bedrock llama a la herramienta y devuelve la respuesta al modelo

La posibilidad de utilizar la herramienta de conexión está disponible en los modelos compatibles con la API de respuestas. Comprueba qué herramientas son compatibles con tu modelo en Generar respuestas con las API de OpenAI. Cuando utilizas herramientas que utilizan la API de respuestas, solo pagas por los tokens que se utilizan al importar definiciones de herramientas o realizar llamadas a herramientas. No se aplican tarifas adicionales por cada uso de herramientas.

Al especificar una función de Lambda en el tools parámetro, la API intentará obtener una lista de herramientas del servidor. Si se recupera correctamente la lista de herramientas, aparecerá un nuevo elemento de mcp_list_tools salida en el resultado de la respuesta del modelo. La tools propiedad de este objeto mostrará las herramientas que se importaron correctamente. Una vez que el modelo tenga acceso a estas definiciones de herramientas, puede optar por llamarlas en función del contexto del modelo. Cuando el modelo decida llamar a una herramienta Lambda, la API solicitará a la función Lambda que llame a la herramienta y coloque su resultado en el contexto del modelo. Puedes obtener más información sobre la lista de herramientas y herramientas de llamada en la documentación de OpenAI. Tenga en cuenta que su función de Lambda debe tener las mismas funciones y políticas de IAM asociadas a las de la aplicación que llama al modelo en Amazon Bedrock; de lo contrario, la función de Lambda fallará. La siguiente es la definición del error.

{
    "jsonrpc": "2.0",
    "id": 1,
    "error": {
        "code": -32000,
        "message": "Tool execution failed",
        "data": "Additional error details"
    }
}

Uso de las herramientas AWS proporcionadas en la API de respuestas

Se AWS proporcionan dos herramientas integradas en los openai.gpt-oss-120b modelos openai.gpt-oss-20b and: la Note-taking funcionalidad (herramienta de notas) y la administración de tareas (herramienta de tareas). Estas herramientas están disponibles automáticamente; no es necesario definirlas en el tools parámetro.

Descripción general de la herramienta de notas

La notes herramienta permite al modelo almacenar notas dentro de la misma sesión de conversación. Esto proporciona un mecanismo de memoria simple para mantener el contexto en múltiples interacciones. La memoria se limita únicamente a la conversación actual.

Cuando el modelo usa la herramienta de notas, emite una mcp_call salida con el valor name establecido en. "notes" El modelo determina los argumentos apropiados en función de su solicitud.

Puedes usar cualquier lenguaje natural (por ejemplo, «Recuerda que mi color favorito es el azul», «¿Qué te dije sobre mi color favorito?» , «Guarda el hecho de que prefiero las reuniones matutinas», «Recuerda lo que he dicho acerca de las preferencias de las reuniones») o puedes usar llamadas directas en tus mensajes («Usa la herramienta de notas para guardar mi correo electrónico como john@example.com «, «Comprueba las notas de mi dirección de correo electrónico»).

Descripción general de la herramienta de tareas

La tasks herramienta proporciona una pila para administrar las tareas dentro de una sesión de conversación. Puedes añadir tareas a la pila y eliminarlas, lo que resulta útil para gestionar los flujos de trabajo, los recordatorios o la gestión jerárquica de tareas. Las tareas persisten durante toda la sesión de conversación. La memoria se limita únicamente a la conversación actual.

Cuando el modelo usa la herramienta de tareas, emite una mcp_call salida con el valor name establecido en. "tasks" El modelo determina los argumentos apropiados (como methodtask.title, ytask.description) en función de su solicitud.

Puedes utilizar un lenguaje natural para llamar a la herramienta de tareas (por ejemplo, «Añade una tarea para revisar el presupuesto», «Envía un recordatorio para llamar al cliente» o «¿Cuál es la siguiente tarea que tengo que hacer?» , «Mostrar la tarea más reciente», «Obtener la tarea más reciente de mi pila») o puedes llamar a la herramienta directamente en tu mensaje («Usa la herramienta de tareas para pulsar 'finalizar presentación'», «Sacar una tarea de la pila», «Añadir 'programar reunión' a mi lista de tareas»).

Ejemplo de código: uso de las herramientas de notas y tareas

Las herramientas de notas y tareas están integradas en los openai.gpt-oss-120b modelos openai.gpt-oss-20b y. No es necesario definirlos de forma explícita en el tools parámetro; basta con hacer referencia a ellos en la solicitud:

from openai import OpenAI

client = OpenAI(
    base_url="https://bedrock-mantle.us-east-1.api.aws/v1"
)

# The notes tool is built-in — just ask the model to use it
resp = client.responses.create(
    model="openai.gpt-oss-120b",
    input="Use the notes tool to store that my preferred language is Python.",
)

print(resp.output)
# The model automatically calls the notes tool via mcp_call

# Use the tasks tool to push a task
resp = client.responses.create(
    model="openai.gpt-oss-120b",
    input="Use the tasks tool to push a task: review the API documentation",
)

print(resp.output)

Server-side integración de uso de herramientas con Gateway AgentCore

Amazon Bedrock ahora admite AgentCore Gateway como una herramienta del lado del servidor que llama al tipo de integración. Con esta función, puede conectar sus modelos directamente a los puntos de enlace de AgentCore Gateway para acceder sin problemas a las herramientas administradas a través de la infraestructura de gateway.

La integración de AgentCore Gateway sigue el mismo patrón que la integración de funciones de Lambda, con una diferencia clave.

Integración de Lambda:

AgentCore Integración de Gateway:

Configuración

Estructura de solicitudes

Al configurar AgentCore Gateway como fuente de herramientas, usa la siguiente estructura en tu tools matriz cuando solicites la API de respuestas.

{
  "type":"mcp",
  "server_label":"agentcore_tools",
  "connector_id":"arn:aws:bedrock-agentcore:us-west-2:342789630635:gateway/agentcore-intro-gateway-v2-swvq44sovp",
  "server_description":"AgentCore Gateway providing custom tools",
  "require_approval":"never"
}

Parámetros

Ejemplo de solicitud completo

{
  "model":"openai.gpt-oss-120b",
  "stream":true,
  "background":false,
  "store":false,
  "tools": [
    {
      "type":"mcp",
      "server_label":"agentcore_tools",
      "connector_id":"arn:aws:bedrock-agentcore:us-west-2:342789630635:gateway/agentcore-intro-gateway-v2-swvq44sovp",
      "server_description":"AgentCore Gateway providing custom tools",
      "require_approval":"never"
    }
  ],
  "input": [
    {
      "type":"message",
      "role":"user",
      "content": [
        {
          "type":"input_text",
          "text":"What is the weather in Seattle?"
        }
      ]
    }
  ]
}

Requisitos previos

Antes de usar la integración de AgentCore Gateway, asegúrese de tener:

Ventajas de la integración de AgentCore Gateway

Permisos de IAM

Su rol de ejecución de Bedrock necesita permiso para invocar el Gateway: AgentCore

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": [
        "bedrock-agentcore:InvokeGateway"
      ],
      "Resource": "arn:aws:bedrock-agentcore:us-west-2:342789630635:gateway/agentcore-intro-gateway-v2-swvq44sovp"
    }
  ]
}

Siguientes pasos