Exemplos de Amazon Bedrock Agents Runtime usando SDK para Python (Boto3) - AWS SDKExemplos de código
AçõesCenários

Há mais AWS SDK exemplos disponíveis no GitHub repositório AWS Doc SDK Examples.

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.

Exemplos de Amazon Bedrock Agents Runtime usando SDK para Python (Boto3)

Os exemplos de código a seguir mostram como realizar ações e implementar cenários comuns usando o AWS SDK for Python (Boto3) Amazon Bedrock Agents Runtime.

Ações são trechos de código de programas maiores e devem ser executadas em contexto. Embora as ações mostrem como chamar funções de serviço individuais, é possível ver as ações no contexto em seus cenários relacionados.

Os cenários são exemplos de código que mostram como realizar tarefas específicas chamando várias funções dentro de um serviço ou combinadas com outros Serviços da AWS.

Cada exemplo inclui um link para o código-fonte completo, onde você pode encontrar instruções sobre como configurar e executar o código no contexto.

Ações

O código de exemplo a seguir mostra como usar InvokeAgent.

SDKpara Python (Boto3)
nota

Tem mais sobre GitHub. Encontre o exemplo completo e saiba como configurar e executar no Repositório de exemplos de código da AWS.

Invoque um agente.

    def invoke_agent(self, agent_id, agent_alias_id, session_id, prompt):
        """
        Sends a prompt for the agent to process and respond to.

        :param agent_id: The unique identifier of the agent to use.
        :param agent_alias_id: The alias of the agent to use.
        :param session_id: The unique identifier of the session. Use the same value across requests
                           to continue the same conversation.
        :param prompt: The prompt that you want Claude to complete.
        :return: Inference response from the model.
        """

        try:
            # Note: The execution time depends on the foundation model, complexity of the agent,
            # and the length of the prompt. In some cases, it can take up to a minute or more to
            # generate a response.
            response = self.agents_runtime_client.invoke_agent(
                agentId=agent_id,
                agentAliasId=agent_alias_id,
                sessionId=session_id,
                inputText=prompt,
            )

            completion = ""

            for event in response.get("completion"):
                chunk = event["chunk"]
                completion = completion + chunk["bytes"].decode()

        except ClientError as e:
            logger.error(f"Couldn't invoke agent. {e}")
            raise

        return completion

  • Para API obter detalhes, consulte a InvokeAgentReferência AWS SDK do Python (Boto3). API

Cenários

O exemplo de código a seguir mostra como criar e orquestrar aplicativos generativos de IA com o Amazon Bedrock e o Step Functions.

SDKpara Python (Boto3)

O cenário Amazon Bedrock Serverless Prompt Chaining demonstra como AWS Step Functionso Amazon Bedrock pode ser usado para criar https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html e orquestrar aplicativos de IA generativos complexos, sem servidor e altamente escaláveis. Ele contém os seguintes exemplos de trabalho:

  • Escreva uma análise de um determinado romance para um blog de literatura. Este exemplo ilustra uma cadeia de solicitações simples e sequencial.

  • Gere uma história curta sobre um determinado tópico. Este exemplo ilustra como a IA pode processar iterativamente uma lista de itens que ela gerou anteriormente.

  • Crie um itinerário para férias de fim de semana em um determinado destino. Este exemplo ilustra como paralelizar vários prompts distintos.

  • Apresente ideias de filmes para um usuário humano atuando como produtor de filmes. Este exemplo ilustra como paralelizar o mesmo prompt com diferentes parâmetros de inferência, como voltar a uma etapa anterior na cadeia e como incluir a entrada humana como parte do fluxo de trabalho.

  • Planeje uma refeição com base nos ingredientes que o usuário tem em mãos. Este exemplo ilustra como cadeias imediatas podem incorporar duas conversas distintas de IA, com duas personas de IA participando de um debate entre si para melhorar o resultado final.

  • Encontre e resuma o repositório mais popular GitHub da atualidade. Este exemplo ilustra o encadeamento de vários agentes de IA que interagem com agentes externos. APIs

Para obter o código-fonte completo e as instruções de configuração e execução, consulte o projeto completo em GitHub.

Serviços utilizados neste exemplo

  • Amazon Bedrock

  • Amazon Bedrock Runtime

  • Agentes Amazon Bedrock

  • Tempo de execução do Amazon Bedrock Agents

  • Step Functions