クイックスタート

Amazon Bedrock の使用を数分で開始できます。新しいアプリケーションの場合は、 bedrock-runtimeエンドポイントをお勧めします。次の手順では、Anthropic-native Messages API、OpenAI 互換の Responses API と Chat Completions API、および Converse と Invoke APIs を使用して、最初の推論リクエストを実行する方法について説明します。チャット完了 APIAPIs「」を参照してください構築。これらのステップを完了したら、サポートされている基盤モデルに推論リクエストを送信できます。

最初の推論リクエストを実行するには

AWS アカウントにサインアップします。

が既にある場合は AWS アカウント、このステップをスキップします。
AWS マネジメントコンソールで Amazon Bedrock サービスを開いて、Amazon Bedrockへのリクエストを認証するための短期 API キーを生成します。

詳細な手順については、API キー「」セクションを参照してください。

本稼働アプリケーションの場合は、IAM ロールまたは一時的な認証情報を使用します。
使用する予定の APIs に関連する SDK をインストールします。Python はすでにインストールされている必要があります。

注記
AWS_BEARER_TOKEN_BEDROCK 環境変数による API キー認証には、boto3バージョン 1.39.0 以降が必要です。以前のバージョンでは変数は無視され、で失敗しますUnable to locate credentials。を既にboto3インストールしている場合は、を実行してpip install --upgrade boto3、サポートされているバージョンを使用していることを確認します。
Messages API
```
pip install anthropic aws-bedrock-token-generator
```
Responses/Chat Completions API
```
pip install boto3 openai
```
Invoke/Converse API
```
pip install boto3
```

認証に API キーを使用するコードを実行するターミナルセッションで、次の環境変数を設定します。

モデルを選択し、最初の推論リクエストを実行します。

モデルを選択します。Amazon Bedrock は 100 以上の基盤モデルをサポートしています。

注記
OpenAI 互換の例では、グローバルシステム推論プロファイルを使用します。データレジデンシー要件がある場合は、代わりにモデルカードからサポートされている地理的推論プロファイルを選択します。

次の Python コードを使用して、最初の推論リクエストを実行します。

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="global.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="global.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()))

bedrock-first-request.py という名前でファイルを保存します。
次のコマンドを使用してコードを実行します。
```
python3 bedrock-first-request.py
```
推論リクエストの出力が表示されます。

他の APIs構築「」および「」を参照してくださいAmazon Bedrock でサポートされている推論エンドポイント。

次の手順

最初のリクエストを実行したので、次のリソースを調べて Amazon Bedrock をさらに活用してください。

AI エージェントを使用してアプリケーションのタスクを自動化する – マルチステップタスクをオーケストレーションできるエージェントを作成します。
Amazon Bedrock ナレッジベースでデータを取得して AI レスポンスを生成する – 基盤モデルをデータソースに接続します。
モデルをカスタマイズしてユースケースのパフォーマンスを向上させる – ユースケースに合わせてモデルを微調整します。
Amazon Bedrock リソースのパフォーマンスを評価する – ワークロードのモデルパフォーマンスを評価します。

ブラウザで JavaScript が無効になっているか、使用できません。

AWS ドキュメントを使用するには、JavaScript を有効にする必要があります。手順については、使用するブラウザのヘルプページを参照してください。

ドキュメントの表記規則

概要

モデルの概要

クイックスタート

最初の推論リクエストを実行するには

注記

注記

次の手順