프롬프트 관리 코드 샘플 실행 - Amazon Bedrock

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

프롬프트 관리 코드 샘플 실행

프롬프트 관리를 위해 일부 코드 샘플을 시도하려면 원하는 메서드의 탭을 선택한 다음 단계를 따릅니다. 다음 코드 샘플은를 사용하도록 자격 증명을 설정했다고 가정합니다 AWS API. 이렇게 설정되어 있지 않은 경우 API 시작하기 섹션을 참조하세요.

Python

  1. 다음 코드 조각을 실행하여를 로드하고 AWS SDK for Python (Boto3), 클라이언트를 생성하고, Amazon Bedrock용 CreatePrompt 에이전트 빌드 시간 엔드포인트를 만들어 두 변수(genre 및 number)를 사용하여 음악 재생 목록을 생성하는 프롬프트를 생성합니다. https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt 

    # Create a prompt in Prompt management
import boto3

# Create an Amazon Bedrock Agents client
client = boto3.client(service_name="bedrock-agent")

# Create the prompt
response = client.create_prompt(
    name="MakePlaylist",
    description="My first prompt.",
    variants=[
        { 
            "name": "Variant1",
            "modelId": "amazon.titan-text-express-v1",
            "templateType": "TEXT",
            "inferenceConfiguration": {
                "text": {
                    "temperature": 0.8
                }
            },
            "templateConfiguration": { 
                "text": {
                    "text": "Make me a {{genre}} playlist consisting of the following number of songs: {{number}}."
                }
            }
      }
    ]
)
                        
prompt_id = response.get("id")

  2. 다음 코드 조각을 실행하여 방금 생성한 프롬프트(계정의 다른 프롬프트와 함께)를 확인하여 Amazon Bedrock용 ListPrompts 에이전트 빌드 시간 엔드포인트를 생성합니다. https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt 

    # List prompts that you've created
client.list_prompts()

  3. id 필드에서 만든 프롬프트의 ID가 promptSummaries 필드의 객체에 표시되어야 합니다. 다음 코드 조각을 실행하여 Amazon Bedrock용 GetPrompt 에이전트 빌드 시간 엔드포인트를 생성하여 생성한 프롬프트에 대한 정보를 표시합니다. https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt 

    # Get information about the prompt that you created
client.get_prompt(promptIdentifier=prompt_id)

  4. 다음 코드 조각을 실행하여 Amazon Bedrock용 CreatePromptVersion 에이전트 빌드 시간 엔드포인트를 만들어 프롬프트 버전을 생성하고 해당 ID를 가져옵니다. https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt 

    # Create a version of the prompt that you created
response = client.create_prompt_version(promptIdentifier=prompt_id)
                        
prompt_version = response.get("version")
prompt_version_arn = response.get("arn")

  5. 다음 코드 조각을 실행하여 Amazon Bedrock용 ListPrompts 에이전트 빌드 시간 엔드포인트를 생성하여 초안 버전에 대한 정보와 함께 방금 생성한 프롬프트 버전에 대한 정보를 봅니다. https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt 

    # List versions of the prompt that you just created
client.list_prompts(promptIdentifier=prompt_id)

  6. 다음 코드 조각을 실행하여 방금 생성한 프롬프트 버전에 대한 정보를 보고 GetPrompt Agents for Amazon Bedrock 빌드 시간 엔드포인트를 만듭니다.

    # Get information about the prompt version that you created
client.get_prompt(
    promptIdentifier=prompt_id, 
    promptVersion=prompt_version
)

  7. 의 단계에 따라 프롬프트를 흐름에 추가하여 테스트합니다Amazon Bedrock Flows 코드 샘플 실행. 흐름을 생성하는 첫 번째 단계에서 다음 코드 조각을 실행하여 흐름에서 인라인 프롬프트를 정의하는 대신 생성한 프롬프트를 사용합니다(promptARN필드ARN의 프롬프트 버전를 생성한 프롬프트 ARN 버전으로 바꿉니다).

    # Import Python SDK and create client
import boto3

client = boto3.client(service_name='bedrock-agent')

FLOWS_SERVICE_ROLE = "arn:aws:iam::123456789012:role/MyPromptFlowsRole" # Flows service role that you created. For more information, see https://docs.aws.amazon.com/bedrock/latest/userguide/flows-permissions.html
PROMPT_ARN = prompt_version_arn # ARN of the prompt that you created, retrieved programatically during creation.

# Define each node

# The input node validates that the content of the InvokeFlow request is a JSON object.
input_node = {
    "type": "Input",
    "name": "FlowInput",
    "outputs": [
        {
            "name": "document",
            "type": "Object"
        }
    ]
}

# This prompt node contains a prompt that you defined in Prompt management.
# It validates that the input is a JSON object that minimally contains the fields "genre" and "number", which it will map to the prompt variables.
# The output must be named "modelCompletion" and be of the type "String".
prompt_node = {
    "type": "Prompt",
    "name": "MakePlaylist",
    "configuration": {
        "prompt": {
            "sourceConfiguration": {
                "resource": {
                    "promptArn": ""
                }
            }
        }
    },
    "inputs": [
        {
            "name": "genre",
            "type": "String",
            "expression": "$.data.genre"
        },
        {
            "name": "number",
            "type": "Number",
            "expression": "$.data.number"
        }
    ],
    "outputs": [
        {
            "name": "modelCompletion",
            "type": "String"
        }
    ]
}

# The output node validates that the output from the last node is a string and returns it as is. The name must be "document".
output_node = {
    "type": "Output",
    "name": "FlowOutput",
    "inputs": [
        {
            "name": "document",
            "type": "String",
            "expression": "$.data"
        }
    ]
}

# Create connections between the nodes
connections = []

#   First, create connections between the output of the flow input node and each input of the prompt node
for input in prompt_node["inputs"]:
    connections.append(
        {
            "name": "_".join([input_node["name"], prompt_node["name"], input["name"]]),
            "source": input_node["name"],
            "target": prompt_node["name"],
            "type": "Data",
            "configuration": {
                "data": {
                    "sourceOutput": input_node["outputs"][0]["name"],
                    "targetInput": input["name"]
                }
            }
        }
    )

# Then, create a connection between the output of the prompt node and the input of the flow output node
connections.append(
    {
        "name": "_".join([prompt_node["name"], output_node["name"]]),
        "source": prompt_node["name"],
        "target": output_node["name"],
        "type": "Data",
        "configuration": {
            "data": {
                "sourceOutput": prompt_node["outputs"][0]["name"],
                "targetInput": output_node["inputs"][0]["name"]
            }
        }
    }
)

# Create the flow from the nodes and connections
client.create_flow(
    name="FlowCreatePlaylist",
    description="A flow that creates a playlist given a genre and number of songs to include in the playlist.",
    executionRoleArn=FLOWS_SERVICE_ROLE,
    definition={
        "nodes": [input_node, prompt_node, output_node],
        "connections": connections
    }
)

  8. 다음 코드 조각을 실행하여 방금 생성한 프롬프트 버전을 삭제하여 Amazon Bedrock용 DeletePrompt 에이전트 빌드 시간 엔드포인트를 생성합니다. https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt 

    # Delete the prompt version that you created
client.delete_prompt(
    promptIdentifier=prompt_id, 
    promptVersion=prompt_version
)

  9. 다음 코드 조각을 실행하여 방금 생성한 프롬프트를 완전히 삭제하여 Amazon Bedrock용 DeletePrompt 에이전트 빌드 시간 엔드포인트를 만듭니다. https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bra-bt 

    # Delete the prompt that you created
client.delete_prompt(
    promptIdentifier=prompt_id
)