View a markdown version of this page

はじめに - Amazon Bedrock AgentCore
データセットスキーマエンドツーエンドのワークフロー

はじめに

このトピックでは、データセットを作成、入力、公開するためのend-to-endのワークフローについて説明します。

データセットスキーマ

各データセットは、作成schemaType時に を宣言します。AgentCore は、すべての例を受け入れる前に、宣言されたスキーマに対して検証します。2 つのスキーマタイプがサポートされています。

  • AGENTCORE_EVALUATION_PREDEFINED_V1 — 事前に書き込まれた会話のターンに対してエージェントをテストする場合に使用します。必須フィールド: scenario_id、 turns (空でないリスト。各ターンには が含まれている必要がありますinput)。

  • AGENTCORE_EVALUATION_SIMULATED_V1 — 合成会話生成用。必須フィールド: scenario_id、 actor_profile ( contextおよび が必須のオブジェクトgoal)、input。

スキーマフィールドの完全な定義、例、グラウンドトゥルースマッピングについては、「データセットスキーマ」を参照してください。

エンドツーエンドのワークフロー

次の例は、データセットのライフサイクル全体を示しています。作成、例の追加、例の一覧表示、バージョン発行、クリーンアップです。

例
AgentCore CLI

  1. # 1. Create dataset
agentcore add dataset --name my_eval_dataset \
    --schema-type AGENTCORE_EVALUATION_PREDEFINED_V1

# 2. Add your scenarios to the JSONL file
#    File: agentcore/datasets/my_eval_dataset.jsonl

# 3. Deploy to create the dataset and sync examples
agentcore deploy

# 4. Publish version 1
agentcore dataset publish-version --name my_eval_dataset

# 5. Check status (shows versions and example count)
agentcore status --type dataset

# 6. Download a published version to local file
agentcore dataset download --name my_eval_dataset --version 1

# 7. Cleanup
agentcore remove dataset --name my_eval_dataset
agentcore deploy
AgentCore SDK

  1. from bedrock_agentcore.evaluation import DatasetClient

client = DatasetClient(region_name="us-west-2")

# 1. Create dataset (polls until ACTIVE)
ds = client.create_dataset_and_wait(
    datasetName="my_eval_dataset",
    schemaType="AGENTCORE_EVALUATION_PREDEFINED_V1",
    source={
        "inlineExamples": {
            "examples": [
                {
                    "scenario_id": "TC-01",
                    "turns": [{"input": "What is my balance?", "expected_response": "Your balance is $50."}],
                    "assertions": ["Response includes a dollar amount"],
                }
            ]
        }
    },
)
dataset_id = ds["datasetId"]
print(f"Created: {dataset_id}, status={ds['status']}")

# 2. Add more examples
ds = client.add_examples_and_wait(
    datasetId=dataset_id,
    source={
        "inlineExamples": {
            "examples": [
                {"scenario_id": "TC-02", "turns": [{"input": "Transfer $100", "expected_response": "Transfer complete."}]}
            ]
        }
    },
)
print(f"Example count: {ds['exampleCount']}")

# 3. List examples
resp = client.list_dataset_examples(datasetId=dataset_id)
for example in resp["examples"]:
    print(f"  {example['exampleId']}: {example['scenario_id']}")

# 4. Publish version 1
ds = client.create_dataset_version_and_wait(datasetId=dataset_id)
print(f"Published, draftStatus: {ds.get('draftStatus')}")

# 5. List versions
resp = client.list_dataset_versions(datasetId=dataset_id)
for v in resp["versions"]:
    print(f"  Version {v['datasetVersion']}: {v['exampleCount']} examples")

# 6. Cleanup
client.delete_dataset_and_wait(datasetId=dataset_id)