以编程方式使用文档

Amazon Bedrock Converse 是一项完全托管的服务,可通过 API 访问来自领先 AI 初创公司和亚马逊的基础模型 (FM)。您可以从广泛的 FM 中进行选择,找到最适合您用例的模型。它为 Bedrock 模型提供了统一的对话界面。

这将帮助您开始使用 ChatBedrockConverse 聊天模型。有关所有 ChatBedrockConverse 功能和配置的详细文档,请前往 API 参考.

概述

集成详情

可序列化PY 支持下载量版本
ChatBedrockConverse@langchain/aws!NPM - 下载量!NPM - 版本

模型特性

请参阅下面表格标题中的链接,了解如何使用特定功能。

工具调用结构化输出图片输入音频输入视频输入Token 级流式处理Token 使用量对数概率

设置

要访问 Bedrock 模型,您需要创建一个 AWS 账户,设置 Bedrock API 服务,获取访问密钥 ID 和密钥,并安装 @langchain/aws 集成包。

凭证

请访问 AWS 文档 注册 AWS 并设置您的凭证。您还需要为您的账户开启模型访问权限,可以通过 按照这些说明.

在环境中设置您的 Bedrock 凭证:

或者,设置 AWS_BEARER_TOKEN_BEDROCK 用于 API 密钥认证。请参阅 AWS Bedrock API 密钥文档.

如果您想获取模型调用的自动追踪,还可以设置您的 LangSmith API 密钥,方法是取消下方注释:

# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"

安装

LangChain ChatBedrockConverse 集成位于 @langchain/aws package:

npm install @langchain/aws @langchain/core
yarn add @langchain/aws @langchain/core
pnpm add @langchain/aws @langchain/core

实例化

现在我们可以实例化模型对象并生成聊天补全。

有几种不同的方式可以与 AWS 进行身份验证——以下示例依赖于在您的环境变量中设置的访问密钥、秘密访问密钥和区域:

const llm = new ChatBedrockConverse({
  model: "anthropic.claude-3-5-sonnet-20240620-v1:0",
  region: process.env.BEDROCK_AWS_REGION,
  credentials: {
    accessKeyId: process.env.BEDROCK_AWS_ACCESS_KEY_ID!,
    secretAccessKey: process.env.BEDROCK_AWS_SECRET_ACCESS_KEY!,
  },
});

调用

const aiMsg = await llm.invoke([
  [
    "system",
    "You are a helpful assistant that translates English to French. Translate the user sentence.",
  ],
  ["human", "I love programming."],
])
aiMsg
AIMessage {
  "id": "f5dc5791-224e-4fe5-ba2e-4cc51d9e7795",
  "content": "J'adore la programmation.",
  "additional_kwargs": {},
  "response_metadata": {
    "$metadata": {
      "httpStatusCode": 200,
      "requestId": "f5dc5791-224e-4fe5-ba2e-4cc51d9e7795",
      "attempts": 1,
      "totalRetryDelay": 0
    },
    "metrics": {
      "latencyMs": 584
    },
    "stopReason": "end_turn",
    "usage": {
      "inputTokens": 29,
      "outputTokens": 11,
      "totalTokens": 40
    }
  },
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "input_tokens": 29,
    "output_tokens": 11,
    "total_tokens": 40
  }
}
console.log(aiMsg.content)
J'adore la programmation.

工具调用

使用 Bedrock 模型的工具调用与其他 模型但请注意,并非所有 Bedrock 模型都支持工具调用。请参阅 AWS 模型文档 了解更多详情。

API 参考

有关所有 ChatBedrockConverse 功能和配置的详细文档,请访问 API 参考.