Self-managed stratégie

Une stratégie autogérée dans Amazon Bedrock AgentCore Memory vous permet de contrôler totalement vos pipelines d'extraction et de consolidation de la mémoire. Grâce à une stratégie autogérée, vous pouvez créer des flux de travail de traitement de mémoire personnalisés tout en tirant parti d'Amazon Bedrock AgentCore pour le stockage et la récupération.

Une stratégie autogérée associée aux opérations par lots (BatchCreateMemoryRecords, BatchUpdateMemoryRecords, BatchDeleteMemoryRecords) vous permet d'ingérer directement ces enregistrements extraits dans la AgentCore mémoire d'Amazon Bedrock pour les fonctionnalités de recherche.

Grâce aux stratégies autogérées, vous pouvez :

Créez et utilisez une stratégie autogérée

Self-managed les stratégies suivent un processus en cinq étapes, de la configuration du déclencheur au stockage des enregistrements en mémoire.

Conditions préalables

Avant de configurer des stratégies autogérées, vérifiez que vous disposez des éléments suivants :

Configuration de l'infrastructure

Créez les AWS ressources requises, notamment le compartiment S3, le sujet SNS et le rôle IAM, dont Amazon Bedrock AgentCore a besoin pour accéder à vos ressources.

Étape 1 : créer un compartiment S3

Créez un compartiment S3 dans votre compte dans lequel Amazon Bedrock AgentCore fournira des charges utiles d'événements par lots.

Étape 2 : créer une rubrique SNS

Créez une rubrique SNS pour les notifications d'offres d'emploi. Utilisez les rubriques FIFO si le traitement des commandes au cours des sessions est important pour votre cas d'utilisation.

Étape 3 : Création d'un rôle IAM

Créez un rôle IAM qu'Amazon Bedrock AgentCore peut assumer pour accéder à vos ressources.

Politique d’approbation

Utilisez la politique de confiance suivante :

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Principal": {
                "Service": "bedrock-agentcore.amazonaws.com"
            },
            "Action": "sts:AssumeRole",
            "Condition": {
                "ArnLike": {
                    "aws:SourceArn": "arn:aws:bedrock-agentcore:<region>:<account-id>:memory/*"
                }
            }
        }
    ]
}

Politique d’autorisations

Utilisez la politique d'autorisation suivante :

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "S3PayloadDelivery",
            "Effect": "Allow",
            "Action": [
                "s3:GetBucketLocation",
                "s3:PutObject"
            ],
            "Resource": [
                "arn:aws:s3:::your-agentcore-payloads-bucket",
                "arn:aws:s3:::your-agentcore-payloads-bucket/*"
            ]
        },
        {
            "Sid": "SNSNotifications",
            "Effect": "Allow",
            "Action": [
                "sns:GetTopicAttributes",
                "sns:Publish"
            ],
            "Resource": "arn:aws:sns:us-east-1:123456789012:agentcore-memory-jobs"
        }
    ]
}

Autorisations KMS supplémentaires (si vous utilisez des ressources chiffrées)

Si vous utilisez des ressources chiffrées, ajoutez les autorisations KMS suivantes :

{
    "Sid": "KMSPermissions",
    "Effect": "Allow",
    "Action": [
        "kms:GenerateDataKey",
        "kms:Decrypt"
    ],
    "Resource": "arn:aws:kms:us-east-1:123456789012:key/your-key-id"
}

Créez une stratégie autogérée

Utilisez les API du plan de AgentCore contrôle Amazon Bedrock pour créer ou mettre à jour une AgentCore mémoire avec des stratégies autogérées.

Autorisations requises

Votre utilisateur ou rôle IAM a besoin de :

Créez une AgentCore mémoire avec une stratégie autogérée

Utilisez l'CreateMemoryopération du AWS SDK pour créer une AgentCore mémoire dotée d'une stratégie autogérée.

aws bedrock-agentcore-control create-memory \
  --name "MyCustomMemory" \
  --description "Memory with self-managed extraction strategy" \
  --memory-execution-role-arn "arn:aws:iam::123456789012:role/AgentCoreMemoryRole" \
  --event-expiry-duration 90 \
  --memory-strategies '[
    {
      "customMemoryStrategy": {
        "name": "SelfManagedExtraction",
        "description": "Custom extraction strategy",
        "configuration": {
          "selfManagedConfiguration": {
            "triggerConditions": [
              {
                "messageBasedTrigger": {
                  "messageCount": 6
                }
              },
              {
                "tokenBasedTrigger": {
                  "tokenCount": 1000
                }
              },
              {
                "timeBasedTrigger": {
                  "idleSessionTimeout": 30
                }
              }
            ],
            "historicalContextWindowSize": 2,
            "invocationConfiguration": {
              "payloadDeliveryBucketName": "your-agentcore-payloads-bucket",
              "topicArn": "arn:aws:sns:us-east-1:123456789012:agentcore-memory-jobs"
            }
          }
        }
      }
    }
  ]'

Comprendre la livraison de la charge utile

Lorsque les conditions de déclenchement sont remplies, Amazon Bedrock AgentCore envoie des notifications et des charges utiles à l'aide de schémas spécifiques.

Message de notification SNS

{
  "jobId": "unique-job-identifier",
  "s3PayloadLocation": "s3://bucket/path/to/payload.json",
  "memoryId": "your-memory-id",
  "strategyId": "your-strategy-id"
}

Structure de charge utile S3

{
  "requestId": "request-identifier",
  "accountId": "123456789012",
  "memoryId": "your-memory-id",
  "actorId": "user-or-agent-id",
  "sessionId": "conversation-session-id",
  "strategyId": "your-strategy-id",
  "startingTimestamp": 1634567890,
  "endingTimestamp": 1634567920,
  "currentContext": [
    {
      "role": "USER",
      "content": {
        "text": "User message content"
      }
    },
    {
      "role": "ASSISTANT",
      "content": {
        "text": "Assistant response"
      }
    }
  ],
  "historicalContext": [
    {
      "role": "USER",
      "content": {
        "text": "User message content"
      }
    },
    {
      "role": "ASSISTANT",
      "content": {
        "text": "Previous assistant response"
      }
    },
    {
      "blob": "{}",
    }
  ]
}

Créez votre pipeline personnalisé

Cette section présente une approche permettant de créer un pipeline de traitement de mémoire autogéré à l'aide de AWS Lambda et SQS. Ce n'est qu'un exemple : vous pouvez implémenter votre pipeline à l'aide de n'importe quelle plate-forme informatique (EC2, ECS, Fargate), de toute logique et de tout cadre de traitement répondant à vos exigences.

Étape 1 : configurer le calcul

Étape 2 : Traiter le pipeline

L'exemple de pipeline suivant comprend quatre composants principaux :

Testez votre implémentation

Exemple : création d'événements de test

aws bedrock-agentcore create-event \
  --memory-id "your-memory-id" \
  --actor-id "test-user" \
  --session-id "test-session-1" \
  --event-timestamp "2024-01-15T10:00:00Z" \
  --payload '[{
    "conversational": {
      "content": {"text": "I prefer Italian restaurants with outdoor seating"},
      "role": "USER"
    }
  }]'

Exemple : récupération d'enregistrements en mémoire

# List records belonging to a specific namespace
aws bedrock-agentcore list-memory-records \
  --memory-id "your-memory-id" \
  --namespace "/actor/Jane/" # lists all records present in the given namespace

# List records belonging to a particular namespace hierarchy
aws bedrock-agentcore list-memory-records \
  --memory-id "your-memory-id" \
  --namespace-path "/" # lists all records present under the namespace hierarchy

Bonnes pratiques

Suivez ces meilleures pratiques en matière de performances, de fiabilité, d'optimisation des coûts et de sécurité lors de la mise en œuvre de stratégies autogérées.

Performances et fiabilité

Optimisation des coûts

Considérations relatives au traitement

Sécurité