다음을 사용하여 예제 Amazon Bedrock API 요청을 실행합니다. AWS Command Line Interface

이 섹션에서는 Amazon Bedrock에서 몇 가지 일반적인 작업을 시도하여 권한 및 인증이 제대로 설정되었는지 테스트하는 방법을 안내합니다. 다음 예제를 실행하기 전에 다음 사전 요구 사항을 충족했는지 확인해야 합니다.

사전 조건 

• Amazon Bedrock에 필요한 AWS 계정 권한과 함께 역할에 액세스할 수 있는 권한이 있고 또 있습니다. 그렇지 않으면 의 단계를 따르십시오. 저는 이미 가지고 있습니다. AWS 계정

• Amazon Titan Text G1 - Express모델에 대한 액세스를 요청했습니다. 그렇지 않으면 의 단계를 따르세요Amazon 베드락 기반 모델에 대한 액세스 요청.

• IAM 사용자의 액세스 키를 받고 해당 액세스 키로 프로필을 구성했습니다. 그렇지 않으면 에서 사용 사례에 해당하는 단계를 따르세요. 사용자에게 프로그래밍 방식 액세스 권한을 부여하기 위한 자격 증명 가져오기

생성한 Amazon Bedrock 역할을 사용하여 Amazon Bedrock에 대한 권한 및 액세스 키가 제대로 설정되었는지 테스트하십시오. 이 예제에서는 액세스 키로 기본 프로필을 구성했다고 가정합니다. 유의할 사항:

• 최소한 AWS 액세스 키 ID와 AWS 비밀 액세스 키를 포함하는 프로필을 구성해야 합니다.

• 임시 자격 증명을 사용하는 경우 AWS 세션 토큰도 포함해야 합니다.

Amazon Bedrock이 제공하는 기본 모델을 나열하십시오.

다음 예제는 Amazon Bedrock 엔드포인트를 사용하여 ListFoundationModels작업을 실행합니다. ListFoundationModels해당 지역의 Amazon Bedrock에서 사용할 수 있는 기초 모델 (FM) 을 나열합니다. 터미널에서 다음 명령을 실행합니다.

aws bedrock list-foundation-models --region us-east-1

명령이 성공하면 Amazon Bedrock에서 사용할 수 있는 기본 모델 목록이 응답으로 반환됩니다.

모델에 텍스트 프롬프트를 제출하고 다음과 같은 텍스트 응답을 생성하십시오. InvokeModel

다음 예제는 Amazon Bedrock 런타임 엔드포인트를 사용하여 InvokeModel작업을 실행합니다. InvokeModel프롬프트를 제출하여 모델 응답을 생성할 수 있습니다. 터미널에서 다음 명령을 실행합니다.

aws bedrock-runtime invoke-model \
--model-id amazon.titan-text-express-v1 \
--body '{"inputText": "Describe the purpose of a \"hello world\" program in one line.", "textGenerationConfig" : {"maxTokenCount": 512, "temperature": 0.5, "topP": 0.9}}' \
--cli-binary-format raw-in-base64-out \
--outfile invoke-model-output-text.txt

명령이 성공하면 모델에서 생성된 응답이 invoke-model-output-text.txt 파일에 기록됩니다. 텍스트 응답이 관련 정보와 함께 outputText 필드에 반환됩니다.

모델에 텍스트 프롬프트를 제출하고 Converse로 텍스트 응답을 생성하십시오.

다음 예제는 Amazon Bedrock 런타임 엔드포인트를 사용하여 컨버스 작업을 실행합니다. Converse프롬프트를 제출하여 모델 응답을 생성할 수 있습니다. 지원되는 InvokeModel 경우 Converse operation over를 사용하는 것이 좋습니다. 이는 Amazon Bedrock 모델 전반에서 추론 요청을 통합하고 멀티턴 대화의 관리를 단순화하기 때문입니다. 터미널에서 다음 명령을 실행합니다.

aws bedrock-runtime converse \
--model-id amazon.titan-text-express-v1 \
--messages '[{"role": "user", "content": [{"text": "Describe the purpose of a \"hello world\" program in one line."}]}]' \
--inference-config '{"maxTokens": 512, "temperature": 0.5, "topP": 0.9}' \
--region us-east-1

명령이 성공하면 모델에서 생성된 응답이 관련 정보와 함께 text 필드에 반환됩니다.