调用内联代理 - Amazon Bedrock

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

调用内联代理

注意

Amazon Bedrock 的配置和调用内联代理功能目前为预览版，可能会有改变。

在调用内联代理之前，请确保您已满足先决条件。

要调用内联代理，请使用适用于 Amazon Bedrock 的代理运行时终端节点发送 InvokeInlineAgentAPI 请求，并至少包含以下字段。

字段 使用案例
instruction 提供指令，告知内联代理应该做什么以及如何与用户交互。
foundationModel 指定基础模型，以供您创建的内联代理进行编排。例如，anthropic claude、meta Llama3.1 等。
sessionId 会话的唯一标识符。在不同请求中使用相同的值，以继续相同的对话。

以下字段是可选字段：

字段 使用案例
actionGroups 操作组列表，每个操作组定义了内联代理可以执行的操作。
knowledgeBases 知识库与内联代理关联，以增强模型生成的响应。
guardrailConfiguration 护栏配置，用于屏蔽话题、防止出现幻觉并为您的应用程序实施保护措施。
agentCollaboration 定义协作者代理如何处理多个协作者代理之间的信息，以协调最终响应。协作者代理也可以是主管。
collaboratorConfigurations 协作者代理的配置。
collaborators 协作者代理名单。
promptOverrideConfiguration 高级提示配置，用于覆盖默认提示。
enableTrace 指定是否开启追踪，以追踪内联代理的推理过程。
IdleSes TTLIn sion 秒 指定内联代理应当结束会话并删除所有存储信息的持续时间。
customerEncryptionKeyArn 指定用于加密代理资源的 KMS 密钥的 ARN
endSession 指定是否结束与内联代理的会话。
inlineSessionState 用于指定会话的各种属性的参数。
inputText 指定要发送给代理的提示。
reasoning_config 启用模型推理，以便模型解释它是如何得出结论的。在 additionalModelRequestFields 字段内使用。您必须指定用于模型推理的 budget_tokens 数量，这些是输出词元的一个子集。有关更多信息，请参阅使用模型推理增强模型响应。

以下 InvokeInlineAgent API 示例提供了完整的内联代理配置，包括基础模型、指令、包含代码解释器的操作组、护栏和知识库。

response = bedrock_agent_runtime.invoke_inline_agent(
    // Initialization parameters: cannot be changed for a conversation
    sessionId='uniqueSessionId',
    customerEncryptionKeyArn: String,
    
    // Input
    inputText="Hello, can you help me with a task?",
    endSession=False,
    enableTrace=True,
    
    // Agent configurations
    foundationModel='anthropic.claude-3-7-sonnet-20250219-v1:0',
    instruction="You are a helpful assistant...",
    actionGroups=[
        {
            'name': 'CodeInterpreterAction',
            'parentActionGroupSignature': 'AMAZON.CodeInterpreter'
        },
        {
            'actionGroupName': 'FetchDetails',
            'parentActionGroupSignature': '',
            "actionGroupExecutor": { ... },
            "apiSchema": { ... },
            "description": "string",
            "functionSchema": { ... }
        }
    ],
    knowledgeBases=[
        {
            knowledgeBaseId: "string",
            description: 'Use this KB to get all the info',
            retrievalConfiguration: { 
                vectorSearchConfiguration: { 
                    filter: { ... },
                    numberOfResults: number,
                    overrideSearchType: "string"
               }
            }
        }
    ],
    guardrailConfiguration={
        guardrailIdentifier: 'BlockEverything',
        gurardrailVersion: '1.0'
    },
    promptOverrideConfiguration: {...}
    
    // session properties: persisted throughout conversation
    inlineSessionState = {
        sessionAttributes = { 'key': 'value' },
        promptSessionAttributes = {k:v},
        returnControlInvocationResults = {...},
        invocationId = 'abc',
        files = {...},
    }
  }

您可以在请求中包含模型推理参数。以下是在 additionalModelRequestFields 中开启模型推理的单个提示的示例。

{
    "basePromptTemplate": " ... ",
    "inferenceConfiguration": {
        "stopSequences": [
            "</answer>"
        ]
    },
    "parserMode": "DEFAULT",
    "promptCreationMode": "DEFAULT",
    "promptState": "DISABLED",
    "promptType": "ORCHESTRATION",
    "additionalModelRequestFields":
    "reasoning_config": {
        "type": "enabled",
        "budget_tokens": 1024
    }
}