Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Memulai Cepat
<a name="getting-started"></a>

Mulailah dengan Amazon Bedrock dalam hitungan menit. Untuk aplikasi baru, kami merekomendasikan titik [`bedrock-runtime`](endpoints.md) akhir. Langkah-langkah berikut memandu Anda menjalankan permintaan inferensi pertama menggunakan Messages API[, Respon Anthropic-native ](inference-messages-api.md) ses API [ dan API Pen OpenAI-compatible ](bedrock-mantle.md) yelesaian O [ brolan](inference-chat-completions.md), serta API [ Converse ](conversation-inference.md) dan Invoke. [Kirim satu prompt dengan InvokeModel (dipindahkan)](inference-invoke.md) Untuk daftar lengkap API, lihat[Build](build.md). Setelah Anda menyelesaikan langkah-langkah ini, Anda dapat mengirim permintaan inferensi ke model dasar yang didukung.

**Untuk menjalankan permintaan inferensi pertama Anda**

1. Mendaftar untuk [AWS akun](https://portal.aws.amazon.com/billing/signup).

   Jika Anda sudah memilikinya Akun AWS, lewati langkah ini.

1. Buat kunci API jangka pendek untuk mengotentikasi permintaan Anda ke Amazon Bedrock dengan membuka ** layanan **[ Amazon Bedrock di Kon AWS sol Manajemen. ](https://console.aws.amazon.com/bedrock/home#/api-keys/short-term/create)

   Untuk prosedur lengkapnya, lihat [Kunci API](api-keys.md) bagian.

   Untuk aplikasi produksi, gunakan peran [ IAM atau kredenSIAL ](https://docs.aws.amazon.com/IAM/latest/UserGuide/security-creds-programmatic-access.html#security-creds-alternatives-to-long-term-access-keys) sementara. 

1. Instal SDK yang relevan untuk API yang akan Anda gunakan. Python harus sudah diinstal.

------
#### [ Messages API ]

   ```
   pip install anthropic aws-bedrock-token-generator
   ```

------
#### [ Responses/Chat Completions API ]

   ```
   pip install boto3 openai
   ```

------
#### [ Invoke/Converse API ]

   ```
   pip install boto3
   ```

------

1. Tetapkan variabel lingkungan berikut untuk menggunakan kunci API untuk otentikasi.

------
#### [ Messages API ]

   ```
   AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   ANTHROPIC_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/anthropic"
   ```

------
#### [ Responses/Chat Completions API ]

   ```
   OPENAI_API_KEY="<provide your Bedrock API key>"
   OPENAI_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/openai/v1"
   ```

------
#### [ Invoke/Converse API ]

   ```
   AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   ```

------

1. Pilih model dan jalankan permintaan inferensi pertama Anda. 

   1. Pilih model. Amazon Bedrock mendukung [ 100\+ model pondasi. ](models.md) 

   1. Gunakan kode Python berikut untuk menjalankan permintaan inferensi pertama Anda.

------
#### [ Messages API ]

      ```
      from anthropic import Anthropic
      from aws_bedrock_token_generator import provide_token
      
      token = provide_token(region="us-east-1")
      
      client = Anthropic(api_key=token)
      
      response = client.messages.create(
          model="global.anthropic.claude-opus-5",
          max_tokens=1024,
          messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
      )
      print(response)
      ```

------
#### [ Responses API ]

      ```
      from openai import OpenAI
      
      client = OpenAI()
      
      response = client.responses.create(
          model="openai.gpt-5.6-sol",
          input="Can you explain the features of Amazon Bedrock?"
          )
      print(response)
      ```

------
#### [ Chat Completions API ]

      ```
      from openai import OpenAI
      
      client = OpenAI()
      
      response = client.chat.completions.create(
          model="openai.gpt-5.6-sol",
          messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
          )
      print(response)
      ```

------
#### [ Converse API ]

      ```
      import boto3
      
      client = boto3.client('bedrock-runtime', region_name='us-east-1')
      response = client.converse(
          modelId='global.anthropic.claude-opus-5',
          messages=[
              {
                  'role': 'user',
                  'content': [{'text': 'Can you explain the features of Amazon Bedrock?'}]
              }
          ]
      )
      print(response)
      ```

------
#### [ Invoke API ]

      ```
      import json
      import boto3
      
      client = boto3.client('bedrock-runtime', region_name='us-east-1')
      response = client.invoke_model(
          modelId='global.anthropic.claude-opus-5',
          body=json.dumps({
                  'anthropic_version': 'bedrock-2023-05-31',
                  'messages': [{ 'role': 'user', 'content': 'Can you explain the features of Amazon Bedrock?'}],
                  'max_tokens': 1024
          })
       )
       print(json.loads(response['body'].read()))
      ```

------

   1. Simpan file sebagai `bedrock-first-request.py`.

   1. Jalankan kode dengan perintah berikut:

      ```
      python3 bedrock-first-request.py
      ```

      Anda harus melihat output dari permintaan inferensi Anda.

Untuk mempelajari lebih lanjut tentang menggunakan API dan titik akhir lainnya, lihat [Build](build.md) dan[Titik akhir didukung oleh Amazon Bedrock](endpoints.md).

## Langkah selanjutnya
<a name="getting-started-next-steps"></a>

Sekarang setelah Anda menjalankan permintaan pertama Anda, jelajahi sumber daya berikut untuk membangun lebih banyak dengan Amazon Bedrock:
+ [Otomatisasi tugas di aplikasi Anda menggunakan agen AI](agents.md)— Buat agen yang dapat mengatur tugas multi-langkah.
+ [Ambil data dan hasilkan respons AI dengan Pangkalan Pengetahuan Amazon Bedrock](knowledge-base.md)— Hubungkan model dasar ke sumber data Anda.
+ [Sesuaikan model Anda untuk meningkatkan kinerjanya untuk kasus penggunaan Anda](custom-models.md)— Fine-tune model untuk kasus penggunaan Anda.
+ [Mengevaluasi kinerja sumber daya Amazon Bedrock](evaluation.md)— Evaluasi kinerja model untuk beban kerja Anda.