本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

通过以下方式运行 Amazon Bedrock API 请求示例 AWS SDK适用于 Python (Boto3)

本节将指导您尝试使用 Amazon Bedrock 中的一些常见操作 AWS Python 以测试您的权限和身份验证设置是否正确。在运行以下示例之前，应检查是否满足了以下先决条件：

先决条件

使用您创建的 Amazon Bedrock 角色，测试您的权限和访问密钥是否已正确设置 Amazon Bedrock。这些示例假设您已经使用访问密钥配置了环境。请注意以下几点：

如果您未在环境中指定证书，则可以在为 Amazon Bedrock 操作创建客户端时指定这些证书。为此，请在创建客户端时包含aws_access_key_idaws_secret_access_key、和（如果您使用的是短期证书）aws_session_token参数。

列出 Amazon Bedrock 必须提供的基础模型

以下示例使用 Amazon Bedrock 客户端运行该ListFoundationModels操作。 ListFoundationModels列出了您所在地区的 Amazon Bedrock 中可用的基础模型 (FMs)。SDK为 Python 脚本运行以下命令来创建 Amazon Bedrock 客户端并测试该ListFoundationModels操作：

# Use the ListFoundationModels API to show the models that are available in your region.
import boto3
             
# Create an &BR; client in the &region-us-east-1; Region.
bedrock = boto3.client(
    service_name="bedrock"
)

bedrock.list_foundation_models()

如果脚本成功，响应将返回 Amazon Bedrock 中可用的基础模型列表。

向模型提交文本提示并使用以下命令生成文本回复 InvokeModel

以下示例使用 Amazon Bedrock 客户端运行该InvokeModel操作。 InvokeModel允许您提交提示以生成模型响应。SDK为 Python 脚本运行以下命令以创建 Amazon Bedrock 运行时客户端，并使用该操作生成文本响应：

# 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)

如果命令成功，响应将返回模型为响应提示而生成的文本。

向模型提交文本提示并使用 Converse 生成文本回复

以下示例使用 Amazon Bedrock 客户端运行 C onverse 操作。我们建议InvokeModel在支持时使用 op Converse eration over，因为它可以统一各个 Amazon Bedrock 模型的推理请求并简化多回合对话的管理。SDK为 Python 脚本运行以下命令以创建 Amazon Bedrock 运行时客户端，并使用该Converse操作生成文本响应：

# 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)

如果命令成功，响应将返回模型为响应提示而生成的文本。