Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Self-managed stratégie

La stratégie autogérée d'Amazon Bedrock AgentCore Memory vous permet de contrôler totalement vos pipelines d'extraction et de consolidation de la mémoire. Grâce à une stratégie autogérée, vous pouvez créer des flux de travail de traitement de la mémoire personnalisés tout en tirant parti d'Amazon Bedrock AgentCore pour le stockage et la récupération.

Une stratégie autogérée associée aux opérations par lots (BatchCreateMemoryRecords, BatchUpdateMemoryRecords, BatchDeleteMemoryRecords) vous permet d'ingérer directement ces enregistrements extraits dans la AgentCore mémoire Amazon Bedrock à des fins de recherche.

Grâce à des stratégies autogérées, vous pouvez :

Créez et utilisez une stratégie autogérée

Self-managed les stratégies suivent un processus en cinq étapes, de la configuration des déclencheurs au stockage des enregistrements en mémoire.

Conditions préalables

Avant de mettre en place des stratégies autogérées, vérifiez que vous disposez des éléments suivants :

Configuration de l'infrastructure

Créez les AWS ressources requises, notamment le compartiment S3, la rubrique SNS et le rôle IAM dont Amazon Bedrock AgentCore a besoin pour accéder à vos ressources.

Étape 1 : créer un compartiment S3

Créez un compartiment S3 dans votre compte dans lequel Amazon Bedrock AgentCore fournira des charges utiles d'événements par lots.

Étape 2 : Création d'une rubrique SNS

Créez une rubrique SNS pour les notifications d'offres d'emploi. Utilisez les rubriques FIFO si le traitement des commandes au sein des sessions est important pour votre cas d'utilisation.

Étape 3 : Création d'un rôle IAM

Créez un rôle IAM qu'Amazon Bedrock AgentCore peut assumer pour accéder à vos ressources.

Politique d’approbation

Utilisez la politique de confiance suivante :

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Principal": {
                "Service": "bedrock-agentcore.amazonaws.com"
            },
            "Action": "sts:AssumeRole",
            "Condition": {
                "ArnLike": {
                    "aws:SourceArn": "arn:aws:bedrock-agentcore:<region>:<account-id>:memory/*"
                }
            }
        }
    ]
}

Politique d’autorisations

Utilisez la politique d'autorisations suivante :

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "S3PayloadDelivery",
            "Effect": "Allow",
            "Action": [
                "s3:GetBucketLocation",
                "s3:PutObject"
            ],
            "Resource": [
                "arn:aws:s3:::your-agentcore-payloads-bucket",
                "arn:aws:s3:::your-agentcore-payloads-bucket/*"
            ]
        },
        {
            "Sid": "SNSNotifications",
            "Effect": "Allow",
            "Action": [
                "sns:GetTopicAttributes",
                "sns:Publish"
            ],
            "Resource": "arn:aws:sns:us-east-1:123456789012:agentcore-memory-jobs"
        }
    ]
}

Autorisations KMS supplémentaires (si vous utilisez des ressources cryptées)

Si vous utilisez des ressources chiffrées, ajoutez les autorisations KMS suivantes :

{
    "Sid": "KMSPermissions",
    "Effect": "Allow",
    "Action": [
        "kms:GenerateDataKey",
        "kms:Decrypt"
    ],
    "Resource": "arn:aws:kms:us-east-1:123456789012:key/your-key-id"
}

Créez une stratégie autogérée

Utilisez les API du plan de AgentCore contrôle Amazon Bedrock pour créer ou mettre à jour une AgentCore mémoire à l'aide de stratégies autogérées.

Autorisations requises

Votre utilisateur ou votre rôle IAM a besoin des éléments suivants :

Créez un AgentCore souvenir grâce à une stratégie autogérée

Utilisez l'CreateMemoryopération AWS SDK pour créer de AgentCore la mémoire dotée d'une stratégie autogérée.

aws bedrock-agentcore-control create-memory \
  --name "MyCustomMemory" \
  --description "Memory with self-managed extraction strategy" \
  --memory-execution-role-arn "arn:aws:iam::123456789012:role/AgentCoreMemoryRole" \
  --event-expiry-duration 90 \
  --memory-strategies '[
    {
      "customMemoryStrategy": {
        "name": "SelfManagedExtraction",
        "description": "Custom extraction strategy",
        "configuration": {
          "selfManagedConfiguration": {
            "triggerConditions": [
              {
                "messageBasedTrigger": {
                  "messageCount": 6
                }
              },
              {
                "tokenBasedTrigger": {
                  "tokenCount": 1000
                }
              },
              {
                "timeBasedTrigger": {
                  "idleSessionTimeout": 30
                }
              }
            ],
            "historicalContextWindowSize": 2,
            "invocationConfiguration": {
              "payloadDeliveryBucketName": "your-agentcore-payloads-bucket",
              "topicArn": "arn:aws:sns:us-east-1:123456789012:agentcore-memory-jobs"
            }
          }
        }
      }
    }
  ]'

Comprendre la livraison de la charge utile

Lorsque les conditions de déclenchement sont remplies, Amazon Bedrock AgentCore envoie des notifications et des charges utiles à l'aide de schémas spécifiques.

Message de notification SNS

{
  "jobId": "unique-job-identifier",
  "s3PayloadLocation": "s3://bucket/path/to/payload.json",
  "memoryId": "your-memory-id",
  "strategyId": "your-strategy-id"
}

Structure de charge utile S3

{
  "requestId": "request-identifier",
  "accountId": "123456789012",
  "memoryId": "your-memory-id",
  "actorId": "user-or-agent-id",
  "sessionId": "conversation-session-id",
  "strategyId": "your-strategy-id",
  "startingTimestamp": 1634567890,
  "endingTimestamp": 1634567920,
  "currentContext": [
    {
      "role": "USER",
      "content": {
        "text": "User message content"
      }
    },
    {
      "role": "ASSISTANT",
      "content": {
        "text": "Assistant response"
      }
    }
  ],
  "historicalContext": [
    {
      "role": "USER",
      "content": {
        "text": "User message content"
      }
    },
    {
      "role": "ASSISTANT",
      "content": {
        "text": "Previous assistant response"
      }
    },
    {
      "blob": "{}",
    }
  ]
}

Créez votre pipeline personnalisé

Cette section présente une approche permettant de créer un pipeline de traitement de mémoire autogéré à l'aide de AWS Lambda et SQS. Ce n'est qu'un exemple : vous pouvez implémenter votre pipeline à l'aide de n'importe quelle plate-forme de calcul (EC2, ECS, Fargate), de logique et de cadre de traitement répondant à vos besoins.

Étape 1 : configurer le calcul

Étape 2 : Traiter le pipeline

L'exemple de pipeline suivant comprend quatre composants principaux :

Testez votre implémentation

Exemple : création d'événements de test

aws bedrock-agentcore create-event \
  --memory-id "your-memory-id" \
  --actor-id "test-user" \
  --session-id "test-session-1" \
  --event-timestamp "2024-01-15T10:00:00Z" \
  --payload '[{
    "conversational": {
      "content": {"text": "I prefer Italian restaurants with outdoor seating"},
      "role": "USER"
    }
  }]'

Exemple : récupération d'enregistrements de mémoire

# List records belonging to a specific namespace
aws bedrock-agentcore list-memory-records \
  --memory-id "your-memory-id" \
  --namespace "/actor/Jane/" # lists all records present in the given namespace

# List records belonging to a particular namespace hierarchy
aws bedrock-agentcore list-memory-records \
  --memory-id "your-memory-id" \
  --namespace-path "/" # lists all records present under the namespace hierarchy

Bonnes pratiques

Suivez ces bonnes pratiques en matière de performances, de fiabilité, d'optimisation des coûts et de sécurité lors de la mise en œuvre de stratégies autogérées.

Performances et fiabilité

Optimisation des coûts

Considérations relatives au traitement

Sécurité