So rufen Sie einen Inline-Agenten auf - Amazon Bedrock

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

So rufen Sie einen Inline-Agenten auf

Anmerkung

Bei der Konfiguration und beim Aufrufen eines Inline-Agent-Features handelt es sich um eine Vorschauversion für Amazon Bedrock, die Änderungen unterliegt.

Bevor Sie Ihren Inline-Agenten aufrufen, stellen Sie sicher, dass alle Voraussetzungen erfüllt sind.

Um einen Inline-Agenten aufzurufen, senden Sie eine InvokeInlineAgentAPI-Anfrage mit einem Runtime-Endpunkt von Agents for Amazon Bedrock und geben Sie mindestens die folgenden Felder ein.

Feld Anwendungsfall
instruction Stellen Sie Anweisungen für den Inline-Agenten bereit, was er tun soll und wie er mit Benutzern interagieren soll.
foundationModel Geben Sie ein Basismodell an, das für die Orchestrierung durch den von Ihnen erstellten Inline-Agenten verwendet werden soll. Zum Beispiel anthropic claude, meta Llama3.1 usw.
sessionId Eindeutige Kennung für die Sitzung. Verwenden Sie denselben Wert für alle Anfragen, um dieselbe Konversation fortzusetzen.

Die folgenden Felder sind optional:

Feld Anwendungsfall
actionGroups Liste von Aktionsgruppen, wobei jede Aktionsgruppe die Aktionen definiert, die der Inline-Agent ausführen kann.
knowledgeBases Assoziationen der Wissensdatenbank mit Inline-Agenten zur Verbesserung der durch das Modell generierten Antwort.
guardrailConfiguration Integritätsschutzkonfigurationen zur Blockierung von Themen, zur Vermeidung von Halluzinationen und zur Implementierung von Schutzmaßnahmen für Ihre Anwendung.
agentCollaboration Definiert, wie der Mitarbeiter-Agent Informationen über mehrere Mitarbeiter-Agenten hinweg handhabt, um eine endgültige Antwort zu koordinieren. Der Mitarbeiter kann auch der Vorgesetzte sein.
collaboratorConfigurations Konfigurationen für den Mitarbeiter-Agenten.
collaborators Liste der Collaborator-Agenten.
promptOverrideConfiguration Konfigurationen für erweiterte Prompts, die zum Überschreiben der Standard-Prompts verwendet werden.
enableTrace Geben Sie an, ob die Ablaufverfolgung aktiviert werden soll oder nicht, um den Argumentationsprozess des Inline-Agenten nachzuverfolgen.
Sekunden im Leerlauf TTLIn Geben Sie die Dauer, nach der der Inline-Agent die Sitzung beenden soll und alle gespeicherten Informationen gelöscht werden.
customerEncryptionKeyArn Geben Sie den ARN eines KMS-Schlüssels zum Verschlüsseln von Agenten-Ressourcen an.
endSession Geben Sie an, ob die Sitzung mit dem Inline-Agenten beendet werden soll oder nicht.
inlineSessionState Parameter, die die verschiedenen Attribute einer Sitzung angeben.
inputText Geben Sie den Prompt an, der an den Agenten gesendet werden soll.
reasoning_config Um Modelldenken zu ermöglichen, sodass das Modell erklärt, wie es zu seinen Schlussfolgerungen gekommen ist. Wird innerhalb eines additionalModelRequestFields Feldes verwendet. Sie müssen die Anzahl der budget_tokens angeben, die für Modellanalysen verwendet werden. Dabei handelt es sich um eine Teilmenge der Ausgabetokens. Weitere Informationen finden Sie unter Verbessern von Modellantworten durch Modellargumentation.

Das folgende Beispiel für die InvokeInlineAgent-API stellt vollständige Inline-Agentenkonfigurationen, einschließlich des Basismodells, Anweisungen, Aktionsgruppen mit Codeinterpreter, Integritätsschutz und Wissensdatenbanken bereit. 

response = bedrock_agent_runtime.invoke_inline_agent(
    // Initialization parameters: cannot be changed for a conversation
    sessionId='uniqueSessionId',
    customerEncryptionKeyArn: String,
    
    // Input
    inputText="Hello, can you help me with a task?",
    endSession=False,
    enableTrace=True,
    
    // Agent configurations
    foundationModel='anthropic.claude-3-7-sonnet-20250219-v1:0',
    instruction="You are a helpful assistant...",
    actionGroups=[
        {
            'name': 'CodeInterpreterAction',
            'parentActionGroupSignature': 'AMAZON.CodeInterpreter'
        },
        {
            'actionGroupName': 'FetchDetails',
            'parentActionGroupSignature': '',
            "actionGroupExecutor": { ... },
            "apiSchema": { ... },
            "description": "string",
            "functionSchema": { ... }
        }
    ],
    knowledgeBases=[
        {
            knowledgeBaseId: "string",
            description: 'Use this KB to get all the info',
            retrievalConfiguration: { 
                vectorSearchConfiguration: { 
                    filter: { ... },
                    numberOfResults: number,
                    overrideSearchType: "string"
               }
            }
        }
    ],
    guardrailConfiguration={
        guardrailIdentifier: 'BlockEverything',
        gurardrailVersion: '1.0'
    },
    promptOverrideConfiguration: {...}
    
    // session properties: persisted throughout conversation
    inlineSessionState = {
        sessionAttributes = { 'key': 'value' },
        promptSessionAttributes = {k:v},
        returnControlInvocationResults = {...},
        invocationId = 'abc',
        files = {...},
    }
  }

Sie können Parameter für die Modelargumentation in der Anforderung aufnehmen. Nachfolgend sehen Sie ein Beispiel für eines einzelnen Prompts, mit dem die Modelargumentation in den additionalModelRequestFields aktiviert wird.

{
    "basePromptTemplate": " ... ",
    "inferenceConfiguration": {
        "stopSequences": [
            "</answer>"
        ]
    },
    "parserMode": "DEFAULT",
    "promptCreationMode": "DEFAULT",
    "promptState": "DISABLED",
    "promptType": "ORCHESTRATION",
    "additionalModelRequestFields":
    "reasoning_config": {
        "type": "enabled",
        "budget_tokens": 1024
    }
}