Invocation d’un agent en ligne - Amazon Bedrock

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.

Invocation d’un agent en ligne

Note

La configuration et l’invocation d’une fonctionnalité d’agent en ligne sont disponibles en version préliminaire pour Amazon Bedrock et peuvent encore évoluer.

Avant d’invoquer votre agent en ligne, assurez-vous d’avoir rempli les conditions préalables.

Pour appeler un agent en ligne, envoyez une demande d'InvokeInlineAgentAPI avec un point de terminaison Agents for Amazon Bedrock et incluez au minimum les champs suivants.

Champ Cas d’utilisation
instruction Fournissez des instructions indiquant à l’agent en ligne ce qu’il doit faire et comment il doit interagir avec les utilisateurs.
foundationModel Spécifiez un modèle de fondation à utiliser pour l’orchestration par l’agent en ligne que vous créez. Par exemple, anthropic claude, meta Llama3.1, etc.
sessionId Identifiant unique de la session. Utilisez la même valeur pour toutes les demandes afin de poursuivre la même conversation.

Les champs suivants sont facultatifs :

Champ Cas d’utilisation
actionGroups Liste des groupes d’actions, chaque groupe d’actions définissant les actions que l’agent en ligne peut effectuer.
knowledgeBases Associations de bases de connaissances avec un agent en ligne pour améliorer la réponse générée par le modèle.
guardrailConfiguration Configurations de barrières de protection pour bloquer des sujets, prévenir les hallucinations et mettre en place des mesures de sécurité pour votre application.
agentCollaboration Définit la manière dont l’agent collaborateur traite les informations entre plusieurs agents collaborateurs afin de coordonner une réponse finale. L’agent collaborateur peut également être le superviseur.
collaboratorConfigurations Configurations pour l’agent collaborateur.
collaborators Liste des agents collaborateurs.
promptOverrideConfiguration Configurations pour les invites avancées utilisées pour remplacer les invites par défaut.
enableTrace Spécifiez s’il faut activer ou non la trace afin de suivre le processus de raisonnement de l’agent en ligne.
Secondes de session inactives TTLIn Spécifiez la durée après laquelle l’agent en ligne doit mettre fin à la session et supprimer toutes les informations stockées.
customerEncryptionKeyArn Spécifiez l’ARN d’une clé KMS pour chiffrer les ressources de l’agent,
endSession Spécifiez s’il faut mettre fin à la session avec l’agent en ligne ou non.
inlineSessionState Paramètres qui spécifient les différents attributs d’une session.
inputText Spécifiez le texte d’invite à envoyer à l’agent.
reasoning_config Pour activer le raisonnement du modèle afin que celui-ci explique comment il est parvenu à ses conclusions. À utiliser à l’intérieur d’un champ additionalModelRequestFields. Vous devez spécifier le nombre de budget_tokens utilisés pour le raisonnement du modèle, qui constituent un sous-ensemble des jetons de sortie. Pour plus d’informations, consultez Améliorer les réponses du modèle grâce au raisonnement du modèle.

L’exemple d’API InvokeInlineAgent suivant fournit des configurations d’agent en ligne complètes, notamment le modèle de fondation, les instructions, les groupes d’actions avec interpréteur de code, les barrières de protection et les bases de connaissances. 

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 = {...},
    }
  }

Vous pouvez inclure les paramètres de raisonnement du modèle dans la demande. Voici un exemple d’invite unique activant le raisonnement du modèle dans additionalModelRequestFields.

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