As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Execute exemplos de solicitações de API do Amazon Bedrock por meio do AWS SDK para Python (SDK for Python) (Boto3)
<a name="getting-started-api-ex-python"></a>

Esta seção orienta você a experimentar algumas operações comuns no Amazon Bedrock com o AWS Python para testar se suas permissões e autenticação estão configuradas corretamente. Antes de executar os exemplos abaixo, verifique se os seguintes pré-requisitos foram atendidos:

**Pré-requisitos**
+ Você tem um Conta da AWS usuário ou uma função com a autenticação configurada e as permissões necessárias para o Amazon Bedrock. Caso contrário, siga as etapas em [Começar a usar a API](getting-started-api.md).
+ Você instalou e configurou a autenticação para o AWS SDK para Python (Boto3). Para instalar o Boto3, siga as etapas em [Quickstart](https://boto3.amazonaws.com/v1/documentation/api/latest/guide/quickstart.html) na documentação do Boto3. Verifique se você configurou suas credenciais para usar o Boto3 seguindo as etapas em [Obter credenciais para conceder acesso programático](getting-started-api.md#gs-grant-program-access).

Teste se suas permissões estão configuradas corretamente para o Amazon Bedrock, usando um usuário ou um perfil que você configurou com as permissões adequadas. 

A documentação do Amazon Bedrock também inclui exemplos de código para outras linguagens de programação. Para obter mais informações, consulte [Exemplos de código para o Amazon Bedrock usando AWS SDKs](service_code_examples.md).

**Topics**
+ [Listar os modelos de base que o Amazon Bedrock oferece](#getting-started-api-ex-python-listfm)
+ [Envie uma solicitação de texto para um modelo e gere uma resposta de texto com InvokeModel](#getting-started-api-ex-python-invoke-text)
+ [Enviar um prompt de texto a um modelo e gerar uma resposta de texto com Converse](#getting-started-api-ex-python-converse)

## Listar os modelos de base que o Amazon Bedrock oferece
<a name="getting-started-api-ex-python-listfm"></a>

O exemplo a seguir executa a [ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html)operação usando um cliente Amazon Bedrock. `ListFoundationModels`lista os modelos de fundação (FMs) que estão disponíveis no Amazon Bedrock em sua região. Execute o seguinte script SDK para Python para criar um cliente Amazon Bedrock e testar a operação: [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 o script for bem-sucedido, a resposta retornará uma lista de modelos de base que estão disponíveis no Amazon Bedrock.

## Envie uma solicitação de texto para um modelo e gere uma resposta de texto com InvokeModel
<a name="getting-started-api-ex-python-invoke-text"></a>

O exemplo a seguir executa a [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)operação usando um cliente Amazon Bedrock. `InvokeModel`permite que você envie uma solicitação para gerar uma resposta do modelo. Execute o seguinte script do SDK para Python para criar um cliente de runtime do Amazon Bedrock e gerar uma resposta de texto com a operação ``:

```
# 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 o comando for bem-sucedido, a resposta retornará o texto gerado pelo modelo em resposta ao prompt.

## Enviar um prompt de texto a um modelo e gerar uma resposta de texto com Converse
<a name="getting-started-api-ex-python-converse"></a>

O exemplo a seguir executa a operação [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) usando um cliente do Amazon Bedrock. É recomendável usar a operação `Converse` em vez de `InvokeModel` quando compatível, pois ela unifica a solicitação de inferência nos modelos do Amazon Bedrock e simplifica o gerenciamento de conversas em vários turnos. Execute o seguinte script do SDK para Python para criar um cliente de runtime do Amazon Bedrock e gerar uma resposta de texto com a operação `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 o comando for bem-sucedido, a resposta retornará o texto gerado pelo modelo em resposta ao prompt.