Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Esegui esempi di richieste API Amazon Bedrock tramite l' AWS SDK for Python (Boto3)
<a name="getting-started-api-ex-python"></a>

Questa sezione ti guida a provare alcune operazioni comuni in Amazon Bedrock AWS Python per verificare che le autorizzazioni e l'autenticazione siano configurate correttamente. Prima di eseguire i seguenti esempi, devi verificare di aver soddisfatto i seguenti prerequisiti:

**Prerequisiti**
+ Hai un Account AWS utente o un ruolo con autenticazione configurata e le autorizzazioni necessarie per Amazon Bedrock. In caso contrario, segui le fasi in [Iniziare a utilizzare l’API](getting-started-api.md).
+ Hai installato e configurato l'autenticazione per l' AWS SDK for Python (Boto3). Per installare Boto3, segui la procedura indicata alla pagina [Quickstart](https://boto3.amazonaws.com/v1/documentation/api/latest/guide/quickstart.html) della documentazione di Boto3. Verifica di aver configurato le credenziali per utilizzare Boto3 seguendo la procedura indicata alla pagina [Ottenere le credenziali per concedere l’accesso programmatico](getting-started-api.md#gs-grant-program-access).

Verifica che le tue autorizzazioni siano configurate correttamente per Amazon Bedrock, utilizzando un utente o un ruolo che hai configurato con le autorizzazioni appropriate. 

La documentazione di Amazon Bedrock include anche esempi di codice per altri linguaggi di programmazione. Per ulteriori informazioni, consulta [Esempi di codice per l'utilizzo di Amazon Bedrock AWS SDKs](service_code_examples.md).

**Topics**
+ [Elencare i modelli di fondazione offerti da Amazon Bedrock](#getting-started-api-ex-python-listfm)
+ [Invia un messaggio di testo a un modello e genera una risposta di testo con InvokeModel](#getting-started-api-ex-python-invoke-text)
+ [Inviare un prompt di testo a un modello e generare una risposta testuale con Converse](#getting-started-api-ex-python-converse)

## Elencare i modelli di fondazione offerti da Amazon Bedrock
<a name="getting-started-api-ex-python-listfm"></a>

L'esempio seguente esegue l'[ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)operazione utilizzando un client Amazon Bedrock. `ListFoundationModels`elenca i modelli base (FMs) disponibili in Amazon Bedrock nella tua regione. Esegui il seguente script SDK for Python per creare un client Amazon Bedrock e testarne il funzionamento: [ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)

```
"""
Lists the available Amazon Bedrock models in an &AWS-Region;.
"""
import logging
import json
import boto3


from botocore.exceptions import ClientError


logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)


def list_foundation_models(bedrock_client):
    """
    Gets a list of available Amazon Bedrock foundation models.

    :return: The list of available bedrock foundation models.
    """

    try:
        response = bedrock_client.list_foundation_models()
        models = response["modelSummaries"]
        logger.info("Got %s foundation models.", len(models))
        return models

    except ClientError:
        logger.error("Couldn't list foundation models.")
        raise


def main():
    """Entry point for the example. Change aws_region to the &AWS-Region;
    that you want to use."""
   
    aws_region = "us-east-1"

    bedrock_client = boto3.client(service_name="bedrock", region_name=aws_region)
    
    fm_models = list_foundation_models(bedrock_client)
    for model in fm_models:
        print(f"Model: {model["modelName"]}")
        print(json.dumps(model, indent=2))
        print("---------------------------\n")
    
    logger.info("Done.")

if __name__ == "__main__":
    main()
```

Se lo script ha esito positivo, la risposta restituisce un elenco di modelli di fondazione disponibili in Amazon Bedrock.

## Invia un messaggio di testo a un modello e genera una risposta di testo con InvokeModel
<a name="getting-started-api-ex-python-invoke-text"></a>

L'esempio seguente esegue l'[InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)operazione utilizzando un client Amazon Bedrock. `InvokeModel`consente di inviare un prompt per generare una risposta modello. Esegui il seguente script SDK per Python per creare un client di runtime Amazon Bedrock e generare una risposta testuale con l’operazione ``:

```
# Use the native inference API to send a text message to Amazon Titan Text G1 - Express.

import boto3
import json

from botocore.exceptions import ClientError

# Create an Amazon Bedrock Runtime client.
brt = boto3.client("bedrock-runtime")

# Set the model ID, e.g., Amazon Titan Text G1 - Express.
model_id = "amazon.titan-text-express-v1"

# Define the prompt for the model.
prompt = "Describe the purpose of a 'hello world' program in one line."

# Format the request payload using the model's native structure.
native_request = {
    "inputText": prompt,
    "textGenerationConfig": {
        "maxTokenCount": 512,
        "temperature": 0.5,
        "topP": 0.9
    },
}

# Convert the native request to JSON.
request = json.dumps(native_request)

try:
    # Invoke the model with the request.
    response = brt.invoke_model(modelId=model_id, body=request)

except (ClientError, Exception) as e:
    print(f"ERROR: Can't invoke '{model_id}'. Reason: {e}")
    exit(1)

# Decode the response body.
model_response = json.loads(response["body"].read())

# Extract and print the response text.
response_text = model_response["results"][0]["outputText"]
print(response_text)
```

Se il comando ha esito positivo, la risposta invia il testo generato dal modello in risposta al prompt.

## Inviare un prompt di testo a un modello e generare una risposta testuale con Converse
<a name="getting-started-api-ex-python-converse"></a>

L’esempio seguente esegue l’operazione [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) utilizzando un client Amazon Bedrock. Ti consigliamo di utilizzare l’operazione `Converse` invece di `InvokeModel` quando supportata, perché unifica la richiesta di inferenza tra i modelli di Amazon Bedrock e semplifica la gestione delle conversazioni multi-turno. Esegui il seguente script SDK per Python per creare un client di runtime Amazon Bedrock e generare una risposta testuale con l’operazione `Converse`:

```
# Use the Conversation API to send a text message to Amazon Titan Text G1 - Express.

import boto3
from botocore.exceptions import ClientError

# Create an Amazon Bedrock Runtime client.
brt = boto3.client("bedrock-runtime")

# Set the model ID, e.g., Amazon Titan Text G1 - Express.
model_id = "amazon.titan-text-express-v1"

# Start a conversation with the user message.
user_message = "Describe the purpose of a 'hello world' program in one line."
conversation = [
    {
        "role": "user",
        "content": [{"text": user_message}],
    }
]

try:
    # Send the message to the model, using a basic inference configuration.
    response = brt.converse(
        modelId=model_id,
        messages=conversation,
        inferenceConfig={"maxTokens": 512, "temperature": 0.5, "topP": 0.9},
    )

    # Extract and print the response text.
    response_text = response["output"]["message"]["content"][0]["text"]
    print(response_text)

except (ClientError, Exception) as e:
    print(f"ERROR: Can't invoke '{model_id}'. Reason: {e}")
    exit(1)
```

Se il comando ha esito positivo, la risposta invia il testo generato dal modello in risposta al prompt.