快速指南

執行您的第一個推論請求

1. 註冊 AWS 帳戶。

   如果您已有 AWS 帳戶，請略過此步驟。

2. 在 AWS 管理主控台中開啟 Amazon Bedrock 服務，以產生短期 API 金鑰來驗證您對 Amazon Bedrock 的請求。

   如需完整程序，請參閱 API 金鑰一節。

   對於生產應用程式，請使用 IAM 角色或暫時登入資料。

3. 為您計劃使用的 APIs 安裝相關的 SDK。必須已安裝 Python。

   Messages API

   pip install anthropic aws-bedrock-token-generator

   Responses/Chat Completions API

   pip install boto3 openai

   Invoke/Converse API

   pip install boto3

4. 將下列環境變數設定為使用 API 金鑰進行身分驗證。

   Messages API

   AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   ANTHROPIC_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/anthropic"

   Responses/Chat Completions API

   OPENAI_API_KEY="<provide your Bedrock API key>"
   OPENAI_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/openai/v1"

   Invoke/Converse API

   AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"

5. 選擇模型並執行您的第一個推論請求。

   1. 選擇模型。Amazon Bedrock 支援超過 100 個基礎模型。

   2. 使用下列 Python 程式碼來執行您的第一個推論請求。

      Messages API

      from anthropic import Anthropic
      from aws_bedrock_token_generator import provide_token
      
      token = provide_token(region="us-east-1")
      
      client = Anthropic(api_key=token)
      
      response = client.messages.create(
          model="global.anthropic.claude-opus-5",
          max_tokens=1024,
          messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
      )
      print(response)

      Responses API

      from openai import OpenAI
      
      client = OpenAI()
      
      response = client.responses.create(
          model="openai.gpt-5.6-sol",
          input="Can you explain the features of Amazon Bedrock?"
          )
      print(response)

      Chat Completions API

      from openai import OpenAI
      
      client = OpenAI()
      
      response = client.chat.completions.create(
          model="openai.gpt-5.6-sol",
          messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
          )
      print(response)

      Converse API

      import boto3
      
      client = boto3.client('bedrock-runtime', region_name='us-east-1')
      response = client.converse(
          modelId='global.anthropic.claude-opus-5',
          messages=[
              {
                  'role': 'user',
                  'content': [{'text': 'Can you explain the features of Amazon Bedrock?'}]
              }
          ]
      )
      print(response)

      Invoke API

      import json
      import boto3
      
      client = boto3.client('bedrock-runtime', region_name='us-east-1')
      response = client.invoke_model(
          modelId='global.anthropic.claude-opus-5',
          body=json.dumps({
                  'anthropic_version': 'bedrock-2023-05-31',
                  'messages': [{ 'role': 'user', 'content': 'Can you explain the features of Amazon Bedrock?'}],
                  'max_tokens': 1024
          })
       )
       print(json.loads(response['body'].read()))

   3. 儲存檔案為 bedrock-first-request.py。

   4. 使用以下命令執行程式碼：

      python3 bedrock-first-request.py

      您應該會看到推論請求的輸出。