amazon-bedrock

À propos amazon-bedrock

Expertise métier pour le développement d’applications d’IA générative sur Amazon Bedrock. Elle couvre l’invocation de modèles via l’API Converse et InvokeModel, la génération augmentée par la recherche avec les bases de connaissances, les agents Bedrock, la sécurité du contenu avec Guardrails, ainsi que le déploiement et la mise à l’échelle des agents avec AgentCore. Utilisez-le pour invoquer des modèles, configurer des bases de connaissances, créer des agents, appliquer des garde-fous, déployer sur AgentCore, résoudre des erreurs Bedrock telles que ThrottlingException et AccessDeniedException, ou choisir parmi des modèles comme Claude, Llama, Nova et Titan. Elle traite également de la mise en cache des invites, des contrôles d’intégrité des quotas, du suivi des coûts, de la migration des modèles, des stratégies de découpage en blocs et des paiements AgentCore, mais elle n’est explicitement pas destinée à l’entraînement de modèles personnalisés, à Rekognition ou à Comprehend. Les API Bedrock, les identifiants de modèles et les paramètres de configuration évoluant fréquemment, la skill insiste pour que ses fichiers de référence intégrés soient consultés en priorité avant toute réponse.

L’un des thèmes principaux est l’environnement des API Bedrock, qui expose cinq points de terminaison distincts dont une mauvaise utilisation est une source courante d’erreurs : le plan de contrôle Bedrock pour répertorier les modèles et gérer les accès ; bedrock-runtime pour invoquer des modèles via Converse ou InvokeModel ; bedrock-mantle pour les API compatibles OpenAI (recommandé pour les nouveaux utilisateurs) ; et bedrock-agent et bedrock-agent-runtime pour la configuration et l’appel des agents. AgentCore est un service distinct doté de ses propres points de terminaison de plan de contrôle et de plan de données. La compétence recommande le serveur AWS MCP pour l’exécution en environnement sandbox et la journalisation d’audit, mais fonctionne avec n’importe quel agent disposant d’un accès à l’AWS CLI.

Elle met en avant les avertissements critiques et les pratiques de sécurité. Le paramètre `maxTokens` doit toujours être défini explicitement, car le laisser non défini réserve un quota bien supérieur aux besoins et entraîne une limitation inattendue ; le masquage des données à caractère personnel (PII) de Guardrails s’applique uniquement aux réponses, tandis que le contenu non masqué est toujours consigné dans CloudWatch ; enfin, les versions récentes de boto3 et d’AWS CLI v2 sont requises. Les recommandations de sécurité privilégient les rôles IAM plutôt que les utilisateurs, les autorisations limitées à un périmètre précis, Secrets Manager, la protection « confused deputy » et le traitement des paramètres générés par l’agent comme des entrées non fiables. L’API Converse est préférée à InvokeModel pour un format de requête/réponse unifié, les tables de capacités et de sélection de modèles renvoyant vers des fichiers de référence plus détaillés.

FAQ

Quelle API Bedrock dois-je utiliser pour appeler un modèle ?

Sur le point de terminaison bedrock-runtime, la skill recommande l’API Converse plutôt qu’InvokeModel, car elle fournit un format de requête/réponse unifié pour tous les modèles. InvokeModel est réservé à de rares fonctionnalités spécifiques à certains fournisseurs, et bedrock-mantle est recommandé pour les nouveaux travaux compatibles avec OpenAI.

Pourquoi insiste-t-on tant sur la nécessité de définir maxTokens à chaque appel ?

Si le paramètre `maxTokens` n’est pas défini, la valeur par défaut correspond au maximum du modèle (par exemple 64K pour Claude Sonnet) et réserve silencieusement un quota bien supérieur aux besoins, ce qui est une cause fréquente d’exceptions `ThrottlingException` inattendues.

Combien y a-t-il de points de terminaison de l’API Bedrock et à quoi servent-ils ?

Cinq : bedrock (plan de contrôle), bedrock-runtime (appel de modèles), bedrock-mantle (API compatibles OpenAI), bedrock-agent (configuration des agents et des bases de connaissances) et bedrock-agent-runtime (appel d’agents et interrogation des bases de connaissances). AgentCore est un service distinct disposant de ses propres points de terminaison.

Quelles sont les mises en garde de la skill concernant les garde-fous et les informations personnelles identifiables (PII) ?

Le masquage des données à caractère personnel (PII) par les garde-fous s’applique uniquement à la réponse de l’API ; le contenu original non masqué, y compris les données à caractère personnel, est toujours consigné en texte clair dans CloudWatch Logs. Pour garantir la conformité HIPAA/RGPD, il est recommandé de chiffrer ces journaux avec KMS et d’en restreindre l’accès.

Cette compétence est-elle adaptée à l’entraînement de modèles personnalisés ou à l’utilisation de Rekognition ?

Non. Il est explicitement indiqué qu’elle n’est pas destinée à l’entraînement de modèles personnalisés, à Rekognition ou à Comprehend. Elle se concentre sur l’invocation de modèles, le RAG, les agents, les garde-fous et AgentCore.

Tous les fichiers