Self-managed strategi

Strategi yang dikelola sendiri di Amazon Bedrock AgentCore Memory memberi Anda kendali penuh atas ekstraksi memori dan pipeline konsolidasi Anda. Dengan strategi yang dikelola sendiri, Anda dapat membangun alur kerja pemrosesan memori khusus sambil memanfaatkan Amazon AgentCore Bedrock untuk penyimpanan dan pengambilan.

Strategi yang dikelola sendiri dalam kombinasi dengan operasi batch (BatchCreateMemoryRecords,, BatchDeleteMemoryRecords) BatchUpdateMemoryRecords, memungkinkan Anda langsung memasukkan catatan yang diekstraksi ini ke dalam AgentCore memori Amazon Bedrock untuk kemampuan pencarian.

Dengan strategi yang dikelola sendiri, Anda dapat:

Buat dan gunakan strategi yang dikelola sendiri

Self-managed strategi mengikuti proses lima langkah dari konfigurasi pemicu ke penyimpanan catatan memori.

Prasyarat

Sebelum menyiapkan strategi yang dikelola sendiri, verifikasi bahwa Anda memiliki:

Menyiapkan infrastruktur

Buat AWS sumber daya yang diperlukan termasuk bucket S3, topik SNS, dan peran IAM yang AgentCore dibutuhkan Amazon Bedrock untuk mengakses sumber daya Anda.

Langkah 1: Buat ember S3

Buat bucket S3 di akun Anda di mana Amazon Bedrock AgentCore akan mengirimkan muatan acara batch.

Langkah 2: Buat topik SNS

Buat topik SNS untuk pemberitahuan pekerjaan. Gunakan topik FIFO jika memproses pesanan dalam sesi penting untuk kasus penggunaan Anda.

Langkah 3: Buat peran IAM

Buat peran IAM yang AgentCore dapat diasumsikan oleh Amazon Bedrock untuk mengakses sumber daya Anda.

Kebijakan kepercayaan

Gunakan kebijakan kepercayaan berikut:

{
    "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/*"
                }
            }
        }
    ]
}

Kebijakan izin

Gunakan kebijakan izin berikut:

{
    "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"
        }
    ]
}

Izin KMS tambahan (jika menggunakan sumber daya terenkripsi)

Jika Anda menggunakan sumber daya terenkripsi, tambahkan izin KMS berikut:

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

Buat strategi yang dikelola sendiri

Gunakan API bidang AgentCore kontrol Amazon Bedrock untuk membuat atau memperbarui AgentCore Memori dengan strategi yang dikelola sendiri.

Izin yang diperlukan

Kebutuhan pengguna atau peran IAM Anda:

Buat AgentCore Memori dengan strategi yang dikelola sendiri

Gunakan CreateMemory operasi AWS SDK untuk membuat AgentCore Memori yang memiliki strategi yang dikelola sendiri.

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"
            }
          }
        }
      }
    }
  ]'

Memahami pengiriman muatan

Saat kondisi pemicu terpenuhi, Amazon Bedrock AgentCore mengirimkan notifikasi dan muatan menggunakan skema tertentu.

Pesan notifikasi SNS

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

Struktur muatan 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": "{}",
    }
  ]
}

Bangun pipeline kustom Anda

Bagian ini menunjukkan satu pendekatan untuk membangun pipeline pemrosesan memori yang dikelola sendiri menggunakan AWS Lambda dan SQS. Ini hanyalah satu contoh - Anda dapat mengimplementasikan pipeline Anda menggunakan platform komputasi apa pun (EC2, ECS, Fargate), logika, dan kerangka pemrosesan yang memenuhi persyaratan Anda.

Langkah 1: Mengatur komputasi

Langkah 2: Proses pipa

Contoh pipa berikut terdiri dari empat komponen utama:

Uji implementasi Anda

Contoh: Membuat acara uji

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"
    }
  }]'

Contoh: Mengambil catatan memori

# 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

Praktik terbaik

Ikuti praktik terbaik ini untuk kinerja, keandalan, pengoptimalan biaya, dan keamanan saat menerapkan strategi yang dikelola sendiri.

Kinerja dan keandalan

Optimalisasi biaya

Pertimbangan pemrosesan

Keamanan