Executar exemplos de código do Gerenciamento de Prompts

Execute o seguinte trecho de código para carregar o AWS SDK para Python (Boto3), criar um cliente e criar um prompt que crie uma playlist de música usando duas variáveis (genre e number) fazendo uma solicitação CreatePrompt com um endpoint de tempo de compilação do Agentes para Amazon Bedrock:

# Create a prompt in Prompt management
import boto3

# Create an Amazon Bedrock Agents client
client = boto3.client(service_name="bedrock-agent")

# Create the prompt
response = client.create_prompt(
    name="MakePlaylist",
    description="My first prompt.",
    variants=[
        { 
            "name": "Variant1",
            "modelId": "amazon.titan-text-express-v1",
            "templateType": "TEXT",
            "inferenceConfiguration": {
                "text": {
                    "temperature": 0.8
                }
            },
            "templateConfiguration": { 
                "text": {
                    "text": "Make me a {{genre}} playlist consisting of the following number of songs: {{number}}."
                }
            }
      }
    ]
)
                        
prompt_id = response.get("id")

Execute o seguinte trecho de código para ver o prompt que você acabou de criar (bem como qualquer outro prompt em sua conta) para fazer uma solicitação ListPrompts com um endpoint de tempo de compilação do Agentes para Amazon Bedrock:

# List prompts that you've created
client.list_prompts()

Você deve ver o ID do prompt que criou no campo id no objeto no campo promptSummaries. Execute o seguinte trecho de código para mostrar as informações do prompt que criou fazendo uma solicitação GetPrompt com um endpoint de tempo de compilação do Agentes para Amazon Bedrock:

# Get information about the prompt that you created
client.get_prompt(promptIdentifier=prompt_id)

Crie uma versão do prompt e obtenha seu ID executando o seguinte trecho de código para fazer uma solicitação CreatePromptVersion com um endpoint de tempo de compilação do Agentes para Amazon Bedrock:

# Create a version of the prompt that you created
response = client.create_prompt_version(promptIdentifier=prompt_id)
                        
prompt_version = response.get("version")
prompt_version_arn = response.get("arn")

Visualize informações sobre a versão do prompt que você acabou de criar, bem como informações sobre a versão de rascunho, executando o seguinte trecho de código para fazer uma solicitação ListPrompts com um endpoint de tempo de compilação do Agentes para Amazon Bedrock:

# List versions of the prompt that you just created
client.list_prompts(promptIdentifier=prompt_id)

Visualize as informações da versão do prompt que acabou de criar executando um trecho de código para fazer uma solicitação GetPrompt com um endpoint de tempo de compilação do Agentes para Amazon Bedrock:

# Get information about the prompt version that you created
client.get_prompt(
    promptIdentifier=prompt_id, 
    promptVersion=prompt_version
)

Teste o prompt adicionando-o a um fluxo de acordo com as etapas em Executar exemplos de código do recurso Fluxos do Amazon Bedrock. Na primeira etapa, ao criar o fluxo, execute o seguinte trecho de código para usar o prompt que você criou, em vez de definir um prompt em linha no fluxo (substitua o ARN da versão do prompt no campo promptARN pelo ARN da versão do prompt que criou):

# Import Python SDK and create client
import boto3

client = boto3.client(service_name='bedrock-agent')

FLOWS_SERVICE_ROLE = "arn:aws:iam::123456789012:role/MyPromptFlowsRole" # Flows service role that you created. For more information, see https://docs.aws.amazon.com/bedrock/latest/userguide/flows-permissions.html
PROMPT_ARN = prompt_version_arn # ARN of the prompt that you created, retrieved programatically during creation.

# Define each node

# The input node validates that the content of the InvokeFlow request is a JSON object.
input_node = {
    "type": "Input",
    "name": "FlowInput",
    "outputs": [
        {
            "name": "document",
            "type": "Object"
        }
    ]
}

# This prompt node contains a prompt that you defined in Prompt management.
# It validates that the input is a JSON object that minimally contains the fields "genre" and "number", which it will map to the prompt variables.
# The output must be named "modelCompletion" and be of the type "String".
prompt_node = {
    "type": "Prompt",
    "name": "MakePlaylist",
    "configuration": {
        "prompt": {
            "sourceConfiguration": {
                "resource": {
                    "promptArn": ""
                }
            }
        }
    },
    "inputs": [
        {
            "name": "genre",
            "type": "String",
            "expression": "$.data.genre"
        },
        {
            "name": "number",
            "type": "Number",
            "expression": "$.data.number"
        }
    ],
    "outputs": [
        {
            "name": "modelCompletion",
            "type": "String"
        }
    ]
}

# The output node validates that the output from the last node is a string and returns it as is. The name must be "document".
output_node = {
    "type": "Output",
    "name": "FlowOutput",
    "inputs": [
        {
            "name": "document",
            "type": "String",
            "expression": "$.data"
        }
    ]
}

# Create connections between the nodes
connections = []

#   First, create connections between the output of the flow input node and each input of the prompt node
for input in prompt_node["inputs"]:
    connections.append(
        {
            "name": "_".join([input_node["name"], prompt_node["name"], input["name"]]),
            "source": input_node["name"],
            "target": prompt_node["name"],
            "type": "Data",
            "configuration": {
                "data": {
                    "sourceOutput": input_node["outputs"][0]["name"],
                    "targetInput": input["name"]
                }
            }
        }
    )

# Then, create a connection between the output of the prompt node and the input of the flow output node
connections.append(
    {
        "name": "_".join([prompt_node["name"], output_node["name"]]),
        "source": prompt_node["name"],
        "target": output_node["name"],
        "type": "Data",
        "configuration": {
            "data": {
                "sourceOutput": prompt_node["outputs"][0]["name"],
                "targetInput": output_node["inputs"][0]["name"]
            }
        }
    }
)

# Create the flow from the nodes and connections
client.create_flow(
    name="FlowCreatePlaylist",
    description="A flow that creates a playlist given a genre and number of songs to include in the playlist.",
    executionRoleArn=FLOWS_SERVICE_ROLE,
    definition={
        "nodes": [input_node, prompt_node, output_node],
        "connections": connections
    }
)

Exclua a versão do prompt que acabou de criar executando o seguinte trecho de código para fazer uma solicitação DeletePrompt com um endpoint de tempo de compilação do Agentes para Amazon Bedrock:

# Delete the prompt version that you created
client.delete_prompt(
    promptIdentifier=prompt_id, 
    promptVersion=prompt_version
)

Exclua completamente o prompt que acabou de criar executando o seguinte trecho de código para fazer uma solicitação DeletePrompt com um endpoint de tempo de compilação do Agentes para Amazon Bedrock:

# Delete the prompt that you created
client.delete_prompt(
    promptIdentifier=prompt_id
)