As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Usando um assistente de codificação para agilizar seus fluxos de trabalho de aprendizado de máquina

Visão geral do

JupyterLab na Amazon, a SageMaker IA inclui suporte de assistente de codificação integrado por meio do Agent Context Protocol (ACP). Por padrão, o assistente de codificação Kiro é pré-configurado no painel de bate-papo, fornecendo preenchimento de AI-powered código, assistência de depuração e suporte de codificação interativo diretamente em seu ambiente. JupyterLab

Quando você usa assistentes de codificação na Amazon SageMaker AI JupyterLab, o espaço carrega automaticamente as habilidades relevantes de SageMaker IA da Amazon no contexto do seu assistente. Essas habilidades são carregadas do GitHub repositório AWSLabs e fornecem conhecimento especializado sobre SageMaker APIs, fluxos de trabalho de ML, melhores práticas e padrões comuns, permitindo que seu assistente de codificação forneça orientações mais precisas. SageMaker-specific

Além disso, você pode configurar outros assistentes de ACP-compatible codificação de sua escolha, oferecendo flexibilidade para trabalhar com as ferramentas que melhor se adequam ao seu fluxo de trabalho. ACP-compatible os assistentes podem se beneficiar da mesma integração do Amazon SageMaker AI Skills quando usados no Amazon SageMaker AI JupyterLab.

O que é o Agent Context Protocol (ACP)?

O Agent Context Protocol (ACP) é um protocolo aberto que padroniza a comunicação entre editores de código e agentes de codificação de IA. Isso significa que você pode alternar entre diferentes assistentes de codificação sem aprender novas interfaces ou fluxos de trabalho.

Requisitos mínimos

Conceitos básicos

Etapa 1: abrir ou criar um SageMaker espaço com JupyterLab

Etapa 2: Comece a usar o Kiro no painel de bate-papo:

O Kiro exige autenticação antes que você possa usá-lo como seu assistente de codificação. O painel de bate-papo guiará você pelo processo de autenticação.

Observe que na primeira vez que você usar o Kiro em um espaço, ele solicitará que você faça login. Para fazer login, siga as instruções fornecidas pelo chat ou siga aqui:

Selecione uma das 3 opções de login no terminal:

Siga as instruções e as telas da opção selecionada.

Exemplos de solicitações:

Acessando as habilidades de SageMaker IA da Amazon em Kiro

As habilidades de SageMaker IA da Amazon estão disponíveis automaticamente quando você usa o Kiro em SageMaker JupyterLab. Essas habilidades são carregadas do GitHub repositório do AWSLabs e armazenadas nas .agent/skills pastas .kiro/skills e em seu JupyterLab ambiente, tornando-as compatíveis com qualquer agente carregado desses diretórios.

As habilidades podem ser atualizadas, permitindo que você se beneficie das práticas SageMaker recomendadas e dos padrões de API mais recentes à medida que eles evoluem. Para atualizar suas habilidades, você pode extrair as versões mais recentes do repositório do AWSLabs. Você pode executar o seguinte comando para atualizar suas habilidades para uso com o Kiro:

npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent kiro-cli --copy

Para outros agentes, consulte o SageMaker AI Skills README para obter mais informações. Para visualizar as habilidades disponíveis em seu ambiente, navegue até a .kiro/skills pasta no navegador de JupyterLab arquivos.

Como parte dos novos lançamentos de SageMaker Distribuição (SMD), fornecemos versões atualizadas das habilidades. Atualizaremos as habilidades automaticamente, desde que elas não tenham sido modificadas ou excluídas pelo usuário em um espaço. Se você atualizar ou modificar manualmente suas habilidades, use os npx comandos acima para atualizar ou redefinir suas habilidades.

Configurando outros assistentes de codificação com IA JupyterLab

O Amazon SageMaker AI JupyterLab oferece suporte a qualquer assistente de codificação que implemente o Agent Context Protocol (ACP). Exemplos de assistentes que apoiam o ACP incluem:

Para usar um assistente de ACP-compatible codificação diferente:

Observe que, especificamente para o Claude Code, você pode configurá-lo para usar o AWS Bedrock como back-end. Siga os pré-requisitos no guia de código Claude, habilitando especificamente o acesso ao modelo Bedrock e fornecendo à sua função de execução acesso e. bedrock:InvokeModel bedrock:InvokeModelWithResponseStream Em seguida, crie o arquivo a seguir para configurar o Claude Code para usar o Bedrock.

~/.claude/settings.json:

{
  "env": {
    "CLAUDE_CODE_USE_BEDROCK": "1"
  }
}

Alternando entre assistentes

Você pode alternar entre diferentes assistentes de codificação a qualquer momento:

Cada assistente mantém seu próprio contexto de conversação, para que você possa alternar conforme necessário para diferentes tarefas.

Alternando entre perfis Kiro

O Kiro na Amazon SageMaker AI JupyterLab oferece suporte a vários perfis que são otimizados para diferentes fluxos de trabalho e casos de uso. Você pode alternar entre perfis para acessar diferentes conjuntos de recursos e comportamentos adaptados à sua tarefa atual. O Amazon SageMaker AI JupyterLab vem com os seguintes perfis Kiro:

Para alternar entre os perfis do Kiro em: JupyterLab

Recursos adicionais