기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # 참조/고급 Amazon Bedrock에 대한 참조 자료, 자습서 및 문제 해결 리소스를 찾아보세요. | Resource | 설명 | | --- | --- | | [핵심 용어](key-definitions.md) | 필수 생성형 AI 및 Amazon Bedrock 용어 | | [AWS SDK에서 Amazon Bedrock 사용](sdk-general-information-section.md) | SDKs 및 프로그래밍 언어 지원 | | [Amazon Bedrock API 오류 코드 문제 해결](troubleshooting-api-error-codes.md) | 일반적인 API 오류 및 해결 방법 | | [콘솔 및 API를 사용하여 세부 시작하기](detailed-getting-started.md) | 자세한 콘솔 및 API 설정 가이드 | | [자습서: 모기지 애플리케이션을 처리하는 흐름 생성](getting-started-mortgage-flow.md) | 자습서: 모기지 처리 흐름 구축 | | [Amazon Bedrock 사용 설명서에 대한 문서 기록](doc-history.md) | 문서 개정 기록 | # 핵심 용어 이 장에서는 Amazon Bedrock이 제공하는 내용과 작동 방식을 이해하는 데 도움이 되는 용어를 설명합니다. 생성형 AI 용어와 Amazon Bedrock의 기본 기능을 이해하려면 다음 목록을 읽어보세요. + **파운데이션 모델(FM)** - 많은 수의 파라미터가 있고 방대한 양의 다양한 데이터로 훈련된 AI 모델입니다. 파운데이션 모델은 광범위한 사용 사례에 대한 다양한 응답을 생성할 수 있습니다. 파운데이션 모델은 텍스트 또는 이미지를 생성할 수 있으며, 입력을 *임베딩*으로 변환할 수도 있습니다. 파운데이션 모델에 대한 자세한 내용은 [Amazon Bedrock에서 지원되는 파운데이션 모델](models-supported.md) 섹션을 참조하세요. + **기본 모델** - 제공업체의 패키징을 거쳐 사용할 준비가 된 파운데이션 모델입니다. Amazon Bedrock은 업계를 선도하는 주요 제공업체의 다양한 파운데이션 모델을 제공합니다. 자세한 내용은 [Amazon Bedrock에서 지원되는 파운데이션 모델](models-supported.md) 섹션을 참조하세요. + **모델 추론** - 주어진 입력(프롬프트)에서 출력(응답)을 생성하는 파운데이션 모델의 프로세스입니다. 자세한 내용은 [모델 추론을 사용하여 프롬프트 제출 및 응답 생성](inference.md) 섹션을 참조하세요. + **프롬프트** - 적절한 응답이나 출력을 생성하도록 모델에 제공되는 입력입니다. 예를 들어, 모델이 응답해야 하는 한 줄의 텍스트 프롬프트를 입력하거나, 모델이 수행할 지침 또는 작업을 텍스트로 자세히 설명할 수 있습니다. 프롬프트에는 작업의 컨텍스트, 출력 예제 또는 모델이 응답에 사용할 텍스트가 포함될 수 있습니다. 프롬프트를 사용하여 분류, 질문 답변, 코드 생성, 창의적인 글쓰기 등의 작업을 수행할 수 있습니다. 자세한 내용은 [프롬프트 엔지니어링 개념](prompt-engineering-guidelines.md) 섹션을 참조하세요. + **토큰** - 모델이 의미의 단일 단위로 해석하거나 예측할 수 있는 문자 시퀀스입니다. 예를 들어 텍스트 모델의 경우, 토큰은 단어뿐만 아니라 문법적 의미가 있는 단어의 일부(예: “-ed”), 구두점(예: “?”) 또는 일반적인 문구(예: “a lot”)에도 해당할 수 있습니다. + **모델 파라미터** - 입력 해석 및 응답 생성 시 모델과 그 동작을 정의하는 값입니다. 모델 파라미터는 제공업체가 제어하고 업데이트합니다. *모델 사용자 지정* 프로세스를 통해 모델 파라미터를 업데이트하여 새 모델을 만들 수도 있습니다. + **추론 파라미터** - **모델 추론** 과정에서 추론 파라미터의 값을 조정하여 응답에 영향을 미칠 수 있습니다. 추론 파라미터는 응답의 가변성에 영향을 미칠 수 있으며 응답의 길이 또는 지정된 시퀀스의 발생을 제한할 수도 있습니다. 구체적인 추론 파라미터에 대한 자세한 내용과 정의는 [추론 파라미터를 사용하여 응답 생성에 영향을 주는 방법](inference-parameters.md) 섹션을 참조하세요. + **플레이그라운드** - 실행 중인 모델 추론을 실험하여 Amazon Bedrock에 익숙해질 수 AWS Management Console 있는의 사용자 친화적 그래픽 인터페이스입니다. 플레이그라운드를 사용하여 다양한 모델, 구성 및 추론 파라미터가 여러 가지 프롬프트 입력에 대한 응답에 어떤 영향을 미치는지 테스트할 수 있습니다. 자세한 내용은 [플레이그라운드를 사용하여 콘솔에서 응답 생성](playgrounds.md) 섹션을 참조하세요. + **임베딩** - 입력을 **임베딩**이라고 하는 숫자 값의 벡터로 변환하여 정보를 압축하는 프로세스로, 공유된 숫자 표현을 사용하여 서로 다른 객체 간의 유사성을 비교할 수 있습니다. 예를 들어, 문장을 비교하여 의미의 유사성을 판단하거나, 이미지를 비교하여 시각적 유사성을 판단하거나, 텍스트와 이미지를 비교하여 서로 관련이 있는지 확인할 수 있습니다. 사용 사례와 관련된 경우 텍스트 및 이미지 입력을 평균 임베딩 벡터로 결합할 수도 있습니다. 자세한 내용은 [모델 추론을 사용하여 프롬프트 제출 및 응답 생성](inference.md) 및 [Amazon Bedrock Knowledge Bases를 사용하여 데이터 검색 및 AI 응답 생성](knowledge-base.md) 섹션을 참조하세요. + **오케스트레이션** - 작업을 수행하기 위해 파운데이션 모델과 엔터프라이즈 데이터 및 애플리케이션을 조정하는 프로세스입니다. 자세한 내용은 [AI 에이전트를 사용하여 애플리케이션에서 태스크 자동화](agents.md) 단원을 참조하십시오. + **에이전트** - 파운데이션 모델을 사용해 주기적으로 입력을 해석하고 출력을 생성하여 오케스트레이션을 수행하는 애플리케이션입니다. 고객 요청을 수행하는 데 에이전트를 사용할 수 있습니다. 자세한 내용은 [AI 에이전트를 사용하여 애플리케이션에서 태스크 자동화](agents.md) 단원을 참조하십시오. + **검색 증강 생성(RAG)** - 프로세스에는 다음이 포함됩니다. 1. 데이터 소스에서 정보 쿼리 및 검색 1. 파운데이션 모델에 더 나은 컨텍스트를 제공하기 위해 이 정보로 프롬프트 보강 1. 추가 컨텍스트를 사용하여 파운데이션 모델에서 더 나은 응답 얻기 자세한 내용은 [Amazon Bedrock Knowledge Bases를 사용하여 데이터 검색 및 AI 응답 생성](knowledge-base.md) 단원을 참조하십시오. + **모델 사용자 지정** - **사용자 지정 모델**을 만들기 위해 훈련 데이터를 사용하여 기본 모델의 모델 파라미터 값을 조정하는 프로세스입니다. 모델 사용자 지정의 예로는 레이블이 지정된 데이터(입력 및 해당 출력)를 사용하여 모델 파라미터를 조정하는 **미세 조정**이 있습니다. Amazon Bedrock에서 사용할 수 있는 모델 사용자 지정 기법에 대한 자세한 내용은 [모델을 사용자 지정하여 사용 사례에 맞게 성능 개선](custom-models.md) 섹션을 참조하세요. + **하이퍼파라미터** - **모델 사용자 지정**에 맞게 조정하여 훈련 프로세스를 제어함으로써 결과적으로 출력 사용자 지정 모델을 제어할 수 있는 값입니다. 구체적인 하이퍼파라미터에 대한 자세한 내용과 정의는 [사용자 지정 모델 하이퍼파라미터](custom-models-hp.md) 섹션을 참조하세요. + **모델 평가** - 사용 사례에 가장 적합한 모델을 결정하기 위해 모델 출력을 평가하고 비교하는 프로세스입니다. 자세한 내용은 [Amazon Bedrock 리소스의 성능 평가](evaluation.md) 단원을 참조하십시오. + **프로비저닝된 처리량** - 모델 추론 과정에서 처리되는 토큰의 양 및/또는 비율을 늘리기 위해 기본 또는 사용자 지정 모델에 대해 사용자가 구매하는 처리량 수준입니다. 모델에 대해 프로비저닝된 처리량을 구매하면 모델 추론을 수행하는 데 사용할 수 있는 **프로비저닝된 모델**이 만들어집니다. 자세한 내용은 [Amazon Bedrock에서 프로비저닝된 처리량으로 모델 간접 호출 용량 증대](prov-throughput.md) 섹션을 참조하세요. # AWS SDK에서 Amazon Bedrock 사용 AWS 소프트웨어 개발 키트(SDKs)는 널리 사용되는 여러 프로그래밍 언어에 사용할 수 있습니다. 각 SDK는 개발자가 선호하는 언어로 애플리케이션을 쉽게 구축할 수 있도록 하는 API, 코드 예제 및 설명서를 제공합니다. | SDK 설명서 | 코드 예제 | | --- | --- | | [AWS SDK for C\$1\$1](https://docs.aws.amazon.com/sdk-for-cpp) | [AWS SDK for C\$1\$1 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/cpp) | | [AWS CLI](https://docs.aws.amazon.com/cli) | [AWS CLI 코드 예제](https://docs.aws.amazon.com/code-library/latest/ug/cli_2_code_examples.html) | | [AWS SDK for Go](https://docs.aws.amazon.com/sdk-for-go) | [AWS SDK for Go 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/gov2) | | [AWS SDK for Java](https://docs.aws.amazon.com/sdk-for-java) | [AWS SDK for Java 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javav2) | | [AWS SDK for JavaScript](https://docs.aws.amazon.com/sdk-for-javascript) | [AWS SDK for JavaScript 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javascriptv3) | | [AWS SDK for Kotlin](https://docs.aws.amazon.com/sdk-for-kotlin) | [AWS SDK for Kotlin 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/kotlin) | | [AWS SDK for .NET](https://docs.aws.amazon.com/sdk-for-net) | [AWS SDK for .NET 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/dotnetv3) | | [AWS SDK for PHP](https://docs.aws.amazon.com/sdk-for-php) | [AWS SDK for PHP 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/php) | | [AWS Tools for PowerShell](https://docs.aws.amazon.com/powershell) | [AWS Tools for PowerShell 코드 예제](https://docs.aws.amazon.com/code-library/latest/ug/powershell_5_code_examples.html) | | [AWS SDK for Python (Boto3)](https://docs.aws.amazon.com/pythonsdk) | [AWS SDK for Python (Boto3) 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/python) | | [AWS SDK for Ruby](https://docs.aws.amazon.com/sdk-for-ruby) | [AWS SDK for Ruby 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/ruby) | | [AWS SDK for Rust](https://docs.aws.amazon.com/sdk-for-rust) | [AWS SDK for Rust 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/rustv1) | | [AWS SDK for SAP ABAP](https://docs.aws.amazon.com/sdk-for-sapabap) | [AWS SDK for SAP ABAP 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/sap-abap) | | [AWS SDK for Swift](https://docs.aws.amazon.com/sdk-for-swift) | [AWS SDK for Swift 코드 예제](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/swift) | **예제 가용성** 필요한 예제를 찾을 수 없습니까? 이 페이지 하단의 **피드백 제공** 링크를 사용하여 코드 예시를 요청하세요. # Amazon Bedrock API 오류 코드 문제 해결 이 섹션에서는 Amazon Bedrock API를 사용할 때 발생할 수 있는 일반적인 오류, 오류의 원인 및 오류 해결 방법에 대한 자세한 정보를 제공합니다. ## AccessDeniedException **HTTP 상태 코드:** 403 **원인: **요청된 작업을 수행할 수 있는 충분한 권한이 없습니다. **해결 방법**: + 시도 중인 작업에 필요한 권한이 IAM 사용자 또는 역할에 있는지 확인합니다. + 임시 보안 자격 증명을 사용하는 경우 만료되지 않았는지 확인합니다. ## FTUFormNotFilled **HTTP 상태 코드:** 404 **원인: **이 계정에 대한 모델 사용 사례 세부 정보가 제출되지 않았습니다. **해결 방법**: + 모델을 사용하기 전에 Anthropic 사용 사례 세부 정보 양식을 작성합니다. ## IncompleteSignature **HTTP 상태 코드:** 400 **원인:** 요청 서명이 AWS 표준을 준수하지 않습니다. **해결 방법**: + Amazon Bedrock을 지원하는 AWS SDK 버전을 사용하고 있는지 확인합니다. + AWS 액세스 키 ID와 보안 키가 올바르게 구성되었는지 확인합니다. + 요청에 수동으로 서명하는 경우 서명 계산 프로세스를 다시 확인하는 것이 좋습니다. ## InternalFailure **HTTP 상태 코드:** 500 **원인: **서버 오류로 인해 요청 처리에 실패했습니다. **해결 방법**: + 신뢰성 향상을 위해 [지수 백오프 및 무작위 지터와 함께 재시도를](https://docs.aws.amazon.com//prescriptive-guidance/latest/cloud-design-patterns/retry-backoff.html) 사용하는 AWS 권장 접근 방식을 사용하는 것이 좋습니다. [https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/](https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/) + 문제가 지속되면 [AWS 지원 센터](https://aws.amazon.com/support)에 문의하여 요청 및 발생하는 오류에 대한 세부 정보를 제공하세요. ## InvalidAction **HTTP 상태 코드:** 400 **원인: **요청된 동작 또는 작업이 유효하지 않습니다. **해결 방법**: + 요청에서 작업 이름의 철자와 형식을 다시 확인하는 것이 좋습니다. + 작업 직접 호출이 Amazon Bedrock에서 지원되고 [Amazon Bedrock API 참조](https://docs.aws.amazon.com//bedrock/latest/APIReference/API_Operations.html)에 표시된 대로 올바르게 문서화되었는지 확인합니다. + AWS SDK 또는 CLI의 up-to-date 버전을 사용하고 있는지 확인합니다. ## InvalidClientTokenId **HTTP 상태 코드:** 403 **원인: **제공된 X.509 인증서 또는 AWS 액세스 키 ID가 레코드에 존재하지 않습니다. **해결 방법**: + 올바른 AWS 액세스 키 ID를 사용하고 있는지 확인합니다. + 최근에 새 액세스 키를 만든 경우 이전 키가 아닌 새 자격 증명 정보를 사용하고 있는지 확인합니다. ## AWS 15분 이내에 Marketplace 계약 실패 **HTTP 상태 코드:** 403 **원인: **기본 문제로 인해 AWS Marketplace 계약이 실패했습니다. **해결 방법**: + 오류 메시지를 검토하고 기본 문제를 해결합니다. 일반적인 기본 문제는 잘못된 결제 오류와 제한된 지리적 위치입니다. + 잘못된 결제 오류의 경우 Amazon Bedrock에서 모델 액세스를 요청한 후 [AWS Marketplace 및 INVALID\$1PAYMENT\$1INSTRUMENT를 사용하는 AISPL 고객의 신용 카드 및 직불 카드 구매 제한을](https://aws-blogs-prod.amazon.com/awsmarketplace/restriction-on-credit-and-debit-card-purchases-for-aispl-customers-using-aws-marketplace/) 검토하세요. [https://repost.aws/questions/QU0UOsutrWSSS4nOqgHcIUJg/invalid-payment-instrument-after-requesting-model-access-in-amazon-bedrock](https://repost.aws/questions/QU0UOsutrWSSS4nOqgHcIUJg/invalid-payment-instrument-after-requesting-model-access-in-amazon-bedrock) ## AWS 15분 후 보류 중인 Marketplace 계약 **HTTP 상태 코드:** 403 **원인: ** AWS Marketplace 계약이 성공하지 못했으며 요청 후 15분이 지났습니다. **해결 방법**: + 15분마다 요청을 다시 시도하세요. 문제가 지속되면 [AWS 지원 센터](https://aws.amazon.com/support)에 문의하여 요청 및 발생하는 오류에 대한 세부 정보를 제공하세요. ## MPAgreementBeingCreated **HTTP 상태 코드:** 403 **원인: **계정에 이 모델에 액세스할 권한이 없습니다. 이 모델에 대한 AWS Marketplace 구독이 아직 처리 중입니다. **해결 방법**: + 15분 후에 다시 시도하세요. ## NotAuthorized **HTTP 상태 코드:** 400 **원인: **이 작업을 수행하는 데 필요한 권한이 없습니다. **해결 방법**: + IAM 권한을 검토하고 Amazon Bedrock 리소스에서 요청된 작업을 수행하는 데 필요한 권한이 있는지 확인합니다. + IAM 역할을 사용하는 경우 역할에 적절한 권한과 신뢰 관계가 있는지 확인합니다. + 액세스를 제한할 수 있는 조직 정책 또는 서비스 제어 정책이 있는지 확인합니다. ## RequestExpired **HTTP 상태 코드:** 400 **원인: **타임스탬프가 만료되어 요청이 더 이상 유효하지 않습니다. **해결 방법**: + 시스템 시계가 안정적인 시간 소스와 올바르게 동기화되었는지 확인합니다. + 서로 다른 시간대에서 요청하는 경우 타임스탬프 불일치가 발생할 수 있다는 점에 유의하세요. ## ServiceUnavailable **HTTP 상태 코드:** 503 **원인: **서비스가 일시적으로 요청을 처리할 수 없습니다. 503 오류는 정기적인 스로틀링에 사용됩니다. **해결 방법**: + 신뢰성 향상을 위해 [지수 백오프 및 무작위 지터와 함께 재시도를](https://docs.aws.amazon.com//prescriptive-guidance/latest/cloud-design-patterns/retry-backoff.html) 사용하는 AWS 권장 접근 방식을 사용하는 것이 좋습니다. [https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/](https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/) + 현재 리전에서 문제가 지속 AWS 리전 되면 다른 로 전환하는 것이 좋습니다. 리전마다 로드 및 가용성 수준이 다를 수 있습니다. + [교차 리전 추론을 사용하면](https://docs.aws.amazon.com//bedrock/latest/userguide/cross-region-inference.html) 다양한 컴퓨팅을 활용하여 계획되지 않은 트래픽 버스트를 원활하게 관리할 수 있습니다 AWS 리전. + 처리량 요구 사항이 높은 경우 사용 사례에 맞게 [프로비저닝된 처리량](https://docs.aws.amazon.com//bedrock/latest/userguide/prov-throughput.html)을 살펴보는 것이 좋습니다. **모범 사례** + 애플리케이션이 오류 처리 및 재시도 로직에서 503 상태 코드를 적절하게 처리할 수 있는지 확인합니다. + AWS 서비스에 영향을 미칠 수 있는 알려진 문제 또는 예약된 유지 관리가 있는지 서비스 상태 대시보드를 확인합니다. 503 오류가 자주 발생하거나 작업에 상당한 영향을 미치는 경우 [AWS Support](https://aws.amazon.com/support)에 특정 사용 사례에 맞는 추가 지원 및 지침을 문의하세요. ## ThrottlingException **HTTP 상태 코드:** 429 **원인: **Amazon Bedrock의 계정 할당량을 초과하여 요청이 거부되었습니다. **해결 방법**: + [Amazon Bedrock 서비스 할당량](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#limits_bedrock) 콘솔에서 Amazon Bedrock 서비스 할당량을 확인하여 계정에 할당된 제한에 대해 알아봅니다. + 신뢰성 향상을 위해 지수 백오프가 있는 재시도를 사용하는 AWS 권장 접근 방식을 사용하는 것이 좋습니다. 및 무작위 [지터](https://aws.amazon.com/builders-library/timeouts-retries-and-backoff-with-jitter/). [https://docs.aws.amazon.com//prescriptive-guidance/latest/cloud-design-patterns/retry-backoff.html](https://docs.aws.amazon.com//prescriptive-guidance/latest/cloud-design-patterns/retry-backoff.html) + 처리량 요구 사항이 높은 경우 사용 사례에 맞게 [프로비저닝된 처리량](https://docs.aws.amazon.com//bedrock/latest/userguide/prov-throughput.html)을 살펴보는 것이 좋습니다. + 워크로드 트래픽이 계정 할당량을 초과하는 경우 계정 관리자 또는 [AWS Support](https://aws.amazon.com/support)에 문의하여 할당량 증가를 요청합니다. ## ValidationError **HTTP 상태 코드:** 400 **원인: **입력이 Amazon Bedrock에서 지정한 제약 조건을 충족하지 못합니다. **해결 방법**: + API 설명서를 검토하여 필요한 모든 파라미터가 올바르게 포함되고 형식이 지정되었는지 확인합니다. + 입력 값이 허용 범위 내에 있는지 또는 예상 패턴을 준수하는지 확인합니다. + 사용 중인 작업에 대한 API 참조에 언급된 특정 검증 규칙에 주의를 기울이는 것이 좋습니다. ## ResourceNotFound **HTTP 상태 코드:** 404 **원인: **요청한 리소스를 찾을 수 없습니다. **해결 방법**: + 요청에서 모델 ID, 엔드포인트 이름 또는 기타 리소스 식별자의 정확성을 확인합니다. + 기본 리소스를 찾을 수 없는 경우 대체 모델 또는 엔드포인트를 사용하려면 폴백 메커니즘을 구현하세요. **모범 사례** + [ListFoundationModels](https://docs.aws.amazon.com//bedrock/latest/APIReference/API_ListFoundationModels.html)을 사용하여 이용 가능한 Amazon Bedrock 파운데이션 모델에 대해 알아봅니다. + 주기적인 동기화 프로세스를 구현하여 로컬 리소스 카탈로그를 업데이트하는 것이 좋습니다. 이러한 솔루션을 시도한 후에도 문제가 계속 발생하면 [AWS Support](https://aws.amazon.com/support)에 특정 사용 사례에 맞는 추가 지원 및 지침을 문의하세요. ## Amazon Bedrock APIs 호출 시 연결 제한 시간 또는 재설정 **증상: **API 호출은 연결 재설정 또는 제한 시간, 특히 트래픽이 NAT 게이트웨이, VPC 엔드포인트 또는 Network Load Balancer를 통과하는 스트리밍 또는 확장 추론과 같은 장기 실행 요청의 경우 실패합니다. **원인: **NAT 게이트웨이, 인터페이스 VPC 엔드포인트 및 Network Load Balancer의 고정 유휴 연결 제한 시간은 350초입니다. TCP 연결이이 기간보다 오래 유휴 상태로 유지되면 연결이 끊어집니다. 클라이언트는 TCP RST 패킷 또는 요청 제한 시간을 수신합니다. **해결 방법**: TCP 연결 유지를 활성화하여 연결이 유휴 상태가 되지 않도록 하는 주기적 프로브를 전송합니다. 자세한 내용은 AWS 네트워킹 및 콘텐츠 전송 블로그의 [VPC 네트워킹 내에서 장기 실행 TCP 연결 구현](https://aws.amazon.com/blogs/networking-and-content-delivery/implementing-long-running-tcp-connections-within-vpc-networking/)을 참조하세요. TCP 연결 유지를 활성화한 후에도 연결 문제가 계속 발생하면 [AWS Support](https://aws.amazon.com/support)에 문의하여 추가 지원을 받으세요. # 콘솔 및 API를 사용하여 세부 시작하기 콘텐츠가 곧 제공됩니다. # Amazon Bedrock 콘솔에서 시작하기 이 섹션에서는 AWS 콘솔의 [플레이그라운드](playgrounds.md)를 사용하여 Amazon Bedrock 파운데이션 모델(FM)에 텍스트 프롬프트를 제출하고 텍스트 또는 이미지 응답을 생성하는 방법을 설명합니다. 다음 예제를 실행하기 전에 다음과 같은 사전 조건을 충족하는지 확인해야 합니다. **사전 조건** + 가 AWS 계정 있고 Amazon Bedrock에 필요한 권한을 가진 해당 계정의 역할에 액세스할 수 있는 권한이 있습니다. 그렇지 않은 경우 [빠른 시작](getting-started.md)의 단계를 따르세요. + 현재 미국 동부(버지니아 북부)(us-east-1) 리전에 있습니다. 리전을 변경하려면 콘솔 오른쪽 상단의 IAM 역할 옆에 있는 리전 이름을 선택합니다. 그런 다음 미국 동부(버지니아 북부)(us-east-1)를 선택합니다. **Topics** + [텍스트 플레이그라운드 탐색](#getting-started-text) + [이미지 플레이그라운드 탐색](#getting-started-image) ## 텍스트 플레이그라운드 탐색 다음 예제는 텍스트 플레이그라운드를 사용하는 방법을 보여줍니다. 1. Amazon Bedrock 콘솔을 사용할 권한이 있는 IAM 자격 증명 AWS Management Console 으로에 로그인합니다. 그 다음 [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock)에서 Amazon Bedrock 콘솔을 엽니다. 1. 왼쪽 탐색 창의 **플레이그라운드**에서 **텍스트**를 선택합니다. 1. **모델 선택**에서 모델 제공업체와 모델을 선택합니다. 이 예제에서는 **Amazon Titan Text G1 - Lite**를 선택합니다. 그런 다음 **적용**을 선택합니다. 1. 텍스트 패널 아래에서 기본 프롬프트를 선택하거나 **Describe the purpose of a "hello world" program in one line**과 같은 프롬프트를 텍스트 패널에 입력합니다. 1. **실행**을 선택하여 모델에서 추론을 실행합니다. 생성된 텍스트가 텍스트 패널의 프롬프트 아래에 표시됩니다. ## 이미지 플레이그라운드 탐색 다음 예제는 이미지 플레이그라운드를 사용하는 방법을 보여줍니다. 1. Amazon Bedrock 콘솔을 사용할 권한이 있는 IAM 자격 증명 AWS Management Console 으로에 로그인합니다. 그 다음 [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock)에서 Amazon Bedrock 콘솔을 엽니다. 1. 왼쪽 탐색 창의 **플레이그라운드**에서 **이미지**를 선택합니다. 1. **모델 선택**에서 모델 제공업체와 모델을 선택합니다. 이 예제에서는 **Amazon Titan Image Generator G1 V1**를 선택합니다. 그런 다음 **적용**을 선택합니다. 1. 텍스트 패널 아래에서 기본 프롬프트를 선택하거나 **Generate an image of happy cats**과 같은 프롬프트를 텍스트 패널에 입력합니다. 1. **구성** 창에서 **이미지 개수**를 **1**로 변경합니다. 1. **실행**을 선택하여 모델에서 추론을 실행합니다. 생성된 이미지가 프롬프트 위에 나타납니다. # API 시작하기 이 섹션에서는 AWS API를 통해 Amazon Bedrock을 요청하도록 환경을 설정하는 방법을 설명합니다.는 경험을 간소화하기 위해 다음 도구를 AWS 제공합니다. + AWS Command Line Interface (AWS CLI) + AWS SDKs + Amazon SageMaker AI 노트북 사용 API를 시작하려면 프로그래밍 방식 액세스 권한을 부여하기 위한 자격 증명이 필요합니다. 다음 섹션이 해당되는 경우 해당 섹션을 확장하고 지침을 따르세요. 그렇지 않으면 나머지 섹션을 진행합니다. ## 를 처음 사용하는 경우 AWS 이 없는 경우 다음 단계를 AWS 계정완료하여 생성합니다. **에 가입하려면 AWS 계정** 1. [https://portal.aws.amazon.com/billing/signup](https://portal.aws.amazon.com/billing/signup)을 엽니다. 1. 온라인 지시 사항을 따르세요. 등록 절차 중 전화 또는 텍스트 메시지를 받고 전화 키패드로 확인 코드를 입력하는 과정이 있습니다. 에 가입하면 AWS 계정*AWS 계정 루트 사용자*이 생성됩니다. 루트 사용자에게는 계정의 모든 AWS 서비스 및 리소스에 액세스할 권한이 있습니다. 보안 모범 사례는 사용자에게 관리 액세스 권한을 할당하고, 루트 사용자만 사용하여 [루트 사용자 액세스 권한이 필요한 작업](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_root-user.html#root-user-tasks)을 수행하는 것입니다. AWS 는 가입 프로세스가 완료된 후 확인 이메일을 보냅니다. 언제든지 [https://aws.amazon.com/](https://aws.amazon.com/)으로 이동하고 **내 계정**을 선택하여 현재 계정 활동을 확인하고 계정을 관리할 수 있습니다. **보안 AWS 계정 루트 사용자** 1. **루트 사용자를** 선택하고 AWS 계정 이메일 주소를 입력하여 계정 소유자[AWS Management Console](https://console.aws.amazon.com/)로에 로그인합니다. 다음 페이지에서 비밀번호를 입력합니다. 루트 사용자를 사용하여 로그인하는 데 도움이 필요하면 *AWS Sign-In 사용 설명서*의 [루트 사용자로 로그인](https://docs.aws.amazon.com/signin/latest/userguide/console-sign-in-tutorials.html#introduction-to-root-user-sign-in-tutorial)을 참조하세요. 1. 루트 사용자의 다중 인증(MFA)을 활성화합니다. 지침은 *IAM 사용 설명서*의 [AWS 계정 루트 사용자(콘솔)에 대한 가상 MFA 디바이스 활성화를 참조하세요](https://docs.aws.amazon.com/IAM/latest/UserGuide/enable-virt-mfa-for-root.html). ## AWS CLI 또는 AWS SDK를 설치해야 합니다. 를 설치하려면 설치의 단계를 AWS CLI따르[거나의 최신 버전으로 업데이트합니다 AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html). AWS SDK를 설치하려면 [Tools to Build on AWS](https://aws.amazon.com/developer/tools/)에서 사용하려는 프로그래밍 언어에 해당하는 탭을 선택합니다. AWS 소프트웨어 개발 키트(SDKs)는 널리 사용되는 여러 프로그래밍 언어에 사용할 수 있습니다. 각 SDK는 개발자가 선호하는 언어로 애플리케이션을 쉽게 구축할 수 있도록 하는 API, 코드 예제 및 설명서를 제공합니다. SDK는 다음과 같은 유용한 작업을 자동으로 수행합니다. + 서비스 요청에 대한 암호화 서명 + 요청 재시도 + 오류 응답 처리 ## 프로그래밍 방식 액세스 권한을 부여하는 자격 증명 가져오기 사용자는 AWS 외부에서와 상호 작용하려는 경우 프로그래밍 방식의 액세스가 필요합니다 AWS Management Console.는 보안 문제에 따라 여러 옵션을 AWS 제공합니다. **참고** Amazon Bedrock API에 빠르게 액세스하는 데 사용할 수 있는 API 키를 생성하는 단계별 지침은 [Amazon Bedrock API 키 시작하기: 30일 키를 생성하고 첫 API 직접 호출 수행](getting-started-api-keys.md) 섹션을 참조하세요. 보안 요구 사항의 수준이 더 높은 경우, 이 섹션을 계속 진행합니다. 프로그래밍 방식 액세스를 부여하는 방법은에 액세스하는 사용자 유형에 따라 다릅니다 AWS. 사용자에게 프로그래밍 방식의 액세스 권한을 부여하려면 다음 옵션 중 하나를 선택합니다. **** | 프로그래밍 방식 액세스가 필요한 위탁자는 누구인가요? | 목적 | 방법 | | --- | --- | --- | | IAM 사용자 | 장기 자격 증명의 기간을 제한하여 AWS CLI, AWS SDKs 또는 AWS APIs. | 사용하고자 하는 인터페이스에 대한 지침을 따릅니다. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/bedrock/latest/userguide/getting-started-api.html) | | IAM 역할 | 임시 자격 증명을 사용하여 AWS CLI, AWS SDKs 또는 AWS APIs. | IAM 사용 설명서의 [AWS 리소스에서 임시 자격 증명 사용](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_credentials_temp_use-resources.html)의 지침을 따릅니다. | | 작업 인력 ID (IAM Identity Center에서 관리되는 사용자) | 임시 자격 증명을 사용하여 AWS CLI, AWS SDKs 또는 AWS APIs. | 사용하고자 하는 인터페이스에 대한 지침을 따릅니다. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/bedrock/latest/userguide/getting-started-api.html) | ## IAM 사용자의 액세스 키를 구성하는 방법 IAM 사용자에 액세스 키를 사용하기로 결정한 경우 에서는 제한적인 인라인 정책을 포함하여 IAM 사용자에 대한 만료를 설정하는 것이 AWS 좋습니다. **중요** 다음 경고에 주의하세요. 계정의 루트 자격 증명을 사용하여 AWS 리소스에 액세스**하지 마십시오**. 이 보안 인증은 계정 액세스에 제한이 없고 취소하기 어렵습니다. **금지 사항.** 애플리케이션 파일에 리터럴 액세스 키나 보안 인증 정보를 넣으면 안 됩니다. 이를 어기는 경우, 예를 들어 프로젝트를 퍼블릭 리포지토리에 업로드하면 뜻하지 않게 보안 인증이 노출될 위험이 있습니다. **금지 사항.** 프로젝트 영역에 보안 인증이 포함된 파일을 포함하지 마세요. 액세스 키를 안전하게 관리하세요. [계정 식별자를 찾는 데](https://docs.aws.amazon.com/general/latest/gr/acct-identifiers.html) 도움이 되더라도 액세스 키를 권한 없는 당사자에게 제공하지 마세요. 이렇게 하면 다른 사람에게 계정에 대한 영구 액세스 권한을 부여할 수 있습니다. 공유 자격 증명 파일에 저장된 모든 AWS 자격 증명은 일반 텍스트로 저장됩니다. 자세한 내용은의 [AWS 액세스 키 관리 모범 사례를](https://docs.aws.amazon.com/general/latest/gr/aws-access-keys-best-practices.html) 참조하세요 AWS 일반 참조. **IAM 사용자를 생성합니다.** 1. AWS Management Console 홈 페이지에서 IAM 서비스를 선택하거나 [https://console.aws.amazon.com/iam/](https://console.aws.amazon.com/iam/) IAM 콘솔로 이동합니다. 1. 탐색 창에서 **사용자**와 **사용자 생성**을 차례로 선택합니다. 1. IAM 콘솔의 지침에 따라 프로그래밍 방식 사용자(에 대한 액세스 권한 없음 AWS Management Console)와 권한 없음을 설정합니다. **제한된 기간으로 사용자 액세스 제한** 생성하는 모든 IAM 사용자 액세스 키는 장기 자격 증명입니다. 이러한 자격 증명이 잘못 처리된 경우 만료되도록 하려면 키가 더 이상 유효하지 않은 날짜를 지정하는 인라인 정책을 생성하여 자격 증명에 시간 제한을 적용할 수 있습니다. 1. 방금 생성한 IAM 사용자를 엽니다. **권한** 탭에서 **권한 추가**, **인라인 정책 생성**을 차례로 선택합니다. 1. JSON 편집기에서 다음 권한을 지정합니다. 이 정책을 사용하려면 예제 정책의 `aws:CurrentTime` 타임스탬프 값 값을 자체 종료 날짜로 바꿉니다. **참고** IAM은 액세스 키를 12시간으로 제한할 것을 권장합니다. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Effect": "Deny", "Action": "*", "Resource": "*", "Condition": { "DateGreaterThan": { "aws:CurrentTime": "2024-01-01T00:00:000" } } } ] } ``` ------ **액세스 키 생성** 1. **사용자 세부 정보** 페이지에서 **보안 자격 증명** 탭을 선택합니다. **액세스 키** 섹션에서 **액세스 키 생성**을 선택합니다. 1. 이러한 액세스 키를 **기타**로 사용할 계획임을 표시하고 **액세스 키 생성**을 선택합니다. 1. **Retrieve access key page**(액세스 키 검색) 페이지에서 **Show**(표시)를 선택하여 사용자의 비밀 액세스 키 값을 표시합니다. 자격 증명을 복사하거나 .csv 파일을 다운로드할 수 있습니다. **중요** 이 IAM 사용자가 더 이상 필요하지 않은 경우 이를 제거하고 [AWS 보안 모범 사례에](https://docs.aws.amazon.com/IAM/latest/UserGuide/best-practices.html#lock-away-credentials) 따라 액세스 시 인간 사용자에게 [AWS IAM Identity Center](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html)를 통해 임시 자격 증명을 사용하도록 요구하는 것이 좋습니다 AWS. ## 사용자 또는 역할에 Amazon Bedrock 권한 연결 프로그래밍 방식 액세스를 위한 자격 증명을 설정한 후에는 사용자 또는 IAM 역할이 Amazon Bedrock 관련 작업 세트에 액세스할 수 있도록 권한을 구성해야 합니다. 이러한 권한을 설정하려면 다음을 수행하세요. 1. AWS Management Console 홈 페이지에서 IAM 서비스를 선택하거나 [https://console.aws.amazon.com/iam/](https://console.aws.amazon.com/iam/) IAM 콘솔로 이동합니다. 1. **사용자** 또는 **역할**을 선택한 다음 사용자나 역할을 선택합니다. 1. **권한** 탭에서 **권한 추가**를 선택한 다음 ** AWS 관리형 정책 추가**를 선택합니다. [AmazonBedrockFullAccess]() AWS 관리형 정책을 선택합니다. 1. 사용자 또는 역할이 모델을 구독하도록 허용하려면 **인라인 정책 생성**을 선택하고 JSON 편집기에서 다음 권한을 지정합니다. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "MarketplaceBedrock", "Effect": "Allow", "Action": [ "aws-marketplace:ViewSubscriptions", "aws-marketplace:Unsubscribe", "aws-marketplace:Subscribe" ], "Resource": "*" } ] } ``` ------ ## Amazon Bedrock에 대한 API 직접 호출 수행해 보기 모든 사전 조건을 충족한 후에는 다음 주제 중 하나를 선택하여 Amazon Bedrock 모델을 사용하여 모델 간접 호출 요청을 테스트해 봅니다. **Topics** + [프로그래밍 방식 액세스 권한을 부여하는 자격 증명 가져오기](#gs-grant-program-access) + [사용자 또는 역할에 Amazon Bedrock 권한 연결](#gs-api-br-permissions) + [Amazon Bedrock에 대한 API 직접 호출 수행해 보기](#gs-try-bedrock) + [Amazon Bedrock API 키 시작하기: 30일 키를 생성하고 첫 API 직접 호출 수행](getting-started-api-keys.md) + [를 사용하여 예제 Amazon Bedrock API 요청 실행 AWS Command Line Interface](getting-started-api-ex-cli.md) + [AWS SDK for Python(Boto3)을 통해 예제 Amazon Bedrock API 요청 실행](getting-started-api-ex-python.md) + [Amazon SageMaker AI 노트북을 사용하여 예제 Amazon Bedrock API 요청 실행](getting-started-api-ex-sm.md) # Amazon Bedrock API 키 시작하기: 30일 키를 생성하고 첫 API 직접 호출 수행 이 자습서는 30일 후에 만료되는 장기 Amazon Bedrock API 키를 생성하고 이를 사용하여 Python으로 간단한 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) API 직접 호출을 수행하는 방법을 안내합니다. 복잡한 AWS 자격 증명을 설정하지 않고 Amazon Bedrock으로 실험을 시작하는 가장 빠른 방법입니다. **주의** 장기 API 키는 Amazon Bedrock의 탐색 및 개발에만 권장됩니다. 프로덕션 애플리케이션의 경우 IAM 역할 또는 임시 자격 증명과 같은 [장기 액세스 키의 대체 항목](https://docs.aws.amazon.com/IAM/latest/UserGuide/security-creds-programmatic-access.html#security-creds-alternatives-to-long-term-access-keys)을 사용합니다. 다음 단계에 따라 30일 후에 만료되는 장기 Amazon Bedrock API 키를 생성합니다. 1. Amazon Bedrock 콘솔을 사용할 권한이 있는 IAM 자격 증명 AWS Management Console 으로에 로그인합니다. 그 다음 [https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock)에서 Amazon Bedrock 콘솔을 엽니다. 1. 왼쪽 탐색 창에서 **API 키**를 선택합니다. 1. **장기 API 키** 탭에서 **장기 API 키 생성**을 선택합니다. 1. **API 키 만료** 섹션에서 **30일**을 선택합니다. 1. **생성**을 선택합니다. 생성하는 키는 연결된 [AmazonBedrockLimitedAccess](security-iam-awsmanpol.md#security-iam-awsmanpol-AmazonBedrockLimitedAccess) 정책에 정의된 대로 핵심 Amazon Bedrock 작업을 수행할 수 있는 권한을 제공합니다. 1. 생성된 API 키를 복사하여 안전하게 저장합니다. 다음 단계에서 이 키를 사용합니다. **중요** API 키는 한 번만 표시됩니다. 대화 상자를 닫기 전에 복사하여 저장해 두어야 합니다. API 키는 30일 후에 만료된다는 사실을 기억하세요. 동일한 단계에 따라 새로 생성하거나 지속적인 사용을 위해 더 안전한 인증 방법으로 전환하는 것이 좋습니다. 1. *\$1\$1api-key\$1*를 생성된 API 키 값으로 대체하여 API 키를 환경 변수로 설정하고 이를 사용하여 선택한 방법에서 응답을 생성합니다. ------ #### [ Python ] ``` import boto3 import os # Set the API key as an environment variable os.environ['AWS_BEARER_TOKEN_BEDROCK'] = "${api-key}" # Create the Bedrock client client = boto3.client( service_name="bedrock-runtime", region_name="us-east-1" ) # Define the model and message model_id = "us.anthropic.claude-3-5-haiku-20241022-v1:0" messages = [{"role": "user", "content": [{"text": "Hello! Can you tell me about Amazon Bedrock?"}]}] # Make the API call response = client.converse( modelId=model_id, messages=messages, ) # Print the response print(response['output']['message']['content'][0]['text']) ``` ------ #### [ HTTP client using Python ] ``` import requests url = "https://bedrock-runtime.us-east-1.amazonaws.com/model/us.anthropic.claude-3-5-haiku-20241022-v1:0/converse" payload = { "messages": [ { "role": "user", "content": [{"text": "Hello"}] } ] } headers = { "Content-Type": "application/json", "Authorization": "Bearer ${api-key}" } response = requests.request("POST", url, json=payload, headers=headers) print(response.text) ``` ------ #### [ HTTP request using cURL ] ``` curl -X POST "https://bedrock-runtime.us-east-1.amazonaws.com/model/us.anthropic.claude-3-5-haiku-20241022-v1:0/converse" \ -H "Content-Type: application/json" \ -H "Authorization: Bearer ${api-key}" \ -d '{ "messages": [ { "role": "user", "content": [{"text": "Hello"}] } ] }' ``` ------ 축하합니다\$1 Amazon Bedrock API 키를 성공적으로 생성하고 Amazon Bedrock 서비스에 대한 첫 API 직접 호출을 수행했습니다. 더 많은 Amazon Bedrock 작업을 탐색한 후에는 단기 Amazon Bedrock API 키 또는 AWS광범위한 임시 자격 증명과 같은 보다 안전한 인증 방법으로 전환해야 합니다. 자세한 내용은 다음 리소스를 참조하세요. + **다양한 모델 살펴보기** - [Amazon Bedrock 파운데이션 모델 정보](foundation-models-reference.md)의 Amazon Bedrock에서 사용할 수 있는 다른 파운데이션 모델에 대해 알아보고 코드에서 `model_id`를 변경하여 사용해 보세요. + **모델 추론에 대해 알아보기** - [모델 추론을 사용하여 프롬프트 제출 및 응답 생성](inference.md)의 Amazon Bedrock에서 사용할 수 있는 개념과 옵션에 대해 읽고 모델 추론을 사용하여 응답을 생성하는 방법에 대해 알아봅니다. + **보다 안전한 인증 방법을 통한 프로덕션 계획** - 빌드 장에서 Amazon Bedrock API 키에 대해 자세히 읽고 보다 안전한 단기 Amazon Bedrock API 키를 생성하는 방법을 알아봅니다. 프로덕션 애플리케이션을 구축할 준비가 되면 [장기 액세스 키에 대한 대안](https://docs.aws.amazon.com/IAM/latest/UserGuide/security-creds-programmatic-access.html#security-creds-alternatives-to-long-term-access-keys)도 검토하여 다른 AWS 서비스에 대한 액세스를 허용하는 보다 안전한 옵션을 찾아야 합니다. # 를 사용하여 예제 Amazon Bedrock API 요청 실행 AWS Command Line Interface 이 섹션에서는를 사용하여 Amazon Bedrock에서 몇 가지 일반적인 작업을 시도 AWS Command Line Interface 하여 권한 및 인증이 올바르게 설정되었는지 테스트하는 방법을 안내합니다. 다음 예제를 실행하기 전에 다음과 같은 사전 조건을 충족하는지 확인해야 합니다. **사전 조건** + AWS 계정 인증이 설정되고 Amazon Bedrock에 필요한 권한이 있는 및 사용자 또는 역할이 있습니다. 그렇지 않은 경우 [API 시작하기](getting-started-api.md)의 단계를 따르세요. + AWS CLI에 대한 인증을 설치하고 설정했습니다. 를 설치하려면 [설치 또는 최신 버전으로 업데이트의 AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html) 단계를 AWS CLI따릅니다. [프로그래밍 방식 액세스 권한을 부여하는 자격 증명 가져오기](getting-started-api.md#gs-grant-program-access)의 단계에 따라 CLI를 사용하도록 자격 증명을 설정했는지 확인합니다. 적절한 권한으로 설정한 사용자 또는 역할을 사용하여 Amazon Bedrock에 대한 권한이 올바르게 설정되었는지 테스트합니다. **Topics** + [Amazon Bedrock이 제공해야 하는 파운데이션 모델 나열](#getting-started-api-ex-cli-listfm) + [모델에 텍스트 프롬프트를 제출하고 InvokeModel을 사용하여 텍스트 응답 생성](#getting-started-api-ex-cli-invoke-text) + [모델에 텍스트 프롬프트를 제출하고 Converse를 사용하여 텍스트 응답 생성](#getting-started-api-ex-cli-converse) ## Amazon Bedrock이 제공해야 하는 파운데이션 모델 나열 다음 예제에서는를 사용하여 [ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html) 작업을 실행합니다 AWS CLI.는 리전의 Amazon Bedrock에서 사용할 수 있는 파운데이션 모델(FMs)을 `ListFoundationModels` 나열합니다. 터미널에서 다음 명령을 실행합니다. ``` aws bedrock list-foundation-models ``` 명령이 성공하면 응답은 Amazon Bedrock에서 사용할 수 있는 파운데이션 모델 목록을 반환합니다. ## 모델에 텍스트 프롬프트를 제출하고 InvokeModel을 사용하여 텍스트 응답 생성 다음 예제에서는를 사용하여 [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html) 작업을 실행합니다 AWS CLI. `InvokeModel`를 사용하면 프롬프트를 제출하여 모델 응답을 생성할 수 있습니다. 터미널에서 다음 명령을 실행합니다. ``` aws bedrock-runtime invoke-model \ --model-id amazon.titan-text-express-v1 \ --body '{"inputText": "Describe the purpose of a \"hello world\" program in one line.", "textGenerationConfig" : {"maxTokenCount": 512, "temperature": 0.5, "topP": 0.9}}' \ --cli-binary-format raw-in-base64-out \ invoke-model-output-text.txt ``` 명령이 성공하면 모델에서 생성된 응답이 `invoke-model-output-text.txt` 파일에 기록됩니다. 텍스트 응답은 함께 제공된 정보와 함께 `outputText` 필드에 반환됩니다. ## 모델에 텍스트 프롬프트를 제출하고 Converse를 사용하여 텍스트 응답 생성 다음 예제에서는를 사용하여 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) 작업을 실행합니다 AWS CLI. `Converse`를 사용하면 프롬프트를 제출하여 모델 응답을 생성할 수 있습니다. 지원되는 경우 `InvokeModel`에서 `Converse` 작업을 사용하는 것이 좋습니다. Amazon Bedrock 모델에서 추론 요청을 통합하고 멀티턴 대화 관리를 간소화하기 때문입니다. 터미널에서 다음 명령을 실행합니다. ``` aws bedrock-runtime converse \ --model-id amazon.titan-text-express-v1 \ --messages '[{"role": "user", "content": [{"text": "Describe the purpose of a \"hello world\" program in one line."}]}]' \ --inference-config '{"maxTokens": 512, "temperature": 0.5, "topP": 0.9}' ``` 명령이 성공하면 모델에서 생성된 응답이 함께 제공된 정보와 함께 `text` 필드에 반환됩니다. # AWS SDK for Python(Boto3)을 통해 예제 Amazon Bedrock API 요청 실행 이 섹션에서는를 사용하여 AWS Amazon Bedrock에서 몇 가지 일반적인 작업을 시도Python하여 권한 및 인증이 올바르게 설정되었는지 테스트하는 방법을 안내합니다. 다음 예제를 실행하기 전에 다음과 같은 사전 조건을 충족하는지 확인해야 합니다. **사전 조건** + AWS 계정 인증이 설정되고 Amazon Bedrock에 필요한 권한이 있는 및 사용자 또는 역할이 있습니다. 그렇지 않은 경우 [API 시작하기](getting-started-api.md)의 단계를 따르세요. + AWS SDK for Python(Boto3)에 대한 인증을 설치하고 설정했습니다. Boto3를 설치하려면 Boto3 설명서의 [빠른 시작](https://boto3.amazonaws.com/v1/documentation/api/latest/guide/quickstart.html)에 있는 단계를 따르세요. [프로그래밍 방식 액세스 권한을 부여하는 자격 증명 가져오기](getting-started-api.md#gs-grant-program-access)의 단계에 따라 Boto3를 사용하도록 자격 증명을 설정했는지 확인합니다. 적절한 권한으로 설정한 사용자 또는 역할을 사용하여 Amazon Bedrock에 대한 권한이 올바르게 설정되었는지 테스트합니다. Amazon Bedrock 설명서에는 다른 프로그래밍 언어에 대한 코드 예제도 포함되어 있습니다. 자세한 내용은 [AWS SDKs를 사용하는 Amazon Bedrock의 코드 예제](service_code_examples.md) 단원을 참조하십시오. **Topics** + [Amazon Bedrock이 제공해야 하는 파운데이션 모델 나열](#getting-started-api-ex-python-listfm) + [모델에 텍스트 프롬프트를 제출하고 InvokeModel을 사용하여 텍스트 응답 생성](#getting-started-api-ex-python-invoke-text) + [모델에 텍스트 프롬프트를 제출하고 Converse를 사용하여 텍스트 응답 생성](#getting-started-api-ex-python-converse) ## Amazon Bedrock이 제공해야 하는 파운데이션 모델 나열 다음 예제에서는 Amazon Bedrock 클라이언트를 사용하여 [ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html) 작업을 실행합니다. `ListFoundationModels`는 리전의 Amazon Bedrock에서 사용할 수 있는 파운데이션 모델(FM)을 나열합니다. 다음 SDK for Python 스크립트를 실행하여 Amazon Bedrock 클라이언트를 만들고 [ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html) 작업을 테스트합니다. ``` """ Lists the available Amazon Bedrock models in an &AWS-Region;. """ import logging import json import boto3 from botocore.exceptions import ClientError logging.basicConfig(level=logging.INFO) logger = logging.getLogger(__name__) def list_foundation_models(bedrock_client): """ Gets a list of available Amazon Bedrock foundation models. :return: The list of available bedrock foundation models. """ try: response = bedrock_client.list_foundation_models() models = response["modelSummaries"] logger.info("Got %s foundation models.", len(models)) return models except ClientError: logger.error("Couldn't list foundation models.") raise def main(): """Entry point for the example. Change aws_region to the &AWS-Region; that you want to use.""" aws_region = "us-east-1" bedrock_client = boto3.client(service_name="bedrock", region_name=aws_region) fm_models = list_foundation_models(bedrock_client) for model in fm_models: print(f"Model: {model["modelName"]}") print(json.dumps(model, indent=2)) print("---------------------------\n") logger.info("Done.") if __name__ == "__main__": main() ``` 스크립트가 성공하면 응답은 Amazon Bedrock에서 사용할 수 있는 파운데이션 모델 목록을 반환합니다. ## 모델에 텍스트 프롬프트를 제출하고 InvokeModel을 사용하여 텍스트 응답 생성 다음 예제에서는 Amazon Bedrock 클라이언트를 사용하여 [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html) 작업을 실행합니다. `InvokeModel`을 사용하면 프롬프트를 제출하여 모델 응답을 생성할 수 있습니다. 다음 SDK for Python 스크립트를 실행하여 Amazon Bedrock 런타임 클라이언트를 만들고 `` 작업으로 텍스트 응답을 생성합니다. ``` # Use the native inference API to send a text message to Amazon Titan Text G1 - Express. import boto3 import json from botocore.exceptions import ClientError # Create an Amazon Bedrock Runtime client. brt = boto3.client("bedrock-runtime") # Set the model ID, e.g., Amazon Titan Text G1 - Express. model_id = "amazon.titan-text-express-v1" # Define the prompt for the model. prompt = "Describe the purpose of a 'hello world' program in one line." # Format the request payload using the model's native structure. native_request = { "inputText": prompt, "textGenerationConfig": { "maxTokenCount": 512, "temperature": 0.5, "topP": 0.9 }, } # Convert the native request to JSON. request = json.dumps(native_request) try: # Invoke the model with the request. response = brt.invoke_model(modelId=model_id, body=request) except (ClientError, Exception) as e: print(f"ERROR: Can't invoke '{model_id}'. Reason: {e}") exit(1) # Decode the response body. model_response = json.loads(response["body"].read()) # Extract and print the response text. response_text = model_response["results"][0]["outputText"] print(response_text) ``` 명령이 성공하면 응답은 프롬프트에 대한 응답으로 모델에서 생성된 텍스트를 반환합니다. ## 모델에 텍스트 프롬프트를 제출하고 Converse를 사용하여 텍스트 응답 생성 다음 예제에서는 Amazon Bedrock 클라이언트를 사용하여 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) 작업을 실행합니다. 지원되는 경우 `InvokeModel`에서 `Converse` 작업을 사용하는 것이 좋습니다. Amazon Bedrock 모델에서 추론 요청을 통합하고 멀티턴 대화 관리를 간소화하기 때문입니다. 다음 SDK for Python 스크립트를 실행하여 Amazon Bedrock 런타임 클라이언트를 만들고 `Converse` 작업으로 텍스트 응답을 생성합니다. ``` # Use the Conversation API to send a text message to Amazon Titan Text G1 - Express. import boto3 from botocore.exceptions import ClientError # Create an Amazon Bedrock Runtime client. brt = boto3.client("bedrock-runtime") # Set the model ID, e.g., Amazon Titan Text G1 - Express. model_id = "amazon.titan-text-express-v1" # Start a conversation with the user message. user_message = "Describe the purpose of a 'hello world' program in one line." conversation = [ { "role": "user", "content": [{"text": user_message}], } ] try: # Send the message to the model, using a basic inference configuration. response = brt.converse( modelId=model_id, messages=conversation, inferenceConfig={"maxTokens": 512, "temperature": 0.5, "topP": 0.9}, ) # Extract and print the response text. response_text = response["output"]["message"]["content"][0]["text"] print(response_text) except (ClientError, Exception) as e: print(f"ERROR: Can't invoke '{model_id}'. Reason: {e}") exit(1) ``` 명령이 성공하면 응답은 프롬프트에 대한 응답으로 모델에서 생성된 텍스트를 반환합니다. # Amazon SageMaker AI 노트북을 사용하여 예제 Amazon Bedrock API 요청 실행 이 섹션에서는 Amazon SageMaker AI 노트북으로 Amazon Bedrock에서 몇 가지 일반적인 작업을 시도하여 Amazon Bedrock 역할 권한이 제대로 설정되었는지 테스트하는 방법을 안내합니다. 다음 예제를 실행하기 전에 다음과 같은 사전 조건을 충족하는지 확인해야 합니다. **사전 조건** + 가 AWS 계정 있고 Amazon Bedrock에 필요한 권한이 있는 역할에 액세스할 수 있는 권한이 있습니다. 그렇지 않은 경우 [빠른 시작](getting-started.md)의 단계를 따르세요. + 다음 단계를 수행하여 SageMaker AI에 대한 IAM 권한을 설정하고 노트북을 만듭니다. 1. [콘솔](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-console.html#roles-managingrole_edit-trust-policy), [CLI](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-cli.html#roles-managingrole_edit-trust-policy-cli) 또는 [API](https://docs.aws.amazon.com/IAM/latest/UserGuide/roles-managingrole-editing-api.html#roles-managingrole_edit-trust-policy-api)를 통해 [빠른 시작](getting-started.md)에서 설정한 Amazon Bedrock 역할의 [신뢰 정책](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles_terms-and-concepts.html#term_trust-policy)을 수정합니다. Amazon Bedrock 및 SageMaker AI 서비스 모두가 Amazon Bedrock 역할을 수임할 수 있도록 다음 신뢰 정책을 역할에 연결합니다. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Sid": "BedrockTrust", "Effect": "Allow", "Principal": { "Service": "bedrock.amazonaws.com" }, "Action": "sts:AssumeRole" }, { "Sid": "SagemakerTrust", "Effect": "Allow", "Principal": { "Service": "sagemaker.amazonaws.com" }, "Action": "sts:AssumeRole" } ] } ``` ------ 1. 방금 신뢰 정책을 수정한 Amazon Bedrock 역할에 로그인합니다. 1. [자습서용 Amazon SageMaker AI 노트북 인스턴스 생성](https://docs.aws.amazon.com/sagemaker/latest/dg/gs-setup-working-env.html)의 단계를 따르고 SageMaker AI 노트북 인스턴스를 만들기 위해 생성한 Amazon Bedrock 역할의 ARN을 지정합니다. 1. 노트북 인스턴스의 **상태**가 **InService** 인 경우 인스턴스를 선택한 다음 **JupyterLab 열기**를 선택합니다. SageMaker AI 노트북을 연 후 다음 예제를 시도해 볼 수 있습니다. **Topics** + [Amazon Bedrock이 제공해야 하는 파운데이션 모델 나열](#getting-started-api-ex-sm-listfm) + [모델에 텍스트 프롬프트를 제출하고 응답 생성](#getting-started-api-ex-sm-converse) ## Amazon Bedrock이 제공해야 하는 파운데이션 모델 나열 다음 예제에서는 Amazon Bedrock 클라이언트를 사용하여 [ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html) 작업을 실행합니다. `ListFoundationModels`는 리전의 Amazon Bedrock에서 사용할 수 있는 파운데이션 모델(FM)을 나열합니다. 다음 SDK for Python 스크립트를 실행하여 Amazon Bedrock 클라이언트를 만들고 [ListFoundationModels](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_ListFoundationModels.html) 작업을 테스트합니다. ``` """ Lists the available Amazon Bedrock models in an &AWS-Region;. """ import logging import json import boto3 from botocore.exceptions import ClientError logging.basicConfig(level=logging.INFO) logger = logging.getLogger(__name__) def list_foundation_models(bedrock_client): """ Gets a list of available Amazon Bedrock foundation models. :return: The list of available bedrock foundation models. """ try: response = bedrock_client.list_foundation_models() models = response["modelSummaries"] logger.info("Got %s foundation models.", len(models)) return models except ClientError: logger.error("Couldn't list foundation models.") raise def main(): """Entry point for the example. Change aws_region to the &AWS-Region; that you want to use.""" aws_region = "us-east-1" bedrock_client = boto3.client(service_name="bedrock", region_name=aws_region) fm_models = list_foundation_models(bedrock_client) for model in fm_models: print(f"Model: {model["modelName"]}") print(json.dumps(model, indent=2)) print("---------------------------\n") logger.info("Done.") if __name__ == "__main__": main() ``` 스크립트가 성공하면 응답은 Amazon Bedrock에서 사용할 수 있는 파운데이션 모델 목록을 반환합니다. ## 모델에 텍스트 프롬프트를 제출하고 응답 생성 다음 예제에서는 Amazon Bedrock 클라이언트를 사용하여 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) 작업을 실행합니다. `Converse`를 사용하면 프롬프트를 제출하여 모델 응답을 생성할 수 있습니다. 다음 SDK for Python 스크립트를 실행하여 Amazon Bedrock 런타임 클라이언트를 만들고 [Converse](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html) 작업을 테스트합니다. ``` # Use the Conversation API to send a text message to Amazon Titan Text G1 - Express. import boto3 from botocore.exceptions import ClientError # Create an Amazon Bedrock Runtime client. brt = boto3.client("bedrock-runtime") # Set the model ID, e.g., Amazon Titan Text G1 - Express. model_id = "amazon.titan-text-express-v1" # Start a conversation with the user message. user_message = "Describe the purpose of a 'hello world' program in one line." conversation = [ { "role": "user", "content": [{"text": user_message}], } ] try: # Send the message to the model, using a basic inference configuration. response = brt.converse( modelId=model_id, messages=conversation, inferenceConfig={"maxTokens": 512, "temperature": 0.5, "topP": 0.9}, ) # Extract and print the response text. response_text = response["output"]["message"]["content"][0]["text"] print(response_text) except (ClientError, Exception) as e: print(f"ERROR: Can't invoke '{model_id}'. Reason: {e}") exit(1) ``` 명령이 성공하면 응답은 프롬프트에 대한 응답으로 모델에서 생성된 텍스트를 반환합니다. # 자습서: 모기지 애플리케이션을 처리하는 흐름 생성 Amazon Bedrock 리소스와 그 기능에 익숙해지기 위해 CloudFormation 템플릿을 사용하여 다양한 Amazon Bedrock과 기타 AWS 리소스를 결합하여 모기지 애플리케이션 프로세스 프로세스를 자동화하는 [흐름을](flows.md) 설정합니다. **참고** 이 자습서에서는 *us-east-1* 리전을 사용합니다. 에이전트, 흐름, 가드레일, 지식 기반 및 프롬프트 관리를 지원하는 리전이면 무엇이든 사용할 수 있습니다. 리전별 기능 지원 테이블은 [Amazon Bedrock AWS 리전 에서의 기능 지원](features-regions.md) 섹션을 참조하세요. 사용 중인 리전에서 Amazon S3, Amazon Bedrock, Lambda 및 DynamoDB 리소스를 생성할 수 있는 권한이 본인에게 있는지 확인합니다. 이 흐름은 배포용이 아니라 Amazon Bedrock 리소스를 이해하기 위한 자습서용입니다. 다음 이미지는 AWS Management Console의 흐름을 시각적으로 표현한 것입니다. ![\[모기지 처리 흐름\]](http://docs.aws.amazon.com/ko_kr/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) 이 흐름은 Amazon Bedrock [에이전트](agents.md), [프롬프트](prompt-management.md) 및 [Lambda 함수](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html)를 결합하여 고객 재무 정보를 수집하고 고객이 대출을 받을 자격이 있는지 여부를 처리하는 모기지 처리 흐름을 생성합니다. Amazon Bedrock [지식 기반](knowledge-base.md)과 [가드레일](guardrails.md)도 흐름의 에이전트에 연결되어 응답을 강화하고 보호 기능을 제공합니다. 흐름의 구성 요소에 대한 자세한 내용은 [모기지 처리 흐름에 대한 세부 정보](getting-started-mortgage-flow-details.md) 섹션을 참조하세요. **Topics** + [사전 조건](#getting-started-mortgage-flow-prereqs) + [를 사용하여 모기지 처리 흐름 생성 CloudFormation](#getting-started-mortgage-flow-create) + [모기지 처리 흐름 테스트](#getting-started-mortgage-flow-test) + [정리: 리소스 삭제](#getting-started-mortgage-flow-delete) + [CloudFormation 템플릿](getting-started-mortgage-flow-template.md) + [모기지 처리 흐름에 대한 세부 정보](getting-started-mortgage-flow-details.md) ## 사전 조건 이 흐름을 생성하려면 .zip 파일을 다운로드하고 지침에 따라 리소스와 템플릿을 설정하는 스크립트를 실행합니다. **중요** 생성한 Amazon 리소스는 삭제될 때까지 요금이 청구됩니다. 다음 사전 조건을 완료합니다. 1. [cloudformation-mortgage-flow-setup.zip](samples/cloudformation-mortgage-flow-setup.zip) 파일을 다운로드합니다. 1. 파일 압축을 풉니다. 콘텐츠에 대한 자세한 내용은 [CloudFormation 템플릿](getting-started-mortgage-flow-template.md)에서 확인할 수 있습니다. 1. 다음을 수행하여 Amazon Bedrock 파운데이션 모델에 대한 액세스를 요청합니다. 1. Amazon Bedrock 콘솔을 사용할 권한이 있는 IAM 자격 증명 AWS Management Console 으로에 로그인합니다. 그 다음 Amazon Bedrock 콘솔([https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock))을 엽니다. 1. 오른쪽 상단 모서리에서 리전을 확인하여 **미국 동부(버지니아 북부)** 리전에 있는지 확인합니다. 그렇지 않은 경우 리전을 전환합니다. 1. 왼쪽 탐색 창 하단에서 **모델 액세스**를 선택합니다. 1. **모델 액세스 수정**을 선택합니다. 1. 다음 중 하나를 수행하세요. + 모든 모델에 대한 액세스를 요청하려면 **모든 모델 활성화**를 선택합니다. 다음으로 나타나는 페이지에서 모든 모델 옆의 확인란이 채워집니다. + 특정 모델에 대한 액세스를 요청하려면 **특정 모델 활성화**를 선택합니다. 다음으로 나타나는 페이지에서 다음과 같은 옵션을 찾을 수 있습니다. + 제공업체의 모든 모델에 대한 액세스를 요청하려면 해당 제공업체 이름 옆의 확인란을 선택합니다. + 한 모델에 대한 액세스를 요청하려면 해당 모델 이름 옆의 확인란을 선택합니다. 1. 다음 자습서의 목적상 최소한 **Titan Embeddings G1 - Text** 및 **Claude 3 Haiku** 모델에 대한 액세스를 요청해야 합니다. 그리고 **다음**을 선택합니다. 1. 액세스를 요청하려는 모델과 **약관**을 검토합니다. 준비가 되면 **제출**을 선택하여 액세스를 요청합니다. ## 를 사용하여 모기지 처리 흐름 생성 CloudFormation 모기지 처리 흐름과 관련 리소스를 생성하기 위해 CloudFormation 템플릿을 생성하고 이를 사용하여 Amazon Bedrock 리소스가 포함된 스택을 생성합니다. **중요** 생성한 Amazon 리소스는 삭제될 때까지 요금이 청구됩니다. ### 리소스 및 CloudFormation 템플릿 파일 생성 먼저 .zip 파일의 스크립트를 사용하여 리소스를 S3 버킷에 업로드하고 CloudFormation 템플릿을 생성합니다. 1. 터미널에서 다음 명령을 실행하여 리소스를 Amazon S3 버킷에 복사하고 `main-stack.yaml` 및 `main-stack.json` 파일을 버킷 이름 파라미터의 기본값인 S3 버킷 이름으로 채웁니다. ``` bash deploy.sh ``` **참고** 스크립트 사용 형식은 `bash deploy.sh `이며, 여기서 ** 및 **은 선택적 인수입니다. 값을 제공하지 않으면 다음 기본값이 사용됩니다. ** - AWS 자격 증명 설정에 지정된 기본 AWS 리전입니다. ** - 버킷의 이름은 *mortgage-flow-deployment--*입니다. 여기서 **는 AWS 계정 ID이고 **은 사용자가 제공한 값 또는 AWS 자격 증명 설정에 지정된 기본 AWS 리전과 일치합니다. 1. 프롬프트를 확인합니다. 배포가 완료되면 다음 단계를 위한 완전한 `main-stack.yaml` 및 `main-stack.json` 템플릿이 있어야 합니다. **참고** 스크립트가 실패하면 다음을 수행하여 리소스를 수동으로 준비할 수 있습니다. Amazon S3 콘솔([https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/))에서 압축 해제된 `cloudformation-mortgage-flow-setup` 폴더의 *콘텐츠*(폴더 자체는 포함하지 않음)를 미국 동부(버지니아 북부)에 있는 S3 버킷에 업로드합니다. `templates/json/main-stack-tmp.yaml` 또는 `templates/json/main-stack-tmp.json` 파일을 찾아 다음을 수행합니다. `Q01pS3BucketName` 파라미터의 `Default` 값을 *MortgageFlowBucket*에서 S3 버킷 이름으로 변경합니다. 파일 이름에서 `-tmp`를 제거하여 `templates/json/main-stack.yaml` 또는 `templates/json/main-stack.json`이 되도록 합니다. ### CloudFormation 콘솔을 사용하여 스택 생성 다음으로, 저장한 템플릿을 사용하여 CloudFormation 스택을 프로비저닝합니다. 1. [https://console.aws.amazon.com/cloudformation](https://console.aws.amazon.com/cloudformation/) CloudFormation 콘솔을 엽니다. 오른쪽 상단 모서리에서 리전을 확인하여 **미국 동부(버지니아 북부)** 리전에 있는지 확인합니다. 그렇지 않은 경우 리전을 전환합니다. 1. **스택** 페이지의 **스택 생성** 메뉴에서 **새 리소스 사용(표준)**을 선택합니다. 1. 템플릿을 지정합니다. 1. **사전 조건**에서 **기존 템플릿 선택**을 선택합니다. 1. **템플릿 지정**에서 **템플릿 파일 업로드**를 선택합니다. 1. **파일 선택**을 선택하고 `main-stack.yaml` 또는 `main-stack.json` 템플릿으로 이동한 후 해당 템플릿을 선택합니다. 1. **다음**을 선택합니다. 1. 스택 세부 정보를 다음과 같이 지정합니다. 1. **스택 이름** 필드에 스택의 이름을 입력합니다. 1. **파라미터** 필드에서 기본값을 그대로 둡니다. **참고** `Q01pS3BucketName` 값은 이 템플릿의 리소스를 업로드해 놓은 S3 버킷의 이름과 일치해야 합니다. 나머지 인수는 지식 기반 구성과 관련이 있습니다. 이 인수를 수정하는 경우 구성이 서로 호환되는지 확인하세요. 자세한 내용은 [지식 기반에 대해 생성된 벡터 저장소 사용의 사전 조건](knowledge-base-setup.md) 단원을 참조하십시오. 1. **다음**을 선택합니다. 1. 스택 옵션을 구성합니다. 1. **스택 실패 옵션**에서 **새로 생성된 모든 리소스 삭제**를 선택합니다. **참고** 이 옵션을 선택하면 스택 생성에 실패하더라도 삭제 정책에서 보존하도록 지정한 리소스에 대해서는 요금이 청구되지 않습니다. 자세한 내용은 *CloudFormation 사용자 안내서*의 [`DeletionPolicy` 속성](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/aws-attribute-deletionpolicy.html)을 참조하세요. 1. **기능**에서 CloudFormation이 계정에 IAM 리소스를 생성할 수 있음을 승인하는 확인란을 선택합니다. 1. **다음**을 선택합니다. 1. 스택 세부 정보를 검토하고 **Submit**. CloudFormation creates the stack을 선택합니다. 생성하는 데 몇 분 정도 걸립니다. 스택 생성이 완료되면 스택 세부 정보 페이지의 **리소스** 탭을 사용하여 계정에 프로비저닝된 리소스를 볼 수 있습니다. 1. 스택 생성이 완료되면 다음을 수행하여 지식 기반을 쿼리할 수 있도록 지식 기반의 데이터 소스를 동기화합니다. 1. Amazon Bedrock 콘솔을 사용할 권한이 있는 IAM 자격 증명 AWS Management Console 으로에 로그인합니다. 그 다음 Amazon Bedrock 콘솔([https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock))을 엽니다. 1. 왼쪽 탐색 창에서 **지식 기반**을 선택한 다음, `AWSDocsTutorial-MortgageKB`라는 이름으로 생성된 지식 기반을 선택합니다. 1. **데이터 소스** 섹션에서 `AWSDocsTutorial-MortgageKB-DS`라는 이름으로 생성된 데이터 소스 옆의 확인란을 선택합니다. 1. **동기화**를 선택합니다. 동기화가 완료되면 흐름을 테스트할 수 있습니다. ## 모기지 처리 흐름 테스트 모기지 처리 흐름이 생성되면 Amazon Bedrock 콘솔을 사용하여 흐름을 검사, 테스트 및 수정할 수 있습니다. 흐름의 개별 리소스를 검사, 테스트 및 수정할 수도 있습니다. **흐름을 테스트하는 방법** 1. Amazon Bedrock 콘솔을 사용할 권한이 있는 IAM 자격 증명 AWS Management Console 으로에 로그인합니다. 그 다음 Amazon Bedrock 콘솔([https://console.aws.amazon.com/bedrock](https://console.aws.amazon.com/bedrock))을 엽니다. 1. 왼쪽 탐색 창에서 **흐름**을 선택합니다. 오른쪽 상단 모서리에서 리전을 확인하여 **미국 동부(버지니아 북부)** 리전에 있는지 확인합니다. 그렇지 않은 경우 리전을 전환합니다. 1. **흐름** 섹션에서 CloudFormation 템플릿에서 생성된 흐름을 선택합니다. 선택한 흐름은 `AWSDocsTutorial-MortgageFlow`일 것입니다. 1. **흐름 빌더에서 편집**을 선택합니다. 흐름의 개별 노드를 끌어 흐름의 시각적 표현을 수정할 수 있습니다. 1. **테스트 흐름** 창의 텍스트 필드에 다음을 입력한 다음 **실행**을 선택합니다. ``` { "income": 80000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 600000, "creditScore": 750, "mlsId": "MLS-5678" } ``` 계산된 최대 적정 대출 금액보다 대출 금액이 많으므로 **incomeDebt** 프롬프트가 트리거되고 흐름이 거부서를 생성합니다. **추적 표시**를 선택하면 흐름에서 실행된 노드를 볼 수 있습니다. 1. 다시 **흐름 테스트** 창의 텍스트 필드에 다음을 입력한 후 **실행**을 선택합니다. ``` { "income": 120000, "totalDebt": 5000, "loanTerm": 30, "loanAmount": 200000, "creditScore": 650, "mlsId": "MLS-3456" } ``` 계산된 최대 저렴한 대출 금액보다 대출 금액이 적으므로 **processApplication** 프롬프트가 트리거되어 **mortgageProcessingAgent**로 전송됩니다. 이 프롬프트는 연결된 지식 기반을 조회하고 입력 값에 따라 고객이 대출을 받을 자격이 있는지 여부를 평가하는 응답을 생성합니다. 1. (선택 사항) JSON 객체의 필드에 다른 값을 사용하여 흐름을 실행해 보세요. `mlsId` 값은 다중 나열 서비스에 나열된 속성에 해당합니다. 다음을 수행하여 유효한 `mlsId` 값을 찾을 수 있습니다. 1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/dynamodb/](https://console.aws.amazon.com/dynamodb/) DynamoDB 콘솔을 엽니다. 1. 왼쪽 탐색 창에서 **테이블**을 선택합니다. 1. **AWSDocsTutorial-PropertyListing**이라는 테이블을 선택합니다. 1. **테이블 항목 탐색**을 선택합니다. 1. 흐름 입력의 **mls\$1id** 열에 있는 값 중 하나를 사용할 수 있습니다. 또한의 **에이전트**, **지식 기반**, **가드레일** 및 **프롬프트 관리** 페이지로 이동하여 흐름에 사용되는 각 Amazon Bedrock 리소스를 독립적으로 검사 AWS Management Console 할 수 있습니다. 흐름에 대해 자세히 알아보고 구성 요소를 자세히 이해하려면 [모기지 처리 흐름에 대한 세부 정보](getting-started-mortgage-flow-details.md) 섹션을 참조하세요. ## 정리: 리소스 삭제 리소스를 탐색하고 다양한 Amazon Bedrock 리소스의 기능을 더 정확히 이해한 후에는 스택과 스택에 포함된 리소스를 삭제합니다. **중요** 생성한 Amazon 리소스는 삭제될 때까지 요금이 청구됩니다. 1. [https://console.aws.amazon.com/cloudformation](https://console.aws.amazon.com/cloudformation/)을 엽니다. 1. 왼쪽 탐색 창에서 **스택**을 선택합니다. 1. 템플릿에서 생성한 스택을 선택합니다. **삭제**를 선택한 다음 **삭제**를 확인합니다. CloudFormation은 기본 스택, 모든 중첩 스택 및 스택에 포함된 모든 리소스의 삭제를 시작합니다. # CloudFormation 템플릿 다운로드하는 `cloudformation-mortgage-flow-setup.zip` 파일에는 다음 파일이 포함됩니다. + `deploy.sh` - 리소스를 배포하고 사용할 기본 CloudFormation 템플릿을 준비하는 쉘 스크립트. + `artifacts` - 에이전트 및 지식 기반 템플릿에 대한 함수가 있는 .zip 파일이 포함된 폴더: + 에이전트의 작업 그룹에 대한 Lambda 함수 + `agent_loan_calculator.zip` + `mls_lookup.zip` + `loader_deployment_package.zip` + 지식 기반을 설정하기 위한 함수 + `custom-resource-lambda.zip` + `opensearchpy-layer.zip` + `provider-event-handler.zip` + `api-schema` - 작업 그룹에 대한 API 스키마가 포함된 폴더. + `knowledge-base-data-source` - [Fannie Mae의 판매 안내서](https://selling-guide.fanniemae.com/) PDF가 포함된 폴더. + `templates` - 이 흐름의 리소스를 위한 템플릿(JSON 및 YAML 두 형식으로 제공)이 포함된 폴더. + `main-stack-tmp` - 나머지 템플릿을 중첩 스택으로 배포하는 기본 템플릿. 이 파일은 배포 스크립트가 실행된 후 `main-stack`으로 전환됩니다. + `guardrails-template` - 에이전트와 연결할 가드레일의 템플릿. + `prompts-template` - 흐름에 사용할 프롬프트의 템플릿. + `kb-role-template` - OpenSearch 템플릿과 지식 기반 템플릿 모두에서 사용할 지식 기반 역할의 템플릿. + `oss-infra-template` - 지식 기반에 사용할 Amazon OpenSearch Serverless 벡터 스토어의 템플릿. + `kb-infra-template` - 에이전트와 연결할 모기지 대출 지식 기반의 템플릿. + `agent-template` - 흐름에 사용할 모기지 처리 에이전트의 템플릿. + `mortgage-flow-template` - 모든 리소스를 결합하는 모기지 처리 흐름의 템플릿. + `README.md` - 템플릿 사용 단계를 설명하는 README 파일. 다음 주제에서는 각 스택에 사용되는 CloudFormation 템플릿을 보여줍니다. 기본 스택은 나머지 스택을 [중첩 스택](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/using-cfn-nested-stacks.html)으로 배포합니다. **Topics** + [기본 스택](#getting-started-mortgage-templates-main) + [Amazon Bedrock Guardrails 스택](#getting-started-mortgage-guardrail-templates) + [Amazon Bedrock Prompt Management 스택](#getting-started-mortgage-prompts-templates) + [Amazon Bedrock Knowledge Bases 스택](#getting-started-mortgage-kb-templates) ## 기본 스택 기본 스택은 템플릿을 업로드할 때 정의할 수 있는 파라미터를 정의합니다. 이러한 값은 나머지 중첩 스택 각각에 전달됩니다. 배포 스크립트는 `Q01pS3BucketName` 파라미터의 기본값에 대한 *MortgageFlowBucket*을 스크립트에서 배포한 리소스가 포함된 실제 S3 버킷으로 바꿉니다. ------ #### [ YAML ] ``` AWSTemplateFormatVersion: '2010-09-09' Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: Q01pS3BucketName: Type: String Description: Provide existing S3 bucket name where data is already stored Default: MortgageFlowBucket Q02pFlowName: Type: String Description: Name for the flow Default: MortgageFlow Q03pGuardrailName: Type: String Description: Name for guardrail to attach to agent Default: MortgageGR Q04pKnowledgeBaseName: Type: String Description: Name for knowledge base to associate with agent Default: MortgageKB Q05pAgentName: Type: String Description: Name for agent to create Default: MortgageAgent Q06pKBEmbedModel: Type: String Description: Select Embedding model Default: amazon.titan-embed-text-v1 Q07pKBChunkingStrategy: Type: String Description: Select Chunking strategy AllowedValues: - Default chunking - Fixed-size chunking - No chunking Default: Default chunking Q08pKBMaxTokens: Type: Number Description: Maximum number of tokens in a chunk Default: 300 Q09pKBOverlapPercentage: Type: Number Description: Percent overlap in each chunk Default: 20 Q10pKBVectorStore: Type: String Description: Select vector store AllowedValues: - Open-Search-Serverless Default: Open-Search-Serverless Q11pOSSCollectionName: Type: String Description: Name of the Collection MinLength: 1 MaxLength: 63 Default: mortgage-kb-collection AllowedPattern: ^[a-z0-9](-*[a-z0-9])* ConstraintDescription: Must be lowercase or numbers with a length of 1-32 characters Q12pOSSIndexName: Type: String Description: Index name to be created in vector store MinLength: 1 MaxLength: 63 Default: mortgage-kb-index AllowedPattern: ^[a-z0-9](-*[a-z0-9])* ConstraintDescription: Must be lowercase or numbers with a length of 1-63 characters # Q13pVectorFieldName: # Type: String # Description: Vector field name # Default: bedrock-knowledge-base-default-vector # Q14pMetaDataFieldName: # Type: String # Description: Metadata field name # Default: AMAZON_BEDROCK_METADATA # Q15pTextFieldName: # Type: String # Description: Text field name # Default: AMAZON_BEDROCK_TEXT_CHUNK Resources: KBRoleStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/kb-role-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName OSSStack: Type: AWS::CloudFormation::Stack DependsOn: KBRoleStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/oss-infra-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName Q06pKBEmbedModel: Ref: Q06pKBEmbedModel Q11pOSSCollectionName: Ref: Q11pOSSCollectionName Q12pOSSIndexName: Ref: Q12pOSSIndexName pKBRole: Fn::GetAtt: - KBRoleStack - Outputs.KBRole pKBRoleArn: Fn::GetAtt: - KBRoleStack - Outputs.KBRoleArn KBStack: Type: AWS::CloudFormation::Stack DependsOn: OSSStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/kb-infra-template.yaml TimeoutInMinutes: 15 Parameters: KnowledgeBaseName: Ref: Q04pKnowledgeBaseName Q01pS3BucketName: Ref: Q01pS3BucketName Q06pKBEmbedModel: Ref: Q06pKBEmbedModel Q07pKBChunkingStrategy: Ref: Q07pKBChunkingStrategy Q08pKBMaxTokens: Ref: Q08pKBMaxTokens Q09pKBOverlapPercentage: Ref: Q09pKBOverlapPercentage Q11pOSSCollectionName: Ref: Q11pOSSCollectionName Q12pOSSIndexName: Ref: Q12pOSSIndexName # Q13pVectorFieldName: # Ref: Q13pVectorFieldName # Q14pMetaDataFieldName: # Ref: Q14pMetaDataFieldName # Q15pTextFieldName: # Ref: Q15pTextFieldName pCollectionArn: Fn::GetAtt: - OSSStack - Outputs.CollectionArn pKBRoleArn: Fn::GetAtt: - KBRoleStack - Outputs.KBRoleArn pKBRole: Fn::GetAtt: - KBRoleStack - Outputs.KBRole GRStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/guardrails-template.yaml TimeoutInMinutes: 15 Parameters: GuardrailName: Ref: Q03pGuardrailName AgentStack: Type: AWS::CloudFormation::Stack DependsOn: - KBStack - GRStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/agent-template.yaml TimeoutInMinutes: 15 Parameters: Q01pS3BucketName: Ref: Q01pS3BucketName KnowledgeBaseId: Fn::GetAtt: - KBStack - Outputs.KBId GuardrailArn: Fn::GetAtt: - GRStack - Outputs.GuardrailArn GuardrailVersion: Fn::GetAtt: - GRStack - Outputs.GuardrailVersion PromptsStack: Type: AWS::CloudFormation::Stack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/prompts-template.yaml TimeoutInMinutes: 15 FlowStack: Type: AWS::CloudFormation::Stack DependsOn: - AgentStack - PromptsStack Properties: TemplateURL: !Sub https://${Q01pS3BucketName}.s3.amazonaws.com/templates/yaml/mortgage-flow-template.yaml TimeoutInMinutes: 15 Parameters: FlowName: Ref: Q02pFlowName Q01pS3BucketName: Ref: Q01pS3BucketName ProcessApplicationPromptArn: Fn::GetAtt: - PromptsStack - Outputs.ProcessApplicationPromptArn RejectionPromptArn: Fn::GetAtt: - PromptsStack - Outputs.RejectionPromptArn AgentId: Fn::GetAtt: - AgentStack - Outputs.AgentId ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "Q01pS3BucketName": { "Type": "String", "Description": "Provide existing S3 bucket name where data is already stored", "Default": "MortgageFlowBucket" }, "Q02pFlowName": { "Type": "String", "Description": "Name for the flow", "Default": "MortgageFlow" }, "Q03pGuardrailName": { "Type": "String", "Description": "Name for guardrail to attach to agent", "Default": "MortgageGR" }, "Q04pKnowledgeBaseName": { "Type": "String", "Description": "Name for knowledge base to associate with agent", "Default": "MortgageKB" }, "Q05pAgentName": { "Type": "String", "Description": "Name for agent to create", "Default": "MortgageAgent" }, "Q06pKBEmbedModel": { "Type": "String", "Description": "Select Embedding model", "Default": "amazon.titan-embed-text-v1" }, "Q07pKBChunkingStrategy": { "Type": "String", "Description": "Select Chunking strategy", "AllowedValues": [ "Default chunking", "Fixed-size chunking", "No chunking" ], "Default": "Default chunking" }, "Q08pKBMaxTokens": { "Type": "Number", "Description": "Maximum number of tokens in a chunk", "Default": 300 }, "Q09pKBOverlapPercentage": { "Type": "Number", "Description": "Percent overlap in each chunk", "Default": 20 }, "Q10pKBVectorStore": { "Type": "String", "Description": "Select vector store", "AllowedValues": [ "Open-Search-Serverless" ], "Default": "Open-Search-Serverless" }, "Q11pOSSCollectionName": { "Type": "String", "Description": "Name of the Collection", "MinLength": 1, "MaxLength": 63, "Default": "mortgage-kb-collection", "AllowedPattern": "^[a-z0-9](-*[a-z0-9])*", "ConstraintDescription": "Must be lowercase or numbers with a length of 1-32 characters" }, "Q12pOSSIndexName": { "Type": "String", "Description": "Index name to be created in vector store", "MinLength": 1, "MaxLength": 63, "Default": "mortgage-kb-index", "AllowedPattern": "^[a-z0-9](-*[a-z0-9])*", "ConstraintDescription": "Must be lowercase or numbers with a length of 1-63 characters" } }, "Resources": { "KBRoleStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/kb-role-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" } } } }, "OSSStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": "KBRoleStack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/oss-infra-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "Q06pKBEmbedModel": { "Ref": "Q06pKBEmbedModel" }, "Q11pOSSCollectionName": { "Ref": "Q11pOSSCollectionName" }, "Q12pOSSIndexName": { "Ref": "Q12pOSSIndexName" }, "pKBRole": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRole" ] }, "pKBRoleArn": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRoleArn" ] } } } }, "KBStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": "OSSStack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/kb-infra-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "KnowledgeBaseName": { "Ref": "Q04pKnowledgeBaseName" }, "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "Q06pKBEmbedModel": { "Ref": "Q06pKBEmbedModel" }, "Q07pKBChunkingStrategy": { "Ref": "Q07pKBChunkingStrategy" }, "Q08pKBMaxTokens": { "Ref": "Q08pKBMaxTokens" }, "Q09pKBOverlapPercentage": { "Ref": "Q09pKBOverlapPercentage" }, "Q11pOSSCollectionName": { "Ref": "Q11pOSSCollectionName" }, "Q12pOSSIndexName": { "Ref": "Q12pOSSIndexName" }, "pCollectionArn": { "Fn::GetAtt": [ "OSSStack", "Outputs.CollectionArn" ] }, "pKBRoleArn": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRoleArn" ] }, "pKBRole": { "Fn::GetAtt": [ "KBRoleStack", "Outputs.KBRole" ] } } } }, "GRStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/guardrails-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "GuardrailName": { "Ref": "Q03pGuardrailName" } } } }, "AgentStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": [ "KBStack", "GRStack" ], "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/agent-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "KnowledgeBaseId": { "Fn::GetAtt": [ "KBStack", "Outputs.KBId" ] }, "GuardrailArn": { "Fn::GetAtt": [ "GRStack", "Outputs.GuardrailArn" ] }, "GuardrailVersion": { "Fn::GetAtt": [ "GRStack", "Outputs.GuardrailVersion" ] } } } }, "PromptsStack": { "Type": "AWS::CloudFormation::Stack", "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/prompts-template.json" }, "TimeoutInMinutes": 15 } }, "FlowStack": { "Type": "AWS::CloudFormation::Stack", "DependsOn": [ "AgentStack", "PromptsStack" ], "Properties": { "TemplateURL": { "Fn::Sub": "https://${Q01pS3BucketName}.s3.amazonaws.com/templates/json/mortgage-flow-template.json" }, "TimeoutInMinutes": 15, "Parameters": { "FlowName": { "Ref": "Q02pFlowName" }, "Q01pS3BucketName": { "Ref": "Q01pS3BucketName" }, "ProcessApplicationPromptArn": { "Fn::GetAtt": [ "PromptsStack", "Outputs.ProcessApplicationPromptArn" ] }, "RejectionPromptArn": { "Fn::GetAtt": [ "PromptsStack", "Outputs.RejectionPromptArn" ] }, "AgentId": { "Fn::GetAtt": [ "AgentStack", "Outputs.AgentId" ] } } } } } } ``` ------ ## Amazon Bedrock Guardrails 스택 이 스택은 다음과 같은 [가드레일](guardrails.md) 관련 리소스를 생성합니다. + AgentGuardrail([AWS::Bedrock::Guardrail](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrail.html)) - 콘텐츠 필터링, 주제 정책 및 PII 보호를 제공하는 가드레일. 이 가드레일은 에이전트 스택의 에이전트에 연결됩니다. + AgentGuardrailVersion([AWS::Bedrock::GuardrailVersion](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-guardrailversion.html)) - 에이전트에 적용된 `AgentGuardrail` 리소스의 버전. ------ #### [ YAML ] ``` AWSTemplateFormatVersion: "2010-09-09" Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: GuardrailName: Type: String Description: Name for guardrail Default: MortgageGuardrail Resources: AgentGuardrail: Type: AWS::Bedrock::Guardrail Properties: Name: !Sub AWSDocsTutorial-${GuardrailName} Description: Guardrail for mortgage processing with investment advice blocking, content filtering, and PII protection BlockedInputMessaging: "Sorry, the model cannot answer this question." BlockedOutputsMessaging: "Sorry, the model cannot answer this question." TopicPolicyConfig: TopicsConfig: - Name: InvestmentAdvice Definition: "Investment advice refers to inquires, guidance or recommendations regarding the management or allocation of fund or asset with the goal of generating returns or achieving specific financial objectives" Examples: - "Is investing in the stocks better than bonds?" - "Should I invest in gold?" Type: DENY ContentPolicyConfig: FiltersConfig: - Type: VIOLENCE InputStrength: HIGH OutputStrength: HIGH - Type: PROMPT_ATTACK InputStrength: HIGH OutputStrength: NONE - Type: MISCONDUCT InputStrength: HIGH OutputStrength: HIGH - Type: HATE InputStrength: HIGH OutputStrength: HIGH - Type: SEXUAL InputStrength: HIGH OutputStrength: HIGH - Type: INSULTS InputStrength: HIGH OutputStrength: HIGH WordPolicyConfig: WordsConfig: - Text: "crypto currency" - Text: "bitcoin" ManagedWordListsConfig: - Type: PROFANITY SensitiveInformationPolicyConfig: PiiEntitiesConfig: - Type: EMAIL Action: ANONYMIZE - Type: CREDIT_DEBIT_CARD_NUMBER Action: BLOCK ContextualGroundingPolicyConfig: FiltersConfig: - Type: GROUNDING Threshold: 0.85 - Type: RELEVANCE Threshold: 0.5 AgentGuardrailVersion: Type: AWS::Bedrock::GuardrailVersion Properties: GuardrailIdentifier: !Ref AgentGuardrail Description: Version 1 of the mortgage agent guardrail Outputs: GuardrailArn: Value: Ref: AgentGuardrail Description: ARN of guardrail to associate with agent GuardrailVersion: Value: Fn::GetAtt: - AgentGuardrailVersion - Version Description: Version of guardrail to associate with agent ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "GuardrailName": { "Type": "String", "Description": "Name for guardrail", "Default": "MortgageGuardrail" } }, "Resources": { "AgentGuardrail": { "Type": "AWS::Bedrock::Guardrail", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-${GuardrailName}" }, "Description": "Guardrail for mortgage processing with investment advice blocking, content filtering, and PII protection", "BlockedInputMessaging": "Sorry, the model cannot answer this question.", "BlockedOutputsMessaging": "Sorry, the model cannot answer this question.", "TopicPolicyConfig": { "TopicsConfig": [ { "Name": "InvestmentAdvice", "Definition": "Investment advice refers to inquires, guidance or recommendations regarding the management or allocation of fund or asset with the goal of generating returns or achieving specific financial objectives", "Examples": [ "Is investing in the stocks better than bonds?", "Should I invest in gold?" ], "Type": "DENY" } ] }, "ContentPolicyConfig": { "FiltersConfig": [ { "Type": "VIOLENCE", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "PROMPT_ATTACK", "InputStrength": "HIGH", "OutputStrength": "NONE" }, { "Type": "MISCONDUCT", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "HATE", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "SEXUAL", "InputStrength": "HIGH", "OutputStrength": "HIGH" }, { "Type": "INSULTS", "InputStrength": "HIGH", "OutputStrength": "HIGH" } ] }, "WordPolicyConfig": { "WordsConfig": [ { "Text": "crypto currency" }, { "Text": "bitcoin" } ], "ManagedWordListsConfig": [ { "Type": "PROFANITY" } ] }, "SensitiveInformationPolicyConfig": { "PiiEntitiesConfig": [ { "Type": "EMAIL", "Action": "ANONYMIZE" }, { "Type": "CREDIT_DEBIT_CARD_NUMBER", "Action": "BLOCK" } ] }, "ContextualGroundingPolicyConfig": { "FiltersConfig": [ { "Type": "GROUNDING", "Threshold": 0.85 }, { "Type": "RELEVANCE", "Threshold": 0.5 } ] } } }, "AgentGuardrailVersion": { "Type": "AWS::Bedrock::GuardrailVersion", "Properties": { "GuardrailIdentifier": { "Ref": "AgentGuardrail" }, "Description": "Version 1 of the mortgage agent guardrail" } } }, "Outputs": { "GuardrailArn": { "Value": { "Ref": "AgentGuardrail" }, "Description": "ARN of guardrail to associate with agent" }, "GuardrailVersion": { "Value": { "Fn::GetAtt": [ "AgentGuardrailVersion", "Version" ] }, "Description": "Version of guardrail to associate with agent" } } } ``` ------ ## Amazon Bedrock Prompt Management 스택 이 스택은 흐름에 추가되는 다음 [프롬프트](prompt-management.md)([AWS::IAM::Prompt](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-prompt.html)) 리소스를 생성합니다. + RejectionPrompt - 금융 정보를 기반으로 생성된 거부 서신을 반환하는 프롬프트. + ProcessApplicationPrompt - 에이전트에게 고객의 금융 정보를 보내고 고객이 대출을 받을 자격이 있는지 평가하라는 메시지를 보내는 프롬프트. ------ #### [ YAML ] ``` AWSTemplateFormatVersion: "2010-09-09" Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Resources: RejectionPrompt: Type: AWS::Bedrock::Prompt Properties: Name: !Sub AWSDocsTutorial-RejectionPrompt Description: "Use this prompt to generate a rejection letter triggered by an unsatisfactory income to debt ratio" DefaultVariant: variantOne Variants: - Name: variantOne TemplateType: TEXT ModelId: anthropic.claude-3-haiku-20240307-v1:0 TemplateConfiguration: Text: Text: | Write a mortgage loan rejection letter for a candiate with income {{income}}, totalDebt {{totalDebt}}, loanAmount {{loanAmount}}. The reason for rejection is their income to debt ratio. Do not mention any other reason. Make the letter as concise as possible. Treat all numeric inputs as whole numbers. Let the general structure be like the below: Dear [Applicant's Name], We appreciate your interest in obtaining a mortgage loan with our institution... The primary reason for this decision is that ... While we understand that this news may be disappointing, ... Thank you again for your interest, and we wish you the best in your future endeavors... Sincerely, [Your Institution's Name] InputVariables: - Name: income - Name: totalDebt - Name: loanAmount InferenceConfiguration: Text: MaxTokens: 2000 Temperature: 0.0 TopP: 0.999 StopSequences: - "\n\nHuman:" AdditionalModelRequestFields: top_k: 250 ProcessApplicationPrompt: Type: AWS::Bedrock::Prompt Properties: Name: !Sub AWSDocsTutorial-ProcessApplicationPrompt Description: "Use this prompt to generate a question for an agent to process the mortgage application" DefaultVariant: variantOne Variants: - Name: variantOne TemplateType: TEXT ModelId: anthropic.claude-3-haiku-20240307-v1:0 TemplateConfiguration: Text: Text: | Generate a question asking if the user will qualify for a loan for the specified criteria. Include instruction to base the answer on key features of the property retrieved from MLS listing. Start with "will an applicant...". { "income": {{income}}, "creditScore": {{creditScore}}, "totalDebt": {{totalDebt}}, "loanAmount": {{loanAmount}}, "mlsId": {{mlsId}} } Include a second question on loan requirements an applicant with the below attributes should consider for a Fannie Mae backed loan (other than debt to income). InputVariables: - Name: income - Name: creditScore - Name: totalDebt - Name: loanAmount - Name: mlsId InferenceConfiguration: Text: MaxTokens: 2000 Temperature: 0.0 TopP: 0.999 StopSequences: - "\n\nHuman:" AdditionalModelRequestFields: top_k: 250 Outputs: ProcessApplicationPromptArn: Value: Ref: ProcessApplicationPrompt Description: ARN of the prompt to process a mortgage application RejectionPromptArn: Value: Ref: RejectionPrompt Description: ARN of the prompt to reject a mortgage application ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Resources": { "RejectionPrompt": { "Type": "AWS::Bedrock::Prompt", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-RejectionPrompt" }, "Description": "Use this prompt to generate a rejection letter triggered by an unsatisfactory income to debt ratio", "DefaultVariant": "variantOne", "Variants": [ { "Name": "variantOne", "TemplateType": "TEXT", "ModelId": "anthropic.claude-3-haiku-20240307-v1:0", "TemplateConfiguration": { "Text": { "Text": "Write a mortgage loan rejection letter for a candiate with income {{income}}, totalDebt {{totalDebt}}, loanAmount {{loanAmount}}. \nThe reason for rejection is their income to debt ratio. \nDo not mention any other reason. \nMake the letter as concise as possible. \nTreat all numeric inputs as whole numbers.\nLet the general structure be like the below:\n\nDear [Applicant's Name],\nWe appreciate your interest in obtaining a mortgage loan with our institution...\nThe primary reason for this decision is that ...\nWhile we understand that this news may be disappointing, ...\nThank you again for your interest, and we wish you the best in your future endeavors...\n\nSincerely,\n[Your Institution's Name]\n", "InputVariables": [ { "Name": "income" }, { "Name": "totalDebt" }, { "Name": "loanAmount" } ] } }, "InferenceConfiguration": { "Text": { "MaxTokens": 2000, "Temperature": 0.0, "TopP": 0.999, "StopSequences": [ "\n\nHuman:" ] } }, "AdditionalModelRequestFields": { "top_k": 250 } } ] } }, "ProcessApplicationPrompt": { "Type": "AWS::Bedrock::Prompt", "Properties": { "Name": { "Fn::Sub": "AWSDocsTutorial-ProcessApplicationPrompt" }, "Description": "Use this prompt to generate a question for an agent to process the mortgage application", "DefaultVariant": "variantOne", "Variants": [ { "Name": "variantOne", "TemplateType": "TEXT", "ModelId": "anthropic.claude-3-haiku-20240307-v1:0", "TemplateConfiguration": { "Text": { "Text": "Generate a question asking if the user will qualify for a loan for the specified criteria. \n\nInclude instruction to base the answer on key features of the property retrieved from MLS listing. \n\nStart with \"will an applicant...\".\n\n{ \"income\": {{income}}, \"creditScore\": {{creditScore}}, \"totalDebt\": {{totalDebt}}, \"loanAmount\": {{loanAmount}}, \"mlsId\": {{mlsId}} }\n\nInclude a second question on loan requirements an applicant with the below attributes should consider for a Fannie Mae backed loan (other than debt to income).\n", "InputVariables": [ { "Name": "income" }, { "Name": "creditScore" }, { "Name": "totalDebt" }, { "Name": "loanAmount" }, { "Name": "mlsId" } ] } }, "InferenceConfiguration": { "Text": { "MaxTokens": 2000, "Temperature": 0.0, "TopP": 0.999, "StopSequences": [ "\n\nHuman:" ] } }, "AdditionalModelRequestFields": { "top_k": 250 } } ] } } }, "Outputs": { "ProcessApplicationPromptArn": { "Value": { "Ref": "ProcessApplicationPrompt" }, "Description": "ARN of the prompt to process a mortgage application" }, "RejectionPromptArn": { "Value": { "Ref": "RejectionPrompt" }, "Description": "ARN of the prompt to reject a mortgage application" } } } ``` ------ ## Amazon Bedrock Knowledge Bases 스택 이 템플릿은 대출 지침이 포함된 [지식 기반](knowledge-base.md)과 해당 데이터 소스를 생성합니다. + KnowledgeBase([AWS::Bedrock::KnowledgeBase](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-knowledgebase.html)) + KnowledgeBaseDataSource([AWS::Bedrock::DataSource](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide /aws-resource-bedrock-datasource.html)) ------ #### [ YAML ] ``` AWSTemplateFormatVersion: '2010-09-09' Description: "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow" Parameters: KnowledgeBaseName: Type: String Description: Name of knowledge base Default: MortgageKB Q01pS3BucketName: Type: String Description: Name of S3 bucket where knowledge base data is stored Q06pKBEmbedModel: Type: String Description: Selected Embedding model Q07pKBChunkingStrategy: Type: String Description: Selected Chunking strategy Q08pKBMaxTokens: Type: Number Description: Maximum number of tokens in a chunk Q09pKBOverlapPercentage: Type: Number Description: Percent overlap in each chunk Q11pOSSCollectionName: Type: String Description: Name of the Collection Q12pOSSIndexName: Type: String Description: Index name to be created in vector store Q13pVectorFieldName: Type: String Description: Vector field name Default: bedrock-knowledge-base-default-vector Q14pMetaDataFieldName: Type: String Description: Metadata field name Default: AMAZON_BEDROCK_METADATA Q15pTextFieldName: Type: String Description: Text field name Default: AMAZON_BEDROCK_TEXT_CHUNK pCollectionArn: Type: String Description: Name of the Collection Arn pKBRole: Type: String Description: KB role for e2e RAG pKBRoleArn: Type: String Description: KB role Arn for e2e RAG Conditions: IsChunkingStrategyFixed: Fn::Equals: - Ref: Q07pKBChunkingStrategy - Fixed-size chunking IsChunkingStrategyDefault: Fn::Equals: - Ref: Q07pKBChunkingStrategy - Default chunking IsChunkingStrategyNoChunking: Fn::Equals: - Ref: Q07pKBChunkingStrategy - No chunking IsChunkingStrategyFixedOrDefault: Fn::Or: - Condition: IsChunkingStrategyFixed - Condition: IsChunkingStrategyDefault Resources: KnowledgeBase: Type: AWS::Bedrock::KnowledgeBase Properties: Description: Test KB Deployment KnowledgeBaseConfiguration: Type: VECTOR VectorKnowledgeBaseConfiguration: EmbeddingModelArn: Fn::Sub: arn:aws:bedrock:${AWS::Region}::foundation-model/${Q06pKBEmbedModel} Name: !Sub AWSDocsTutorial-${KnowledgeBaseName} RoleArn: Ref: pKBRoleArn StorageConfiguration: OpensearchServerlessConfiguration: CollectionArn: Ref: pCollectionArn FieldMapping: MetadataField: Ref: Q14pMetaDataFieldName TextField: Ref: Q15pTextFieldName VectorField: Ref: Q13pVectorFieldName VectorIndexName: Ref: Q12pOSSIndexName Type: OPENSEARCH_SERVERLESS KnowledgeBaseDataSource: Type: AWS::Bedrock::DataSource DependsOn: - KnowledgeBase Properties: DataSourceConfiguration: Type: S3 S3Configuration: BucketArn: Fn::Sub: arn:aws:s3:::${Q01pS3BucketName} InclusionPrefixes: - knowledge-base-data-source/ Description: Knowledge base data source KnowledgeBaseId: Ref: KnowledgeBase Name: !Sub AWSDocsTutorial-${KnowledgeBaseName}-DS VectorIngestionConfiguration: ChunkingConfiguration: Fn::If: - IsChunkingStrategyFixed - ChunkingStrategy: FIXED_SIZE FixedSizeChunkingConfiguration: MaxTokens: !Ref Q08pKBMaxTokens OverlapPercentage: !Ref Q09pKBOverlapPercentage - Fn::If: - IsChunkingStrategyDefault - ChunkingStrategy: FIXED_SIZE FixedSizeChunkingConfiguration: MaxTokens: 300 OverlapPercentage: 20 - Fn::If: - IsChunkingStrategyNoChunking - ChunkingStrategy: NONE - !Ref AWS::NoValue Outputs: KBId: Value: Ref: KnowledgeBase Description: KnowledgeBase ID DS: Value: Ref: KnowledgeBaseDataSource Description: KnowledgeBase Datasource ``` ------ #### [ JSON ] ``` { "AWSTemplateFormatVersion": "2010-09-09", "Description": "[AWSDocs] AmazonBedrockDocs: getting-started-mortgage-flow", "Parameters": { "KnowledgeBaseName": { "Type": "String", "Description": "Name of knowledge base", "Default": "MortgageKB" }, "Q01pS3BucketName": { "Type": "String", "Description": "Name of S3 bucket where knowledge base data is stored" }, "Q06pKBEmbedModel": { "Type": "String", "Description": "Selected Embedding model" }, "Q07pKBChunkingStrategy": { "Type": "String", "Description": "Selected Chunking strategy" }, "Q08pKBMaxTokens": { "Type": "Number", "Description": "Maximum number of tokens in a chunk" }, "Q09pKBOverlapPercentage": { "Type": "Number", "Description": "Percent overlap in each chunk" }, "Q11pOSSCollectionName": { "Type": "String", "Description": "Name of the Collection" }, "Q12pOSSIndexName": { "Type": "String", "Description": "Index name to be created in vector store" }, "Q13pVectorFieldName": { "Type": "String", "Description": "Vector field name", "Default": "bedrock-knowledge-base-default-vector" }, "Q14pMetaDataFieldName": { "Type": "String", "Description": "Metadata field name", "Default": "AMAZON_BEDROCK_METADATA" }, "Q15pTextFieldName": { "Type": "String", "Description": "Text field name", "Default": "AMAZON_BEDROCK_TEXT_CHUNK" }, "pCollectionArn": { "Type": "String", "Description": "Name of the Collection Arn" }, "pKBRole": { "Type": "String", "Description": "KB role for e2e RAG" }, "pKBRoleArn": { "Type": "String", "Description": "KB role Arn for e2e RAG" } }, "Conditions": { "IsChunkingStrategyFixed": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "Fixed-size chunking" ] }, "IsChunkingStrategyDefault": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "Default chunking" ] }, "IsChunkingStrategyNoChunking": { "Fn::Equals": [ { "Ref": "Q07pKBChunkingStrategy" }, "No chunking" ] }, "IsChunkingStrategyFixedOrDefault": { "Fn::Or": [ { "Condition": "IsChunkingStrategyFixed" }, { "Condition": "IsChunkingStrategyDefault" } ] } }, "Resources": { "KnowledgeBase": { "Type": "AWS::Bedrock::KnowledgeBase", "Properties": { "Description": "Test KB Deployment", "KnowledgeBaseConfiguration": { "Type": "VECTOR", "VectorKnowledgeBaseConfiguration": { "EmbeddingModelArn": { "Fn::Sub": "arn:aws:bedrock:${AWS::Region}::foundation-model/${Q06pKBEmbedModel}" } } }, "Name": { "Fn::Sub": "AWSDocsTutorial-${KnowledgeBaseName}" }, "RoleArn": { "Ref": "pKBRoleArn" }, "StorageConfiguration": { "OpensearchServerlessConfiguration": { "CollectionArn": { "Ref": "pCollectionArn" }, "FieldMapping": { "MetadataField": { "Ref": "Q14pMetaDataFieldName" }, "TextField": { "Ref": "Q15pTextFieldName" }, "VectorField": { "Ref": "Q13pVectorFieldName" } }, "VectorIndexName": { "Ref": "Q12pOSSIndexName" } }, "Type": "OPENSEARCH_SERVERLESS" } } }, "KnowledgeBaseDataSource": { "Type": "AWS::Bedrock::DataSource", "DependsOn": [ "KnowledgeBase" ], "Properties": { "DataSourceConfiguration": { "Type": "S3", "S3Configuration": { "BucketArn": { "Fn::Sub": "arn:aws:s3:::${Q01pS3BucketName}" }, "InclusionPrefixes": [ "knowledge-base-data-source/" ] } }, "Description": "Knowledge base data source", "KnowledgeBaseId": { "Ref": "KnowledgeBase" }, "Name": { "Fn::Sub": "AWSDocsTutorial-${KnowledgeBaseName}-DS" }, "VectorIngestionConfiguration": { "ChunkingConfiguration": { "Fn::If": [ "IsChunkingStrategyFixed", { "ChunkingStrategy": "FIXED_SIZE", "FixedSizeChunkingConfiguration": { "MaxTokens": { "Ref": "Q08pKBMaxTokens" }, "OverlapPercentage": { "Ref": "Q09pKBOverlapPercentage" } } }, { "Fn::If": [ "IsChunkingStrategyDefault", { "ChunkingStrategy": "FIXED_SIZE", "FixedSizeChunkingConfiguration": { "MaxTokens": 300, "OverlapPercentage": 20 } }, { "Fn::If": [ "IsChunkingStrategyNoChunking", { "ChunkingStrategy": "NONE" }, { "Ref": "AWS::NoValue" } ] } ] } ] } } } } }, "Outputs": { "KBId": { "Value": { "Ref": "KnowledgeBase" }, "Description": "KnowledgeBase ID" }, "DS": { "Value": { "Ref": "KnowledgeBaseDataSource" }, "Description": "KnowledgeBase Datasource" } } } ``` ------ # 모기지 처리 흐름에 대한 세부 정보 에서 모기지 처리 흐름의 시각적 표현 AWS Management Console 은 다음과 같습니다. ![\[모기지 처리 흐름\]](http://docs.aws.amazon.com/ko_kr/bedrock/latest/userguide/images/cloudformation/mortgage-processing-flow.png) ## 흐름의 단계 흐름에서 다음 단계가 수행됩니다. 1. 입력에서 얻은 고객의 재무 정보는 `loanCalculator` Lambda 함수로 전송되며, Lambda 함수는 고객에게 맞는 최대 저렴한 대출을 계산합니다. 1. `loanCalculator` 함수(`maximumAffordableLoan`)의 출력과 입력의 `loanAmount` 값은 조건 노드로 전송되며, 조건 노드는 다음과 같이 평가됩니다. + `loanAmount`가 `maximumAffordableLoan`보다 크면 `incomeDebt` 프롬프트가 트리거되고 대출에 대한 거부서가 생성됩니다. + 그렇지 않으면 `processApplication` 프롬프트를 통해 고객의 재무 정보가 `mortgageProcessingAgent`로 전송됩니다. 에이전트는 대출 계산기 함수와 다중 목록 서비스(MLS) 조회 함수를 적용하여 DynamoDB 테이블을 조회하고 입력에 지정된 MLS 속성과 관련된 고객 정보를 평가합니다. 또한 에이전트는 Fannie Mae 판매 안내서가 포함된 지식 기반에서 정보를 조회합니다. 에이전트는 이 모든 정보를 사용하여 요청된 대출 금액에 대한 고객의 자격을 분석하는 응답을 생성합니다. # Amazon Bedrock 사용 설명서에 대한 문서 기록 + **최종 설명서 업데이트: **2025년 11월 26일 다음 표에서는 Amazon Bedrock의 각 릴리스에서 변경된 중요 사항에 대해 설명합니다. 이 설명서에 대한 업데이트 알림을 받으려면 RSS 피드를 구독하면 됩니다. | 변경 사항 | 설명 | 날짜 | | --- |--- |--- | | [배치 추론을 위한 Converse API 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-create.html) | 이제 배치 추론 입력 데이터에 Converse API 형식을 사용할 수 있습니다. 배치 추론 작업을 생성할 때 모델 간 일관된 요청 형식을 사용하려면 모델 호출 유형을 Converse로 설정합니다. | 2026년 2월 27일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/fine-tuning-openai-apis.html) | OpenAI호환 APIs를 사용하여 개방형 가중치 모델을 미세 조정하기 위한 지원이 추가되었습니다. 이제 파일 API, 미세 조정 작업 API, 추론 APIs 등 친숙한 OpenAI SDK 엔드포인트를 통해 개방형 가중치 모델에 대한 강화 미세 조정 작업을 생성, 모니터링 및 관리할 수 APIs. | 2026년 2월 17일 | | [서비스 티어에 지원되는 모델 목록 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/service-tiers-inference.html) | 우선 순위 및 유연한 서비스 계층에 지원되는 모델 목록 업데이트 | 2025년 12월 31일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/bda-optimize-blueprint-info.html) | Amazon Bedrock Data Automation은 이제 문서에 대한 블루프린트 명령 최적화를 지원합니다. 예제 콘텐츠 자산에 실측 정보 레이블을 제공하여 데이터 자동화 사용자 지정 출력 정확도를 개선하면 모델 훈련 없이 몇 분 만에 문서에 대한 프로덕션 지원 정확도를 달성할 수 있습니다. | 2025년 12월 18일 | | [새 관리형 정책](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | Amazon Bedrock은 Amazon Bedrock Mantle에 대해 AmazonBedrockMantleFullAccess, AmazonBedrockMantleReadOnly, AmazonBedrockMantleInferenceAccess와 같은 관리형 IAM 정책을 추가했습니다. Amazon Bedrock Mantle은 모델 추론을 위한 OpenAI 호환 API 엔드포인트를 제공합니다. | 2025년 12월 3일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-mantle.html) | Amazon Bedrock은 이제 응답 API 및 채팅 완료 API를 포함한 OpenAI 호환 가능한 API 엔드포인트를 지원합니다. 이러한 엔드포인트를 사용하면 장기 실행 워크로드에 대한 비동기 추론, 수동 기록 전달 없이 상태 저장 대화 관리, 에이전트 워크플로에 대한 간소화된 도구 사용 통합이 가능합니다. 기본 URL 및 API 키를 업데이트하여 코드 변경을 최소화하면서 기존 애플리케이션을 마이그레이션합니다. | 2025년 12월 3일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/reinforcement-fine-tuning.html) | 피드백 신호를 통해 파운데이션 모델 성능을 개선하기 위해 새로운 강화 미세 조정을 추가했습니다. | 2025년 12월 3일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-service-tiers.html) | Bedrock 추론을 위한 새로운 "예약" 서비스 계층이 추가되었습니다. | 2025년 11월 26일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-claude.html) | Amazon Bedrock은 이제 Anthropic Claude Opus 4.5를 지원합니다. | 2025년 11월 24일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-enforcements.html) | 이제 AWS 조직 내 계정 간에 가드레일을 공유할 수 있습니다. | 2025년 11월 21일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/bda-using-api.html) | Amazon Bedrock Data Automation은 이제 동기식 호출을 지원합니다. | 2025년 11월 20일 | | [사용자 지정 모델 가져오기에 대한 모델 지원이 업데이트됨](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 사용자 지정 모델 가져오기는 이제 OpenAI GPT-OSS 모델을 지원합니다. | 2025년 11월 19일 | | [표준 티어에 대한 향상된 코딩 사용 사례 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html) | Amazon Bedrock Guardrails Standard 티어는 이제 코딩 사용 사례에 대한 향상된 지원을 제공합니다. 콘텐츠 필터, 프롬프트 공격 및 거부된 주제는 기존 구성을 변경하지 않고도 코드 관련 프롬프트 및 응답을 더 잘 처리할 수 있도록 업그레이드되었습니다. Standard 티어에 대한 포괄적인 코드 도메인 지원 설명서 및 프롬프트 누출 감지가 추가되었습니다. | 2025년 11월 19일 | | [업데이트된 기능](https://docs.aws.amazon.com/bedrock/latest/userguide/service-tiers-inference.html) | 온디맨드 추론을 위한 새로운 서비스 계층 우선 순위 및 유연성 추가 | 2025년 11월 18일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | Amazon Bedrock은 이제 아프리카(케이프타운), 아시아 태평양(뉴질랜드), 캐나다 서부(캘거리), 멕시코(중부) 및 중동(바레인)에서 지원됩니다. | 2025년 11월 18일 | | [업데이트된 기능](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-vector-stores.html) | Aurora 지식 기반 통합에서 PostgreSQL 텍스트 검색에 '단순' 사전 대신 '영어' 사전을 사용하는 방법에 대한 참고 사항이 추가되었습니다. | 2025년 10월 31일 | | [레거시 상태의 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html) | 이제 Anthropic Claude 3.7 Sonnet는 레거시 상태입니다. 2026년 4월 28일 이전에 Claude Sonnet 4.5로 마이그레이션합니다. | 2025년 10월 30일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/stable-image-services.html) | 이제 Amazon Bedrock에서 네 가지 새로운 Stability AI Image Services(아웃페인트 및 업스케일)를 사용할 수 있습니다. | 2025년 10월 28일 | | [업데이트된 기능](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-submit.html) | 이제 이전에 사용자 지정된 모델(미세 조정 또는 증류)을 추가 사용자 지정하기 위한 기본 모델로 사용할 수 있습니다. | 2025년 10월 16일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude Haiku 4.5를 사용할 수 있습니다. | 2025년 10월 15일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/model-access.html) | 이제 모든 Amazon Bedrock 파운데이션 모델에 대한 액세스가 올바른 IAM 권한으로 기본적으로 활성화됩니다. | 2025년 10월 15일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-cross-region-support.html) | Amazon Bedrock Guardrails는 이제 아시아 태평양(방콕), 아시아 태평양(쿠알라룸푸르), 아시아 태평양(타이베이), 이스라엘(텔아비브), 중동(두바이) 등 5개의 추가 리전에서 교차 리전 추론을 통해 정식 출시되었습니다. | 2025년 10월 9일 | | [업데이트된 관리형 정책](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | Amazon Bedrock은 기본적으로 모든 서버리스 파운데이션 모델에 액세스할 수 있도록 AmazonBedrockFullAccess 관리형 정책을 업데이트했습니다. | 2025년 10월 7일 | | [배치 추론에 대한 모델 지원 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 배치 추론은 이제 DeepSeek V3.1, Qwen3 32B(집중), Qwen3 235B A22B 2507, Qwen3-Coder-30B-A3B-Instruct 및 Qwen3 Coder 480B A35B Instruct를 지원합니다. | 2025년 10월 3일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-embed.html) | 이제 Amazon Bedrock에서 Cohere Cohere Embed v4를 사용할 수 있습니다. | 2025년 10월 2일 | | [업데이트된 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 이제 모델 가져오기를 사용하여 Qwen3 모델을 가져올 수 있습니다. | 2025년 9월 30일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/rerank-supported.html) | 이제 미국 동부(버지니아 북부)에서 Cohere Cohere Rerank 3.5 모델을 사용할 수 있습니다. | 2025년 9월 30일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-cross-region.html) | 이제 아시아 태평양(멜버른) 및 리전 간 추론을 통해 Amazon Bedrock Guardrails를 정식으로 사용할 수 있습니다. | 2025년 9월 29일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude Sonnet 4.5를 사용할 수 있습니다. | 2025년 9월 29일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | 이제 아시아 태평양(태국), 아시아 태평양(타이베이), 아시아 태평양(말레이시아), 중동(UAE), 이스라엘(텔아비브)에서 Amazon Bedrock을 사용할 수 있습니다. | 2025년 9월 26일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/flows.html) | Amazon Bedrock Flows는 이제 흐름 추적 개선 사항 및 DoWhile 루프 노드 기능을 지원합니다. | 2025년 9월 26일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude Sonnet 4.5를 사용할 수 있습니다. | 2025년 9월 25일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/stable-image-services.html) | 이제 Amazon Bedrock에서 Stability AI 이미지 서비스를 사용할 수 있습니다. | 2025년 9월 18일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-model-supported.html) | 이제 Meta Llama 3.3 70B Instruct를 미세 조정에 사용할 수 있으며 Amazon Bedrock에서 지속적인 사전 훈련을 사용할 수 있습니다. | 2025년 9월 15일 | | [Guardrails에 대한 새로운 리전 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-supporte.html) | 이제 아시아 태평양(자카르타)에서 Amazon Bedrock Guardrails가 지원됩니다. | 2025년 9월 11일 | | [새 자습서](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-marengo.html) | TwelveLabs Marengo Embed 2.7은 이제 [InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html) API를 지원합니다. | 2025년 9월 9일 | | [새 자습서](https://docs.aws.amazon.com/bedrock/latest/userguide/api-keys-permissions.html) | 이제 `bedrock:CallWithBearerToken` 작업을 `bedrock:bearerTokenType` 조건 키와 함께 사용할 수 있습니다. | 2025년 9월 4일 | | [새 자습서](https://docs.aws.amazon.com/bedrock/latest/userguide/getting-started-mortgage-flow.html) | CloudFormation 템플릿을 사용하여 모기지 Amazon Bedrock 흐름을 쉽게 설정하는 자습서를 시도하여 Amazon Bedrock 리소스 생성에 익숙해질 수 있습니다. | 2025년 9월 2일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-openai-batch.html) | 이제 OpenAI 배치 API가 지원됩니다. | 2025년 8월 27일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | 이제 AWS GovCloud(미국 서부)에서 Amazon Bedrock 데이터 자동화를 사용할 수 있습니다. | 2025년 8월 25일 | | [새로운 언어](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 데이터 자동화는 이제 포르투갈어, 프랑스어, 이탈리아어, 스페인어 및 독일어 문서의 데이터 추출을 지원합니다. | 2025년 8월 25일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/count-tokens.html) | 이제 일부 모델의 토큰 수를 추정할 수 있습니다. | 2025년 8월 21일 | | [모델의 리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | TwelveLabs TwelveLabs Pegasus 1.2는 이제 미국 동부(버지니아 북부) 및 아시아 태평양(서울)에서 지원됩니다. | 2025년 8월 14일 | | [Amazon Bedrock Guardrails에 대한 모델 지원 추가](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-supported.html) | 이제 미국 서부(캘리포니아 북부)에서 Amazon Bedrock Guardrails가 지원됩니다. | 2025년 8월 11일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 OpenAI gpt-oss-20b 및 gpt-oss-120b를 사용할 수 있습니다. | 2025년 8월 5일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-automated-reasoning-checks.html) | Amazon Bedrock Guardrails는 이제 파운데이션 모델 응답의 정확성을 검증하기 위한 자동 추론 검사를 지원합니다. | 2025년 8월 5일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 아시아 태평양(멜버른)에서 Amazon Bedrock이 지원됩니다. | 2025년 7월 31일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude Opus 4.1을 사용할 수 있습니다. | 2025년 7월 31일 | | [배치 추론에 대한 모델 지원 추가](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 배치 추론은 이제 미국 Amazon Nova Premier 추론 프로파일을 지원합니다. | 2025년 7월 29일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 미국 서부(캘리포니아 북부)에서 Amazon Bedrock이 지원됩니다. | 2025년 7월 28일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock Data Automation에서 이제 DOC/DOCX 및 H.265 파일 유형 지원 | 2025년 7월 28일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | 이제 유럽(프랑크푸르트), 유럽(런던), 유럽(아일랜드), 아시아 태평양(뭄바이), 아시아 태평양(시드니)에서 Amazon Bedrock Data Automation을 사용할 수 있습니다. | 2025년 7월 16일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/import-with-create-custom-model.html) | 이제 SageMaker AI 훈련된 Amazon Nova 모델을 사용자 지정 모델로 Amazon Bedrock에 가져올 수 있습니다. | 2025년 7월 16일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/deploy-custom-model-on-demand.html) | 이제 Amazon Bedrock에서 온디맨드 추론을 위한 사용자 지정 모델을 배포할 수 있습니다. 이 기능을 사용하면 프로비저닝된 처리량 없이 pay-per-token 추론을 위한 사용자 지정 모델을 배포할 수 있습니다. | 2025년 7월 16일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 TwelveLabs TwelveLabs Pegasus 1.2 및 TwelveLabs Marengo Embed 2.7을 사용할 수 있습니다. | 2025년 7월 15일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Anthropic Claude 3.7 Sonnet in AWS GovCloud(미국 서부)를 사용할 수 있습니다. | 2025년 7월 7일 | | [새 관리형 정책](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | Amazon Bedrock은 AmazonBedrockLimitedAccess, AmazonBedrockMarketplaceAccess AmazonBedrockMarketplaceAccess와 같은 관리형 IAM 정책을 추가했습니다. | 2025년 7월 7일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/api-keys.html) | Amazon Bedrock은 이제 Amazon Bedrock API 직접 호출을 위한 간편한 인증을 위해 API 키 생성을 지원합니다. | 2025년 7월 7일 | | [지능형 프롬프트 라우팅을 위한 리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 이제 AWS GovCloud(미국 서부) 및 AWS GovCloud(미국 동부)에서 지능형 프롬프트 라우팅이 지원됩니다. | 2025년 7월 3일 | | [배치 추론에 대한 모델 지원 추가](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 이제 Meta Llama 4 Scout 17B Instruct 및 Llama 4 Maverick 17B Instruct 모델에서 배치 추론이 지원됩니다. | 2025년 7월 3일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-supported.html) | 이제 유럽(밀라노), 유럽(스페인), 아시아 태평양(하이데라바드) 및 아시아 태평양(오사카)에서 프롬프트 관리가 지원됩니다. | 2025년 7월 1일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-supported.html) | 이제 유럽(밀라노), 유럽(스페인), 아시아 태평양(하이데라바드) 및 아시아 태평양(오사카)에서 Amazon Bedrock Flows가 지원됩니다. | 2025년 7월 1일 | | [Amazon Bedrock 지식 기반의 리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | Amazon Bedrock 지식 기반은 이제 AWS 리전아시아 태평양(하이데라바드), 아시아 태평양(오사카), 유럽(밀라노) 및 유럽(스페인)에서 지원됩니다. | 2025년 6월 26일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-tiers.html) | Amazon Bedrock Guardrails는 콘텐츠 필터(텍스트), 프롬프트 공격 및 거부된 주제 정책에 대한 성능 및 언어 옵션을 제공하는 보호 티어를 지원합니다. | 2025년 6월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-nodes.html) | (미리 보기) 인라인 코드 노드를 사용하여 Amazon Bedrock 흐름에서 직접 코드를 실행합니다. | 2025년 6월 19일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-create-async.html) | (미리 보기) 흐름 실행으로 Amazon Bedrock 흐름을 더 오래 실행합니다. | 2025년 6월 19일 | | [새 자습서](https://docs.aws.amazon.com/bedrock/latest/userguide/agent-tutorial.html) | 간단한 Amazon Bedrock 에이전트를 생성하기 위한 자습서를 추가했습니다. | 2025년 5월 28일 | | [새 모델 사용 가능](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Claude Sonnet 4 및 Claude Opus 4를 사용할 수 있습니다. | 2025년 5월 22일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock 데이터 자동화는 이제 비디오에 대한 사용자 지정 출력을 지원합니다. | 2025년 5월 19일 | | [비디오 블루프린트 지원 추가](https://docs.aws.amazon.com/bedrock/latest/userguide/creating-blueprint-video.html) | BDA는 이제 비디오에 대한 블루프린트를 지원합니다. | 2025년 5월 16일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-cross-region.html) | Amazon Bedrock Guardrails는 이제 교차 리전 추론을 지원합니다. | 2025년 5월 13일 | | [사용자 지정 모델 가져오기에 대한 모델 지원 추가](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 이제 사용자 지정 모델 가져오기가 Qwen2, Qwen2.5, Qwen2-VL, Qwen2.5-VL을 지원합니다. | 2025년 5월 12일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock Data Automation은 이제 오디오 파일에 대한 사용자 지정 블루프린트를 지원합니다. | 2025년 5월 5일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Meta Llama 4 Scout 17B Instruct 및 Llama 4 Maverick 17B Instruct를 사용할 수 있습니다. | 2025년 4월 28일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Writer Palmyra X4 및 Writer Palmyra X5를 사용할 수 있습니다. | 2025년 4월 28일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/conversation-inference-call.html) | 이제 Amazon Nova Lite 및 Amazon Nova Pro와 함께 InvokeModel 및 Converse API를 사용할 때 Amazon S3에 저장된 이미지와 문서를 참조할 수 있습니다. 이러한 API를 사용하여 S3에 저장된 이미지, 문서 및 비디오를 포함하는 것도 이제 추론 프로파일에서 지원됩니다. | 2025년 4월 25일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | Amazon Bedrock Data Automation이 이제 모달리티 라우팅 및 하이퍼링크 지원을 지원합니다. | 2025년 4월 25일 | | [일반 릴리스](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-routing.html) | 이제 Amazon Bedrock에서 지능형 프롬프트 라우팅을 정식으로 사용할 수 있습니다. | 2025년 4월 22일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup.html) | Amazon Bedrock 지식 기반은 이제 Amazon Aurora에 대한 추가 사용자 제공 메타데이터 필드와 MongoDB 벡터 저장소에 대한 향상된 하이브리드 검색 기능을 지원합니다. | 2025년 4월 10일 | | [사용자 지정 모델 가져오기를 위한 리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 이제 유럽(프랑크푸르트)에서 사용자 지정 모델 가져오기가 지원됩니다. | 2025년 4월 9일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Pixtral Large (25.02)에서 Amazon Bedrock을 사용할 수 있습니다. | 2025년 4월 8일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-harmful-content-handling-options.html) | Amazon Bedrock에서 감지한 유해한 콘텐츠를 처리하기 위한 새로운 옵션입니다. | 2025년 4월 7일 | | [배치 추론을 위한 리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 배치 추론은 이제 Amazon Nova Lite, Amazon Nova Pro및 Amazon Nova Micro in AWS GovCloud(미국 서부)를 지원합니다. | 2025년 4월 4일 | | [배치 추론을 위한 리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 배치 추론은 이제 아시아 태평양(뭄바이), 아시아 태평양(하이데라바드), 아시아 태평양(싱가포르), 아시아 태평양(시드니), 아시아 태평양(서울), 아시아 태평양(오사카), 유럽(스톡홀름), 유럽(밀라노), 유럽(스페인)의 Amazon Titan Text Embeddings V2에서 Anthropic Claude Claude 3.5 Sonnet V2를 지원합니다. | 2025년 4월 2일 | | [프로비저닝된 처리량에 대한 모델 지원 추가](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 프로비저닝된 처리량은 이제 Amazon Nova Lite, Amazon Nova Micro 및 Amazon Nova Pro에 대한 24,000개의 컨텍스트 기간 외에도 Amazon Nova Canvas를 지원합니다. | 2025년 4월 2일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-osm-permissions-prereq.html) | Amazon Bedrock 지식 기반은 이제 지식 기반을 생성할 때 OpenSearch 관리형 클러스터를 벡터 저장소로 지원합니다. | 2025년 3월 27일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-templates.html) | 이제 흐름 템플릿을 사용하여 Amazon Bedrock Flows를 시작할 수 있습니다. | 2025년 3월 27일 | | [기능 이동됨](#doc-history) | Sagemaker Unified Studio에서 Amazon Bedrock으로 이름이 변경된 Amazon Bedrock Studio는 이제 [Amazon SageMaker Unified Studio](https://docs.aws.amazon.com/sagemaker-unified-studio/latest/userguide/what-is-sagemaker-unified-studio.html)에서 사용할 수 있습니다. | 2025년 3월 25일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-permissions.html#guardrails-permissions-id) | 이제 Amazon Bedrock 모델 추론 요청을 적용하여 새 IAM 조건 키를 통해 특정 가드레일을 사용할 수 있습니다. | 2025년 3월 18일 | | [리전 확장](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bedrock_region) | 이제 유럽(밀라노) 및 유럽(스페인)에서 Amazon Bedrock이 지원됩니다. | 2025년 3월 14일 | | [기능에 대한 지원 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-generate-query.html) | Amazon Bedrock 지식 기반은 이제 구조화된 데이터 검색을 통해 교차 리전 추론을 지원합니다. | 2025년 3월 13일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-routing.html) | Amazon Bedrock은 이제 지능형 프롬프트 라우팅을 사용하여 미리 보기에서 구성된 프롬프트 라우터를 지원합니다. | 2025년 3월 13일 | | [기능에 대한 모델 지원 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 프로비저닝된 처리량은 이제 미국 서부(오리건)에서 Llama 3.2 1B Instruct, Llama 3.2 3B Instruct, Llama 3.2 11B Instruct 및 Llama 3.2 90B Instruct를 지원합니다. | 2025년 3월 13일 | | [지식 기반에 모델 지원 추가](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-configure-reasoning.html) | Amazon Bedrock 지식 기반은 이제 추론 모델 Deepseek-R1 및 Anthropic Claude 3.7 Sonnet을 지원합니다. | 2025년 3월 12일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 DeepSeek-R1에서 Amazon Bedrock을 사용할 수 있습니다. | 2025년 3월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-computer-use.html) | 이제 컴퓨터 사용 도구를 사용하여 태스크를 완료하도록 Amazon Bedrock Agent를 구성할 수 있습니다. | 2025년 3월 10일 | | [일반 릴리스](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-build-graphs.html) | Amazon Bedrock 지식 기반용 GraphRAG는 이제 추가 기능과 함께 정식으로 사용할 수 있습니다. | 2025년 3월 7일 | | [일반 릴리스](https://docs.aws.amazon.com/bedrock/latest/userguide/bda.html) | 이제 Amazon Bedrock Data Automation을 향상된 정확도와 CRIS로 사용할 수 있습니다. | 2025년 3월 3일 | | [리전 확장](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bedrock_region) | 이제 유럽(스톡홀름)에서 Amazon Bedrock이 지원됩니다. | 2025년 2월 27일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/sessions.html) | 이제 Amazon Bedrock 세션 관리 API를 사용하여 오픈 소스 프레임워크로 구축된 생성형 AI 애플리케이션의 상태를 관리할 수 있습니다. | 2025년 2월 27일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Claude 3.7 Sonnet에서 Amazon Bedrock을 사용할 수 있습니다. | 2025년 2월 24일 | | [리전 확장](https://docs.aws.amazon.com/general/latest/gr/bedrock.html#bedrock_region) | 이제 아시아 태평양(하이데라바드) 및 아시아 태평양(오사카)에서 Amazon Bedrock이 지원됩니다. | 2025년 2월 21일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Cohere Embed English 및 Cohere Embed Multilingual을 사용할 수 있습니다. | 2025년 1월 24일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Luma Ray v2에서 Amazon Bedrock을 사용할 수 있습니다. | 2025년 1월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-multi-turn-invocation.html) | 이제 Amazon Bedrock 흐름에서 에이전트 노드와 대화할 수 있습니다. | 2025년 1월 22일 | | [업데이트된 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 이제 미국 동부(버지니아 북부) 및 미국 서부(오리건)에서 배치 추론에 Llama 3.3 70B Instruct를 사용할 수 있습니다. | 2024년 12월 23일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 이제 미국 동부(버지니아 북부) 및 미국 서부(오리건)에서 배치 추론에 Llama 3.3 70B Instruct를 사용할 수 있습니다. | 2024년 12월 23일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Llama 3.3 70B Instruct 및 Stable Diffusion 3.5를 사용할 수 있습니다. | 2024년 12월 19일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-supported.html) | 이제 Amazon Bedrock Guardrails를 프랑스어 및 스페인어 입력에 적용할 수 있습니다. | 2024년 12월 9일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 이제 추론 프로파일을 사용하여 배치 추론을 실행할 수 있습니다. | 2024년 12월 6일 | | [업데이트된 관리형 정책](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | Amazon Bedrock Marketplace 권한이 AmazonBedrockFullAccess 및 AmazonBedrockReadOnly AWS 관리형 정책에 추가되었습니다. | 2024년 12월 4일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/amazon-bedrock-marketplace.html) | 이제 Amazon Bedrock Marketplace 모델을 배포한 다음 해당 모델로 추론을 실행할 수 있습니다. | 2024년 12월 4일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-build-structured.html) | 이제 지식 기반을 구조화된 데이터 스토어에 연결하고 Amazon Bedrock 지식 기반에서 SQL 쿼리를 생성할 수 있습니다. | 2024년 12월 4일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-advanced-parsing.html) | 이제 Amazon Bedrock Data Automation 구문 분석기 또는 Amazon Bedrock 지식 기반의 파운데이션 모델을 사용하여 이미지가 포함된 멀티모달 데이터를 구문 분석할 수 있습니다. | 2024년 12월 4일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-mmfilter.html) | Amazon Bedrock Guardrails는 이제 이미지 콘텐츠 필터를 사용하여 유해한 이미지를 필터링하는 데 도움이 될 수 있습니다. | 2024년 12월 4일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-multi-agent-collaboration.html) | Amazon Bedrock Agents는 이제 여러 Amazon Bedrock Agents가 복잡한 태스크를 공동으로 계획하고 해결할 수 있는 다중 에이전트 협업을 지원합니다. | 2024년 12월 3일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/model-distillation.html.html) | 이제 더 큰 지능형 모델(교사라고 함)의 지식을 더 작고 빠르며 비용 효율적인 모델(학생이라고 함)로 이전하고 특정 사용 사례에 맞게 추출된 학생 모델을 사용할 수 있습니다. | 2024년 12월 3일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock의 Meta 및 Anthropic에서 지연 시간 최적화 모델을 사용할 수 있습니다. | 2024년 12월 2일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-retrieve.html) | 이제 Amazon Bedrock 지식 기반의 데이터 소스에서 결과를 검색할 때 가드레일을 적용할 수 있습니다. | 2024년 12월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-retrieve-generate.html) | 이제 Amazon Bedrock 지식 기반에서 RetrieveAndGenerate 스트리밍 버전인 RetrieveAndGenerateStream을 사용할 수 있습니다. | 2024년 12월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html) | 이제 Amazon Bedrock 지식 기반에서 사용자 쿼리 및 메타데이터 스키마를 기반으로 검색 필터를 적용할 수 있습니다. | 2024년 12월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/rerank.html) | 이제 리랭커 모델을 사용하여 사용자 쿼리를 기반으로 소스 문서의 관련성 순위를 다시 매길 수 있습니다. | 2024년 12월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-direct-ingestion.html) | 이제 문서 변경 사항을 지식 기반에 한 번에 직접 수집할 수 있습니다. | 2024년 12월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-data-source-connector.html) | 이제 지식 기반을 사용자 지정 데이터 소스에 연결할 수 있습니다. | 2024년 12월 1일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/features-regions.html) | 유럽(취리히)은 이제 Amazon Bedrock Agents, Amazon Bedrock 지식 기반, 프롬프트 관리 및 Amazon Bedrock 흐름을 지원합니다. | 2024년 11월 22일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-supported.html) | Amazon Bedrock Flows는 이제 미국 동부(오하이오), 아시아 태평양(서울), 캐나다(중부), 유럽(런던) 및 남아메리카(상파울루)에서 지원됩니다. | 2024년 11월 22일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-supported.html) | 이제 미국 동부(오하이오), 아시아 태평양(서울), 캐나다(중부), 유럽(런던) 및 남아메리카(상파울루)에서 프롬프트 관리가 지원됩니다. | 2024년 11월 22일 | | [일반 릴리스](https://docs.aws.amazon.com/bedrock/latest/userguide/flows.html) | Amazon Bedrock Flows가 이제 Amazon Bedrock에서 정식 출시되었습니다. | 2024년 11월 22일 | | [기능 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) | Amazon Bedrock 지식 기반은 이제 바이너리 임베딩을 지원합니다. | 2024년 11월 21일 | | [기능 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-optimize.html) | Amazon Bedrock Prompt Management는 이제 프롬프트 최적화를 지원합니다. | 2024년 11월 20일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/models-regions) | 이제 Amazon Bedrock in AWS GovCloud(미국 동부) 및 유럽(취리히)을 사용할 수 있습니다. | 2024년 11월 11일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html#kb-supported-regions) | Amazon Bedrock은 이제 미국 동부(오하이오)의 지식 기반을 지원합니다. | 2024년 11월 8일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-trace.html) | 이제 흐름에 대한 기록을 보고 각 노드의 입력 및 출력을 추적할 수 있습니다. | 2024년 11월 7일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/flows-guardrails.html) | 이제 흐름에 지식 기반 또는 프롬프트 노드에 대한 가드레일을 포함할 수 있습니다. | 2024년 11월 7일 | | [일반 릴리스](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management.html) | 이제 Amazon Bedrock에서 프롬프트 관리를 정식으로 사용할 수 있습니다. | 2024년 11월 7일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-support.html#inference-profiles-support-user) | 이제 아시아 태평양(싱가포르) 및 아시아 태평양(서울)에서 애플리케이션 추론 프로파일을 생성할 수 있습니다. | 2024년 11월 6일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-support.html#inference-profiles-support-system) | Anthropic Claude 및 Meta Llama 모델에 대해 교차 리전 추론 프로파일이 추가되었습니다. | 2024년 11월 6일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude 3.5 Haiku를 사용할 수 있습니다. | 2024년 11월 4일 | | [기능 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles.html) | 이제 애플리케이션 추론 프로파일을 생성하여 모델 추론을 실행하고 이를 사용하여 비용 및 지표를 추적할 수 있습니다. | 2024년 11월 1일 | | [기능 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-create.html) | 이제 프롬프트 관리 또는 흐름의 프롬프트 노드에서 프롬프트를 정의할 때 모델별 추론 파라미터를 포함할 수 있습니다. | 2024년 10월 31일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude 3.5 Sonnet v2를 사용할 수 있습니다. Anthropic Claude 3.5 Sonnet v2에서 컴퓨터 사용 도구를 사용할 수도 있습니다. | 2024년 10월 22일 | | [업데이트된 관리형 정책](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html#security-iam-awsmanpol-AmazonBedrockReadOnly) | 사용자 지정 모델 가져오기에 대한 읽기 전용 권한이 AmazonBedrockReadOnly AWS관리형 정책에 추가되었습니다. | 2024년 10월 21일 | | [기능 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management-create.html) | 프롬프트 관리에서 프롬프트를 만들 때 `inferenceConfiguration` 객체에서 더 이상 `topK` 필드가 지원되지 않습니다. | 2024년 10월 21일 | | [기능 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/playgrounds.html) | 이제 텍스트 및 채팅 플레이그라운드가 Amazon Bedrock 콘솔의 채팅/텍스트 플레이그라운드에 병합됩니다. | 2024년 10월 21일 | | [기능 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/playgrounds.html) | 이제 텍스트 및 채팅 플레이그라운드가 Amazon Bedrock 콘솔의 채팅/텍스트 플레이그라운드에 병합됩니다. | 2024년 10월 21일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-supported.html) | 배치 추론은 이제 아시아 태평양(서울)에서 지원됩니다. | 2024년 10월 7일 | | [새로운 리전 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 미국 동부(오하이오) 및 아시아 태평양(서울) AWS 리전에서 Amazon Bedrock을 사용할 수 있습니다. | 2024년 10월 1일 | | [레거시 상태의 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html) | 이제 Anthropic Claude Opus 4는 레거시 상태입니다. 2026년 5월 31일 이전에 Claude Opus 4.1로 마이그레이션하세요. | 2024년 10월 1일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Meta Llama 3.2 1B Instruct, Llama 3.2 3B Instruct Llama 3.2 11B Instruct, Llama 3.2 90B Instruct 모델을 사용할 수 있습니다. | 2024년 9월 25일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-titan-embed-text.html) | 이제 Amazon Bedrock에서 Titan Text Embeddings V2 모델에 바이너리 임베딩을 사용할 수 있습니다. | 2024년 9월 25일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/monitoring-guardrails-cw-metrics.html) | 이제 Amazon Bedrock에서 CloudWatch 측정치를 사용하여 가드레일을 모니터링할 수 있습니다. | 2024년 9월 24일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html) | 이제 모델 평가를 사용하여 추론 프로파일을 평가할 수 있습니다. | 2024년 9월 24일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 AI21 Labs Jamba 1.5 Large 및 AI21 Labs Jamba 1.5 Mini를 사용할 수 있습니다. | 2024년 9월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html) | 이제 프롬프트 관리에서 프롬프트를 사용하거나 흐름에 프롬프트를 포함할 때 추론 프로파일을 사용할 수 있습니다. | 2024년 9월 23일 | | [프로비저닝된 처리량에 대한 추가 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 이제 미국 서부(오리건) Anthropic Claude 3.5 Sonnet 모델에 대한 프로비저닝된 처리량을 구매할 수 있습니다. | 2024년 9월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/monitoring-eventbridge.html) | 이제 Amazon EventBridge를 사용하여 배치 추론 작업의 상태 변화를 모니터링할 수 있습니다. | 2024년 9월 18일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-create.html) | 이제 다른 계정이 소유한 S3 버킷의 파일을 배치 추론 작업에 제출할 수 있습니다. | 2024년 9월 16일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-vpc.html) | 이제 배치 추론 작업을 제출할 때 VPC를 사용할 수 있습니다. | 2024년 9월 16일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html) | 이제 지식 기반에서 쿼리한 결과를 기반으로 응답을 생성하고 데이터 소스를 구문 분석할 때 추론 프로파일을 사용할 수 있습니다. | 2024년 9월 11일 | | [콘텐츠 업데이트](#doc-history) | 주제 제목을 업데이트하고 가독성을 높이기 위해 콘텐츠를 재구성했습니다. 이러한 변경 사항에 대한 피드백이 있으시면 [피드백 제공 링크](https://docs.aws.amazon.com/bedrock/latest/userguide/doc-history.html)를 이용해 주세요. | 2024년 9월 4일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Stable Image Ultra, Stable Diffusion 3 Large, Stable Image Core 모델을 사용할 수 있습니다. | 2024년 9월 4일 | | [업데이트된 관리형 정책](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html#security-iam-awsmanpol-AmazonBedrockReadOnly) | AmazonBedrockReadOnly AWS관리형 정책에 추론 프로파일 읽기 전용 권한이 추가되었습니다. | 2024년 8월 27일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html) | 이제 추론 프로파일을 사용하여 교차 리전 추론을 통해 처리량을 늘릴 수 있습니다. | 2024년 8월 27일 | | [새로운 특성](https://docs.aws.amazon.com//bedrock/latest/userguide/agents-userconfirmation.html) | 이제 Amazon Bedrock Agent 작업 그룹 함수를 간접적으로 호출하기 전에 애플리케이션 사용자에게 확인을 요청할 수 있습니다. | 2024년 8월 26일 | | [업데이트된 관리형 정책](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html#security-iam-awsmanpol-AmazonBedrockReadOnly) | 배치 추론(모델 호출 작업), Amazon Bedrock 가드레일 및 Amazon Bedrock 모델 평가에 대한 읽기 전용 권한이 AmazonBedrockReadOnly AWS관리형 정책에 추가되었습니다. | 2024년 8월 21일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference.html) | 이제 배치 추론을 사용하는 여러 프롬프트를 통한 비동기식 모델 간접 호출이 정식으로 지원됩니다. | 2024년 8월 21일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference.html) | 이제 배치 추론을 사용하여 여러 프롬프트에서 비동기식으로 모델 추론을 실행할 수 있습니다. | 2024년 8월 16일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Amazon Titan Image Generator G1 V2를 사용할 수 있습니다. | 2024년 8월 6일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 AWS 리전 AWS GovCloud(미국 서부)에서 Meta Llama 3 Instruct 모델 8B 및 70B를 사용할 수 있습니다. | 2024년 8월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/copy-model.html) | 이제 사용자 지정 모델을 Amazon Bedrock의 다른 리전에 복사할 수 있습니다. | 2024년 8월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/share-model.html) | 이제 Amazon Bedrock의 다른 계정에 사용자 지정 모델을 공유할 수 있습니다. | 2024년 8월 1일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Mistral AI Mistral Large 2 (24.07) 모델을 사용할 수 있습니다. | 2024년 7월 24일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Meta Llama 3.1 Instruct 모델을 사용할 수 있습니다. | 2024년 7월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/br-studio.html) | 이제 Amazon Bedrock Studio에서 프롬프트 관리 및 Amazon Bedrock Flows를 사용할 수 있습니다. | 2024년 7월 22일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/flows.html) | 이제 다양한 Amazon Bedrock 리소스를 엔드 투 엔드 솔루션을 위한 하나의 워크플로로 묶을 수 있습니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management.html) | 이제 프롬프트를 만들고 저장하여 다른 워크플로에서 재사용할 수 있습니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-session-state.html#session-state-kb) | 이제 에이전트에 연결된 지식 기반에 대한 런타임 중에 쿼리 구성을 수정할 수 있습니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-chunking-parsing.html) | Amazon Bedrock은 이제 표준 텍스트 이상의 [시맨틱 및 계층적 청킹과 고급 구문 분석](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-chunking-parsing.html)을 제공합니다. 사용자 지정 데이터 변환에 Lambda 함수를 사용할 수도 있습니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html) | Amazon Bedrock은 이제 복잡한 쿼리를 더 작고 관리 가능한 하위 쿼리로 세분화할 수 있는 [쿼리 분해](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html)를 제공합니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/data-source-connectors.html) | 이제 지식 기반에 대해 Confluence, Salesforce, SharePoint에 저장된 [데이터에 연결하고 크롤링](https://docs.aws.amazon.com/bedrock/latest/userguide/data-source-connectors.html)할 수 있습니다. 웹 URL에 대한 연결과 크롤링도 가능합니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-code-interpretation.html) | 이제 Amazon Bedrock에서 코드 해석을 사용하여 보안 테스트 환경에서 코드를 생성, 실행 및 해결할 수 있습니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-memory.html) | 이제 메모리를 사용하여 에이전트가 여러 세션에서 대화 컨텍스트를 유지하도록 할 수 있습니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-use-independent-api.html) | 이제 독립적 API를 사용하여 Amazon Bedrock에서 가드레일을 직접적으로 호출할 수 있습니다. | 2024년 7월 10일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-contextual-grounding-check.html) | 이제 가드레일과 함께 컨텍스트 근거 검사를 사용할 수 있습니다. | 2024년 7월 10일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-supported.html) | 이제 Amazon Bedrock Agents를 캐나다(중부)(ca-central-1), 유럽(런던)(eu-west-2), 남아메리카(상파울루)(sa-east-1)에서 사용할 수 있습니다. | 2024년 6월 28일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 AI21 Jamba-Instruct에서 Amazon Bedrock을 사용할 수 있습니다. | 2024년 6월 25일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-supported.html) | 이제 Amazon Bedrock Guardrails를 캐나다(중부)(ca-central-1), 유럽(런던)(eu-west-2), 남아메리카(상파울루)(sa-east-1)에서 사용할 수 있습니다. | 2024년 6월 21일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/playgrounds.html#chat-playground) | 이제 [채팅 플레이그라운드](https://docs.aws.amazon.com/bedrock/latest/userguide/playgrounds.html#chat-playground)에 또는 [Conversation API 사용](https://docs.aws.amazon.com/bedrock/latest/userguide/conversation-inference.html) 시 문서를 포함할 수 있습니다. | 2024년 6월 21일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Claude 3.5 Sonnet에서 Amazon Bedrock을 사용할 수 있습니다. | 2024년 6월 20일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-embed.html) | Cohere Embed V3 모델은 이제 응답에서 int8 및 바이너리 임베딩 유형을 지원합니다. | 2024년 6월 20일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-use-converse-api.html) | 이제 Converse API에서 가드레일을 사용할 수 있습니다. | 2024년 6월 18일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-regions.html) | 이제 Amazon Bedrock을 캐나다(중부)(ca-central-1), 유럽(런던)(eu-west-2) 및 남아메리카(상파울루)(sa-east-1)에서 사용할 수 있습니다. 엔드포인트에 대한 내용은 [Amazon Bedrock 엔드포인트 및 할당량](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)을 참조하세요. | 2024년 6월 13일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/trace-events.html) | 이제 에이전트 작업 그룹 결과가 Lambda 함수에서 처리되도록 전송되었는지 또는 제어가 에이전트 개발자에게 반환되었는지 여부에 대한 정보를 추적에서 볼 수 있습니다. | 2024년 6월 13일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Claude 3 Opus에서 Amazon Bedrock을 사용할 수 있습니다. | 2024년 6월 7일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/conversation-inference.html) | 이제 Converse API를 사용하여 대화형 애플리케이션을 만들 수 있습니다. | 2024년 5월 30일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/tool-use.html) | 이제 Amazon Bedrock 모델에서 도구를 사용할 수 있습니다. | 2024년 5월 30일 | | [Amazon Bedrock 지식 기반에 데이터 소스를 임베딩하기 위한 추가 모델 지원.](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 이제 Amazon Titan Text Embeddings V2 모델을 사용하여 Amazon Bedrock 지식 기반에 데이터 소스를 포함할 수 있습니다. | 2024년 5월 30일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Mistral Small에서 Amazon Bedrock을 사용할 수 있습니다. | 2024년 5월 24일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-create.html) | 이제 Amazon Bedrock의 에이전트에서 가드레일을 사용할 수 있습니다. | 2024년 5월 20일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-model-params.html) | 이제 지식 기반 검색에서 응답을 생성할 때 추론 파라미터를 수정할 수 있습니다. | 2024년 5월 9일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-models.html) | 이제 Amazon Bedrock에서 Amazon Titan Text Premier 모델을 사용할 수 있습니다. | 2024년 5월 7일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/br-studio.html) | Amazon Bedrock Studio의 미리 보기 릴리스입니다. | 2024년 5월 7일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-alias-manage.html) | 이제 프로비저닝된 처리량을 Amazon Bedrock에서 에이전트의 별칭과 연결할 수 있습니다. | 2024년 5월 2일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-regions.html) | 이제 Amazon Bedrock을 유럽(아일랜드)(eu-west-1) 및 아시아 태평양(뭄바이)(ap-south-1)에서 사용할 수 있습니다. 엔드포인트에 대한 내용은 [Amazon Bedrock 엔드포인트 및 할당량](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)을 참조하세요. | 2024년 5월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup.html) | 이제 Amazon Bedrock 지식 기반에서 MongoDB Atlas를 벡터 인덱스 소스로 선택할 수 있습니다. | 2024년 5월 1일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-embedding-models.html) | 이제 Amazon Bedrock에서 Titan Embeddings Text V2 모델을 사용할 수 있습니다. | 2024년 4월 30일 | | [프로비저닝된 처리량에 대한 추가 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 이제 AI21 Labs Jurassic-2 Ultra에 대해 프로비저닝된 처리량을 구매할 수 있습니다. | 2024년 4월 30일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Cohere Command R 및 Cohere Command R\$1 모델을 사용할 수 있습니다. | 2024년 4월 29일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/model-customization-import-model.html) | 이제 사용자 지정 모델을 Amazon Bedrock으로 가져올 수 있습니다. | 2024년 4월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-returncontrol.html) | Amazon Bedrock Agents에서는 에이전트가 사용자로부터 유도한 정보를 Lambda 함수로 보내는 대신 [https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_InvokeAgent.html](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_agent-runtime_InvokeAgent.html) 응답으로 반환할 수 있습니다. | 2024년 4월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-action-function.html) | Amazon Bedrock Agents에서는 이제 사용자에게 필요한 파라미터별로 작업 그룹을 정의할 수 있습니다. | 2024년 4월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-erag.html) | 이제 Amazon Bedrock에서 문서와의 채팅을 사용할 수 있습니다. | 2024년 4월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-create.html) | 이제 Amazon Bedrock 지식 기반에서 여러 데이터 소스 중 선택할 수 있습니다. | 2024년 4월 23일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html) | 이제 Amazon Bedrock Guardrails를 사용하여 사용 사례에 따라 모델 입력 및 응답에서 유해한 콘텐츠를 차단하는 보호 조치를 구현할 수 있습니다. | 2024년 4월 23일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude 3 Opus를 사용할 수 있습니다. | 2024년 4월 16일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-regions.html) | 이제 Amazon Bedrock을 아시아 태평양(시드니)(ap-southeast-2)에서 사용할 수 있습니다. 엔드포인트에 대한 내용은 [Amazon Bedrock 엔드포인트 및 할당량](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)을 참조하세요. | 2024년 4월 9일 | | [CloudFormation Amazon Bedrock Agents 및 Amazon Bedrock 지식 기반 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/creating-resources-with-cloudformation.html) | 이제를 사용하여 Amazon Bedrock Agents 및 Amazon Bedrock 지식 기반 리소스를 설정하고 관리할 수 있습니다 CloudFormation. | 2024년 4월 5일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/bedrock-regions.html) | 이제 Amazon Bedrock을 유럽(파리)(eu-west-3)에서 사용할 수 있습니다. 엔드포인트에 대한 내용은 [Amazon Bedrock 엔드포인트 및 할당량](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)을 참조하세요. | 2024년 4월 4일 | | [Amazon Bedrock에서 지식 기반 쿼리를 위한 추가 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 이제 지식 기반 응답 생성에 Anthropic Claude 3 Haiku를 사용할 수 있습니다. | 2024년 4월 4일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Mistral Large에서 Amazon Bedrock을 사용할 수 있습니다. | 2024년 4월 3일 | | [Amazon Bedrock에서 지식 기반 쿼리를 위한 추가 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 이제 지식 기반 응답 생성에 Anthropic Claude 3 Haiku를 사용할 수 있습니다. | 2024년 4월 3일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 이제 기본 모델에 대해 프로비저닝된 처리량을 약정 없이 구매할 수 있습니다. | 2024년 3월 29일 | | [프로비저닝된 처리량에 대한 추가 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/pt-supported.html) | 이제 Anthropic Claude 3 Sonnet, Anthropic Claude 3 Haiku, Cohere Embed English, Cohere Embed Multilingual에 대해 프로비저닝된 처리량을 구매할 수 있습니다. | 2024년 3월 29일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-create.html#kb-create-security-network) | 이제 Amazon OpenSearch Serverless에서 네트워크 액세스 정책을 만들어 Amazon Bedrock 지식 기반이 VPC 엔드포인트로 구성된 프라이빗 OpenSearch Serverless 벡터 검색 컬렉션에 액세스할 수 있도록 허용할 수 있습니다. | 2024년 3월 28일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-ds.html#kb-ds-metadata) | 이제 Amazon Bedrock 지식 기반에 소스 문서의 메타데이터를 포함하고 [지식 기반 쿼리 중에 메타데이터를 필터링](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html#kb-test-config-filters)할 수 있습니다. | 2024년 3월 27일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-config.html) | 이제 지식 기반을 쿼리하고 응답을 생성할 때 프롬프트 템플릿을 사용하여 모델로 전송되는 프롬프트를 사용자 지정할 수 있습니다. | 2024년 3월 26일 | | [Amazon Bedrock에서 지식 기반 쿼리를 위한 추가 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 이제 지식 기반 응답 생성에 Anthropic Claude 3 Sonnet를 사용할 수 있습니다. | 2024년 3월 25일 | | [지연 시간 감소](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-optimize-performance.html) | 이제 에이전트에 단일 지식 기반이 있는 더 간단한 사용 사례를 위해 지연 시간을 최적화할 수 있습니다. | 2024년 3월 20일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude 3 Haiku를 사용할 수 있습니다. | 2024년 3월 13일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Anthropic Claude 3 Sonnet를 사용할 수 있습니다. | 2024년 3월 4일 | | [새 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html) | 이제 Amazon Bedrock에서 Mistral AI 모델을 사용할 수 있습니다. | 2024년 3월 1일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-test.html) | 이제 필터링 가능한 텍스트 필드가 포함된 Amazon OpenSearch Serverless 벡터 저장소용 지식 기반에서 검색 전략을 사용자 지정할 수 있습니다. | 2024년 2월 28일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-image-models.html) | 이제 Amazon Bedrock Titan Image Generator에서 워터마크가 있는 이미지를 감지할 수 있습니다. | 2024년 2월 14일 | | [업데이트된 AWS PrivateLink 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/usingVPC.html) | 이제 AWS PrivateLink 를 사용하여 [Amazon Bedrock Agents Build-time 서비스에](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_Operations_Agents_for_Amazon_Bedrock.html) 대한 인터페이스 VPC 엔드포인트를 생성할 수 있습니다. | 2024년 2월 9일 | | [IAM 역할 업데이트](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-permissions.html) | 이제 지식 기반에서 동일한 서비스 역할을 사용하고 사전 정의된 접두사 없이 역할을 사용할 수 있습니다. | 2024년 2월 9일 | | [레거시 상태의 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html) | 이제 Stable Diffusion XL v0.8이 레거시 상태입니다. 2024년 4월 30일 이전에 Stable Diffusion XL v1.x로 마이그레이션하세요. | 2024년 2월 2일 | | [코드 예제 챕터 추가](https://docs.aws.amazon.com/bedrock/latest/userguide/service_code_examples.html) | 이제 Amazon Bedrock 가이드에서 다양한 Amazon Bedrock 작업 및 시나리오의 코드 예제를 참고할 수 있습니다. | 2024년 1월 25일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-create.html) | 이제 Amazon Bedrock 지식 기반은 콘솔에서 Amazon OpenSearch Serverless 벡터 저장소의 빠른 생성을 선택할 때 프로덕션 계정과 비프로덕션 계정 중에서 선택할 수 있는 옵션을 제공합니다. | 2024년 1월 24일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/trace-events.html) | 이제 Amazon Bedrock Agents에서 콘솔의 테스트 창을 사용하면 실시간으로 추적을 볼 수 있습니다. | 2024년 1월 18일 | | [Amazon Bedrock 지식 기반에 데이터 소스를 임베딩하기 위한 추가 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-supported.html) | 이제 Amazon Bedrock 지식 기반에서 Cohere Embed English 및 Cohere Embed Multilingual을 사용하여 데이터 소스를 임베딩할 수 있습니다. | 2024년 1월 17일 | | [Amazon Bedrock Agents 및 Amazon Bedrock의 지식 기반 쿼리에 대한 추가 모델 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/agents-supported.html) | 이제 Amazon Bedrock Agents 및 Amazon Bedrock 지식 기반 응답 생성이 Anthropic Claude 2.1을 지원합니다. | 2023년 12월 27일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-service.html#bedrock-regions) | 이제 AWS GovCloud(미국 서부)(us-gov-west-1)에서 Amazon Bedrock을 사용할 수 있습니다. 엔드포인트에 대한 내용은 [Amazon Bedrock 엔드포인트 및 할당량](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)을 참조하세요. | 2023년 12월 21일 | | [새로운 벡터 저장소 지원](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup-rds.html) | 이제 Amazon Aurora 데이터베이스 클러스터에서 지식 기반을 생성할 수 있습니다. 자세한 내용은 [Amazon Aurora에서 벡터 저장소 생성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-setup-rds.html)을 참조하세요. | 2023년 12월 21일 | | [새 관리형 정책](https://docs.aws.amazon.com/bedrock/latest/userguide/security-iam-awsmanpol.html) | Amazon Bedrock은 사용자가 리소스를 생성, 읽기, 업데이트 및 삭제할 수 있는 권한을 `AmazonBedrockFullAccess`에 부여하고 사용자가 모든 작업을 읽기 전용으로 확인할 수 있는 권한을 `AmazonBedrockReadOnly`에 부여합니다. | 2023년 12월 12일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/model-evaluation.html) | Amazon Bedrock은 이제 작업자 또는 자동 지표를 사용하여 모델 평가 작업을 생성할 수 있도록 지원합니다. | 2023년 11월 29일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html) | 이제 [모델 버전](https://docs.aws.amazon.com/bedrock/latest/userguide/model-lifecycle.html)을 모니터링하고 사용자 지정할 수 있습니다. | 2023년 11월 29일 | | [새 Titan 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-models.html) | Titan의 새 모델에는 Amazon Titan Image Generator G1 V1 및 Amazon Titan Multimodal Embeddings G1이 포함됩니다. 자세한 내용은 [Titan 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-models.html)을 참조하세요. | 2023년 11월 29일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models.html) | 지속적인 사전 훈련을 통해 모델에게 새로운 도메인 지식을 가르칠 수 있습니다. 자세한 내용은 [사용자 지정 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models-reference.html)을 참조하세요. | 2023년 11월 28일 | | [새로운 특성](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-api-query.html) | 이제 [Retrieve](https://docs.aws.amazon.com/lexv2/latest/APIReference/API_agent-runtime_Retrieve.html) 및 [RetrieveAndGenerate](https://docs.aws.amazon.com/lexv2/latest/APIReference/API_agent-runtime_RetrieveAndGenerate.html) API를 통해 지식 기반을 쿼리할 수 있습니다. 자세한 내용은 [지식 기반 쿼리](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base-api-query.html)를 참조하세요. | 2023년 11월 28일 | | [일반 릴리스](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) | Amazon Bedrock 지식 기반 서비스에 대한 일반 릴리스. 자세한 내용은 [Amazon Bedrock Knowledge Bases](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html)를 참조하세요. | 2023년 11월 28일 | | [일반 릴리스](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html) | Amazon Bedrock Agents 서비스의 일반 릴리스. 자세한 내용은 [Amazon Bedrock Agents](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html)를 참조하세요. | 2023년 11월 28일 | | [더 많은 모델 사용자 지정](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models.html) | 이제 Cohere와 Meta에서 모델을 사용자 지정할 수 있습니다. 자세한 내용은 [사용자 지정 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/custom-models-reference.html)을 참조하세요. | 2023년 11월 28일 | | [새 모델 릴리스](#doc-history) | 설명서가 업데이트되어 새로운 Meta 및 Cohere 모델에 대해 다룹니다. 자세한 내용은 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)을 참조하세요. | 2023년 11월 13일 | | [문서 현지화](#doc-history) | 이제 Amazon Bedrock 설명서가 [일본어](https://docs.aws.amazon.com/ja_jp/bedrock/latest/userguide/what-is-bedrock.html)와 [독일어](https://docs.aws.amazon.com/de_de/bedrock/latest/userguide/what-is-bedrock.html)로 제공됩니다. | 2023년 10월 20일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-service.html#bedrock-regions) | 이제 유럽(프랑크푸르트)(eu-central-1)에서 Amazon Bedrock을 사용할 수 있습니다. 엔드포인트에 대한 내용은 [Amazon Bedrock 엔드포인트 및 할당량](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)을 참조하세요. | 2023년 10월 19일 | | [리전 확장](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html#bedrock-regions) | 이제 아시아 태평양(도쿄)(ap-northeast-1)에서 Amazon Bedrock을 사용할 수 있습니다. 엔드포인트에 대한 내용은 [Amazon Bedrock 엔드포인트 및 할당량](https://docs.aws.amazon.com/general/latest/gr/bedrock.html)을 참조하세요. | 2023년 10월 3일 | | [제한적 일반 릴리스](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) | Amazon Bedrock 서비스의 제한된 일반 릴리스입니다. 자세한 내용은 [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html)을 참조하세요. | 2023년 9월 28일 |