Invoque um agente em linha

nota

A configuração e a invocação de um recurso de agente em linha estão na versão prévia do Amazon Bedrock e estão sujeitas a alterações.

Antes de chamar seu agente em linha, verifique se você preencheu os pré-requisitos.

Para invocar um agente em linha, envie uma solicitação de InvokeInlineAgentAPI com um endpoint de tempo de execução do Agents for Amazon Bedrock e inclua minimamente os seguintes campos.

Campo	Caso de uso
instruction	Forneça instruções que digam ao agente embutido o que ele deve fazer e como ele deve interagir com os usuários.
foundationModel	Especifique um modelo básico a ser usado para orquestração pelo agente embutido que você cria. Por exemplo, claude antrópica, meta Llama3.1, etc.
sessionId	Um identificador exclusivo da sessão. Use o mesmo valor em todas as solicitações para continuar a mesma conversa.

Os seguintes campos são opcionais:

Campo	Caso de uso
Grupos de ação	Lista de grupos de ação com cada grupo de ação definindo as ações que o agente embutido pode realizar.
knowledgeBases	Associações da base de conhecimento com o agente em linha para aumentar a resposta gerada pelo modelo.
guardrailConfiguration	Configurações de guardrail para bloquear tópicos, evitar alucinações e implementar proteções para seu aplicativo.
Colaboração de agentes	Define como o agente colaborador lida com as informações de vários agentes colaboradores para coordenar uma resposta final. O agente colaborador também pode ser o supervisor.
Configurações do colaborador	Configurações para agente colaborador.
colaboradores	Lista de agentes colaboradores.
promptOverrideConfiguration	Configurações para solicitações avançadas usadas para substituir as solicitações padrão.
enableTrace	Especifique se deseja ativar ou não o rastreamento do processo de raciocínio do agente em linha.
Segundos da sessão ociosa TTLIn	Especifique a duração após a qual o agente embutido deve encerrar a sessão e excluir todas as informações armazenadas.
customerEncryptionKeyArn	Especifique o ARN de uma chave KMS para criptografar os recursos do agente,
endSession	Especifique se deseja encerrar a sessão com o agente embutido ou não.
inlineSessionState	Parâmetros que especificam os vários atributos de uma sessão.
inputText	Especifique o texto do aviso a ser enviado ao agente.
reasoning_config	Habilitar o raciocínio do modelo para que o modelo explique como chegou às suas conclusões. Use dentro de um additionalModelRequestFields campo. Você deve especificar o número budget_tokens que é usado para o raciocínio do modelo, que são um subconjunto dos tokens de saída. Para obter mais informações, consulte Aprimorar as respostas do modelo com o raciocínio do modelo.

O exemplo de InvokeInlineAgent API a seguir fornece configurações completas de agentes em linha, incluindo o modelo básico, instruções, grupos de ação com interpretador de código, grades de proteção e bases de conhecimento.

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 = {...},
    }
  }

Você pode incluir parâmetros de raciocínio do modelo na solicitação. A seguir está um exemplo de um único prompt que ativa o raciocínio do modelo noadditionalModelRequestFields.

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