Richiama un agente in linea

Nota

La configurazione e il richiamo di una funzionalità di agente in linea sono disponibili in anteprima per Amazon Bedrock e sono soggette a modifiche.

Prima di richiamare il tuo agente in linea, assicurati di aver completato i prerequisiti.

Per richiamare un agente in linea, invia una richiesta InvokeInlineAgentAPI con un endpoint di runtime Agents for Amazon Bedrock e includi almeno i seguenti campi.

Campo	Caso d'uso
istruzione	Fornisci istruzioni che indicano all'agente in linea cosa deve fare e come deve interagire con gli utenti.
Modello di base	Specificate un modello di base da utilizzare per l'orchestrazione da parte dell'agente in linea che create. Ad esempio, anthropic claude, meta Llama3.1, ecc.
sessionId	Un identificatore univoco della sessione. Utilizza lo stesso valore per tutte le richieste per continuare la stessa conversazione.

I seguenti campi sono facoltativi:

Campo	Caso d'uso
Gruppi di azioni	Elenco dei gruppi di azione con ogni gruppo di azione che definisce le azioni che l'agente in linea può eseguire.
Basi di conoscenza	Associazioni della knowledge base con l'agente in linea per aumentare la risposta generata dal modello.
Configurazione Guardrail	Configurazioni Guardrail per bloccare argomenti, prevenire allucinazioni e implementare protezioni per l'applicazione.
Collaborazione tra agenti	Definisce in che modo l'agente collaboratore gestisce le informazioni tra più agenti collaboratori per coordinare una risposta finale. L'agente collaboratore può anche essere il supervisore.
Configurazioni del collaboratore	Configurazioni per l'agente collaboratore.
collaboratori	Elenco degli agenti collaboratori.
promptOverrideConfiguration	Configurazioni per i prompt avanzati utilizzati per sovrascrivere i prompt predefiniti.
EnableTrace	Specificate se attivare o meno la traccia per tracciare il processo di ragionamento dell'agente in linea.
Secondi di sessione di inattività TTLIn	Specificate la durata dopo la quale l'agente in linea deve terminare la sessione ed eliminare tutte le informazioni memorizzate.
customerEncryptionKeyArn	Specificare l'ARN di una chiave KMS per crittografare le risorse dell'agente,
Termina sessione	Specificare se terminare o meno la sessione con l'agente in linea.
inlineSessionState	Parametri che specificano i vari attributi di una sessione.
Testo di input	Specificare il testo del prompt da inviare all'agente.
reasoning_config	Abilitare il ragionamento del modello in modo che il modello spieghi come ha raggiunto le sue conclusioni. Utilizzare all'interno di un additionalModelRequestFields campo. È necessario specificare il numero di budget_tokens quelli utilizzati per il ragionamento dei modelli, che sono un sottoinsieme dei token di output. Per ulteriori informazioni, consulta Migliora le risposte del modello con il ragionamento del modello.

Il seguente esempio di InvokeInlineAgent API fornisce configurazioni complete degli agenti in linea, tra cui il modello di base, le istruzioni, i gruppi di azioni con interprete di codice, guardrail e knowledge base.

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 = {...},
    }
  }

È possibile includere i parametri di ragionamento del modello nella richiesta. Di seguito è riportato un esempio di un singolo prompt che attiva il ragionamento del modello in. additionalModelRequestFields

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