# 실행 역할과 함께 터미널 명령 사용
<a name="code-interpreter-s3-integration"></a>

Amazon S3에서 파일을 업로드/다운로드하는 실행 역할로 사용자 지정 코드 해석기 도구를 생성할 수 있습니다. 이렇게 하면 코드가 S3 버킷과 상호 작용하여 데이터를 저장하고 검색할 수 있습니다.

## 사전 조건
<a name="code-interpreter-s3-prerequisites"></a>

S3 액세스 권한이 있는 사용자 지정 코드 인터프리터를 생성하기 전에 다음을 수행해야 합니다.

1. S3 버킷 생성(예: `DOC-EXAMPLE-BUCKET` )

1. 버킷 내에 폴더 생성(예: `output_artifacts` )

1. 다음 신뢰 정책을 사용하여 IAM 역할을 생성합니다.

   ```
   {
   "Version":"2012-10-17",		 	 	 
     "Statement": [
       {
         "Effect": "Allow",
         "Principal": {
           "Service": "bedrock-agentcore.amazonaws.com"
         },
         "Action": "sts:AssumeRole",
         "Condition": {
           "StringEquals": {
             "aws:SourceAccount": "111122223333"
           }
         }
       }
     ]
   }
   ```

1. 역할에 다음 권한을 추가합니다.

   ```
   {
   "Version":"2012-10-17",		 	 	 
     "Statement": [
       {
         "Sid": "VisualEditor0",
         "Effect": "Allow",
         "Action": [
           "s3:PutObject",
           "s3:GetObject"
         ],
         "Resource": "arn:aws:s3:::DOC-EXAMPLE-BUCKET/*",
         "Condition": {
             "StringEquals": {
                 "s3:ResourceAccount": "${aws:PrincipalAccount}"
             }
         }
       }
     ]
   }
   ```

## 샘플 Python 코드
<a name="code-interpreter-s3-code"></a>

boto3(Python용 SDK)를 사용하여 S3 통합을 구현할 수 있습니다.AWS 다음 예제에서는 boto3를 사용하여 Amazon S3에 파일을 업로드하거나 Amazon S3에서 파일을 다운로드할 수 있는 실행 역할이 있는 사용자 지정 코드 해석기를 생성합니다.

**참고**  
이 코드를 실행하기 전에 `REGION` 및를 AWS 리전 및 AWS 계정 번호로 바꿔야 `<awsaccountid>` 합니다.

```
import boto3
import json
import time

REGION = "<Region>"
CP_ENDPOINT_URL = f"https://bedrock-agentcore-control.{REGION}.amazonaws.com"
DP_ENDPOINT_URL = f"https://bedrock-agentcore.{REGION}.amazonaws.com"

# Update the accountId to reflect the correct S3 path.
S3_BUCKET_NAME = "DOC-EXAMPLE-BUCKET"

bedrock_agentcore_control_client = boto3.client(
    'bedrock-agentcore-control',
    region_name=REGION,
    endpoint_url=CP_ENDPOINT_URL
)
bedrock_agentcore_client = boto3.client(
    'bedrock-agentcore',
    region_name=REGION,
    endpoint_url=DP_ENDPOINT_URL
)

unique_name = f"s3InteractionEnv_{int(time.time())}"
create_response = bedrock_agentcore_control_client.create_code_interpreter(
    name=unique_name,
    description="Combined test code sandbox",
    executionRoleArn="arn:aws:iam::123456789012:role/S3InteractionRole",
    networkConfiguration={
        "networkMode": "SANDBOX"
    }
)
code_interpreter_id = create_response['codeInterpreterId']
print(f"Created custom interpreter ID: {code_interpreter_id}")

session_response = bedrock_agentcore_client.start_code_interpreter_session(
    codeInterpreterIdentifier=code_interpreter_id,
    name="combined-test-session",
    sessionTimeoutSeconds=1800
)
session_id = session_response['sessionId']
print(f"Created session ID: {session_id}")

print(f"Downloading CSV generation script from S3")
command_to_execute = f"aws s3 cp s3://{S3_BUCKET_NAME}/generate_csv.py ."
response = bedrock_agentcore_client.invoke_code_interpreter(
    codeInterpreterIdentifier=code_interpreter_id,
    sessionId=session_id,
    name="executeCommand",
    arguments={
        "command": command_to_execute
    }
)

for event in response["stream"]:
    print(json.dumps(event["result"], default=str, indent=2))

print(f"Executing the CSV generation script")
response = bedrock_agentcore_client.invoke_code_interpreter(
    codeInterpreterIdentifier=code_interpreter_id,
    sessionId=session_id,
    name="executeCommand",
    arguments={
        "command": "python generate_csv.py 5 10"
    }
)

for event in response["stream"]:
    print(json.dumps(event["result"], default=str, indent=2))

print(f"Uploading generated artifact to S3")
command_to_execute = f"aws s3 cp generated_data.csv s3://{S3_BUCKET_NAME}/output_artifacts/"
response = bedrock_agentcore_client.invoke_code_interpreter(
    codeInterpreterIdentifier=code_interpreter_id,
    sessionId=session_id,
    name="executeCommand",
    arguments={
        "command": command_to_execute
    }
)

for event in response["stream"]:
    print(json.dumps(event["result"], default=str, indent=2))

print(f"Stopping the code interpreter session")
stop_response = bedrock_agentcore_client.stop_code_interpreter_session(
    codeInterpreterIdentifier=code_interpreter_id,
    sessionId=session_id
)

print(f"Deleting the code interpreter")
delete_response = bedrock_agentcore_control_client.delete_code_interpreter(
    codeInterpreterId=code_interpreter_id
)
print(f"Code interpreter status from response: {delete_response['status']}")
print(f"Clean up completed, script run successful")
```

이 예제에서는 다음 작업을 하는 방법을 보여줍니다.
+ 실행 역할을 사용하여 사용자 지정 코드 해석기 생성
+ 네트워크 액세스 구성 - 코드 인터프리터를 퍼블릭 인터넷에 연결해야 하는 경우 퍼블릭 모드를 선택합니다. 코드 인터프리터에 Amazon S3로 제한된 액세스 권한이 필요한 경우 SANDBOX 모드를 선택합니다.
+ Code Interpreter 환경과 S3 간에 파일 업로드 및 다운로드
+ Code Interpreter 환경 내에서 명령 및 스크립트 실행
+ 완료되면 리소스 정리