# ソリューションを使用する
<a name="use-the-solution"></a>

## UI へのアクセス
<a name="accessing-the-ui"></a>

スタックのデプロイプロセス (デプロイダッシュボードとユースケースの両方) 中に、設定されたメールアドレスに E メールが送信されます。E メールには、ユーザーがサインアップしてウェブインターフェイスにアクセスするための一時的な認証情報が含まれています。

**注記**  
AWS マネジメントコンソールへのアクセス権を持つ DevOps ユーザーは、スタックの完了時にデプロイダッシュボード UI の CloudFront URL を管理者ユーザーに提供する必要があります。

ユースケースの場合、デプロイダッシュボード UI にアクセスできる管理者ユーザーは、デプロイの完了時にユースケース UI の CloudFront URL をビジネスユーザーに提供する必要があります。

ログインすると、ユーザーはソリューション UI (管理者の場合はデプロイダッシュボード、ビジネスユーザーの場合はユースケース) を操作できます。

## デプロイの更新方法
<a name="how-to-update-a-deployment"></a>

デプロイダッシュボードのホームページ (またはデプロイの詳細ページ) では、デプロイで使用される設定を編集できます。編集できるのは、CREATE\$1COMPLETE または UPDATE\$1COMPLETE ステータスにあるデプロイのみです。

ユースケース名を除く、デプロイの他のすべてのオプションを編集できます。編集したい値を変更して再デプロイするだけです。

再デプロイにかかる時間は、行った編集の範囲によって異なります。単純な設定 (モデルパラメータなど) が変更された場合は数秒、大規模なインフラストラクチャ関連のオプション (Text ユースケース RAG の Amazon Kendra インデックスの作成リクエストなど) が変更された場合は 30 分以上かかる場合があります。

編集が正常に完了すると、アプリケーションステータスに UPDATE\$1COMPLETE ステータスが表示されます。この時点で、CloudFront URL を使用してデプロイされた UI にアクセスし、変更されたデプロイを操作できます。

**注記**  
さまざまな設定や LLM を比較したい場合は、複数のデプロイを並列的に実行する方が簡単な場合があります。**クローン**機能を使用すると、既存の設定をすばやく使用して新しいデプロイを起動できます。

## デプロイのクローン作成方法
<a name="how-to-clone-a-deployment"></a>

デプロイダッシュボードのホームページ (またはデプロイの詳細ページ) で、デプロイで使用される設定のクローンを作成できます。デプロイのクローンを作成すると、**新規ユースケースをデプロイする**ウィザードが起動しますが、ほとんどのフィールドには同じ値が事前入力されています。

これは、設定を変更したデプロイのクローンをすばやく作成したり、削除したデプロイを復活させたり、他の点ではまったく同じデプロイで複数の LLM を比較したりする際に便利です。

## デプロイの削除方法
<a name="how-to-delete-a-deployment"></a>

デプロイダッシュボードのホームページ (またはデプロイの詳細ページ) で、不要になったデプロイを削除できます。デプロイを削除すると、CloudFormation スタックの削除オペレーションが呼び出され、デプロイのリソースのプロビジョニングが解除されます。

デフォルトでは、クローンの機能を有効にするために、削除されたデプロイは引き続きダッシュボードに残ります。デプロイをダッシュボードから**完全に削除**して UI で追跡されないようにするには、削除確認ウィンドウで [Permanently delete] を選択します。

**重要**  
一部のリソースはスタックの削除中に残るため、手動で削除する必要があります。保持されるリソースとそのクリーンアップ方法の詳細については、「[手動アンインストール](uninstall-the-solution.md#manual-uninstall-sub-topics)」セクションを参照してください。

## LLM プロバイダーとしての Amazon SageMaker AI の使用
<a name="using-amazon-sagemaker-ai-as-an-llm-provider"></a>

v1.3.0 以降、[Amazon SageMaker AI](https://aws.amazon.com/sagemaker/) を Text ユースケースのモデルプロバイダーとして使用できるようになりました。この機能により、ソリューションで AWS アカウント内の既存の SageMaker AI 推論エンドポイントを使用できます。開始するための方法をいくつかご紹介します。

**重要**  
このソリューションは SageMaker AI エンドポイントのライフサイクルは管理しません。追加料金が発生しないように、SageMaker AI エンドポイントが不要になったら削除する必要があります。

### SageMaker AI エンドポイントの作成
<a name="creating-a-sagemaker-endpoint"></a>

[Amazon SageMaker AI JumpStart](https://aws.amazon.com/sagemaker/jumpstart/) を使用すると、エンドポイントをすばやくデプロイできます。

テキスト生成ベースの SageMaker AI エンドポイントを使用し、ベースの SageMaker AI サービスを使用してデプロイすることもできます。推論用に[モデルをデプロイする方法](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-deploy.html)のステップごとのガイドについては、[SageMaker AI JumpStart ドキュメント](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html)を参照してください。

**注記**  
基盤モデル/LLM は通常かなり大きいため、多くの場合、大規模な高速コンピューティングインスタンスを使用する必要があります。これらの大規模なインスタンスの多くは、デフォルトでは AWS アカウントで使用できない場合があります。デプロイでよくある失敗を防ぐために、デフォルトの [SageMaker AI クォータ](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html#limits_sagemaker)を参照し、デプロイ前に必ず[クォータの引き上げ](https://docs.aws.amazon.com/general/latest/gr/aws_service_limits.html)をリクエストしてください。

#### SageMaker AI エンドポイントを使用して Text ユースケースのデプロイを作成する
<a name="use-endpoint-to-create-a-text-use-case-deployment"></a>

推論用に SageMaker AI エンドポイントを使用して新しい Text ユースケースをデプロイするには:

1.  デプロイウィザードを使用して[新しいユースケースを作成](step-2-deploy-use-case.md)し、モデルの選択ページが表示されるまでフォームに記入します。

1. モデルページで、モデルプロバイダーに **[SageMaker AI]** を選択します。これにより、次の 3 つの重要なユーザー入力を必要とするカスタムフォームが生成されます。
   + 使用する SageMaker AI エンドポイントの名前。DevOps ユーザーは AWS コンソールからこの情報を取得できます。エンドポイントは、ソリューションがデプロイされているのと同じアカウントとリージョンにある必要があることに注意してください。

      **AWS コンソール上でエンドポイント名が表示される場所**   
![\[image15\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/generative-ai-application-builder-on-aws/images/image15.png)
   + エンドポイントによって期待される入力ペイロードのスキーマ。最も広範なエンドポイントをサポートするには、管理者ユーザーは、エンドポイントが期待する入力の形式をソリューションに示す必要があります。モデルの選択ウィザードで、ソリューションがエンドポイントに送信する JSON スキーマを指定します。リクエストペイロードに静的値と動的値を挿入するためのプレースホルダーを追加できます。次のオプションを使用できます。
     + 必須プレースホルダー: \$1<\$1<prompt\$1>\$1> は、ランタイム時に SageMaker AI エンドポイントに送信される完全な入力 (例えば、プロンプトテンプレートからの履歴、コンテキスト、ユーザー入力など) に動的に置き換えられます。
     + オプションのプレースホルダー: \$1<\$1<temperature\$1>\$1>\$1,\$1\$1 、および詳細モデルパラメータで定義された任意のパラメータをエンドポイントに提供できます。\$1<\$1< と \$1>\$1> で囲まれたプレースホルダーを含む文字列 (例: \$1<\$1<max\$1new\$1tokens\$1>\$1>) は、同じ名前の詳細モデルパラメータの値に置き換えられます。

        **入力スキーマの例 - 必須フィールド、プロンプト、温度の設定、およびカスタム詳細パラメータ max\$1new\$1tokens の設定。出力パスは有効な JSONPath 文字列として指定する必要がある**   
![\[image16\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/generative-ai-application-builder-on-aws/images/image16.png)

1. LLM が生成した文字列応答の出力ペイロード内の場所。これを JSONPath 式として指定して、ユーザーに表示される最終的なテキスト応答へのアクセスが、エンドポイントの戻りオブジェクトと応答内のどこから期待されるかを示す必要があります。

    **SageMaker AI 入力スキーマ内で使用する詳細モデルパラメータの追加例 (以前のオプション/設定については、図 2 を参照)**   
![\[image17\]](http://docs.aws.amazon.com/ja_jp/solutions/latest/generative-ai-application-builder-on-aws/images/image17.png)

**注記**  
SageMaker AI では、同じエンドポイントの背後で複数のモデルをホストできるようになりました。これは、現行バージョンの SageMaker AI Studio (Studio Classic ではなく) にエンドポイントをデプロイするときのデフォルト設定です。  
エンドポイントがこのように設定されている場合は、詳細モデルパラメーターセクションに **InferenceComponentName** を追加して、使用するモデルの名前に対応する値を指定する必要があります。