amazon-bedrock

Sobre amazon-bedrock

Conhecimento especializado para a criação de aplicativos de IA generativa no Amazon Bedrock. Abrange a invocação de modelos por meio da API Converse e do InvokeModel, geração aumentada por recuperação com Bases de Conhecimento, Bedrock Agents, segurança de conteúdo com Guardrails e implantação e escalonamento de agentes com o AgentCore. Utilize-o ao invocar modelos, configurar bases de conhecimento, criar agentes, aplicar guardrails, fazer implantação no AgentCore, solucionar erros do Bedrock, como ThrottlingException e AccessDeniedException, ou escolher entre modelos como Claude, Llama, Nova e Titan. Ele também aborda o armazenamento em cache de prompts, verificações de integridade de cotas, acompanhamento de custos, migração de modelos, estratégias de fragmentação e pagamentos do AgentCore, mas não se destina explicitamente ao treinamento de modelos personalizados, ao Rekognition ou ao Comprehend. Como as APIs do Bedrock, os IDs dos modelos e os parâmetros de configuração mudam com frequência, a skill recomenda a leitura de seus arquivos de referência incluídos como fonte primária de informação antes de responder.

Um tema importante é o panorama das APIs do Bedrock, que expõe cinco endpoints distintos cujo uso indevido é uma fonte comum de erros: o bedrock control plane para listar modelos e gerenciar o acesso; o bedrock-runtime para invocar modelos via Converse ou InvokeModel; o bedrock-mantle para APIs compatíveis com a OpenAI (recomendado para novos usuários); e o bedrock-agent e o bedrock-agent-runtime para configuração e invocação de agentes. O AgentCore é um serviço separado com seus próprios pontos de extremidade de plano de controle e de dados. A skill recomenda o servidor AWS MCP para execução em sandbox e registro de auditoria, mas funciona com qualquer agente que tenha acesso à AWS CLI.

Ela destaca avisos críticos e práticas de segurança. O parâmetro `maxTokens` deve sempre ser definido explicitamente, pois deixá-lo sem valor reserva uma cota muito maior do que o necessário e causa limitação inesperada; o mascaramento de PII do Guardrails se aplica apenas às respostas, enquanto o conteúdo não mascarado ainda é registrado no CloudWatch; e são necessárias as versões mais recentes do boto3 e da AWS CLI v2. As orientações de segurança privilegiam funções do IAM em vez de usuários, permissões com escopo definido, o Secrets Manager, a proteção contra “confused deputy” e o tratamento de parâmetros gerados por agentes como entradas não confiáveis. A API Converse é preferível ao InvokeModel para um formato unificado de solicitação/resposta, com tabelas de capacidades e seleção de modelos apontando para arquivos de referência mais detalhados.

Perguntas frequentes

Qual API do Bedrock devo usar para invocar um modelo?

No endpoint bedrock-runtime, a skill recomenda a API Converse em vez do InvokeModel, pois ela oferece um formato unificado de solicitação/resposta para todos os modelos. O InvokeModel é reservado para recursos específicos de provedores, que são raros, e o bedrock-mantle é recomendado para novos trabalhos compatíveis com a OpenAI.

Por que é tão importante definir o `maxTokens` em todas as chamadas?

Deixar o `maxTokens` sem definição faz com que o valor padrão seja o máximo do modelo (por exemplo, 64K para o Claude Sonnet) e reserva silenciosamente uma cota muito maior do que o necessário, o que é uma causa comum de exceções inesperadas do tipo `ThrottlingException`.

Quantos endpoints da API Bedrock existem e para que servem?

Cinco: bedrock (plano de controle), bedrock-runtime (chamar modelos), bedrock-mantle (APIs compatíveis com a OpenAI), bedrock-agent (configurar agentes e bases de conhecimento) e bedrock-agent-runtime (chamar agentes e consultar bases de conhecimento). O AgentCore é um serviço separado com seus próprios endpoints.

O que a skill avisa sobre Guardrails e PII?

O mascaramento de PII do Guardrails se aplica apenas à resposta da API; o conteúdo original não mascarado, incluindo PII, ainda é registrado em texto simples no CloudWatch Logs. Para conformidade com HIPAA/GDPR, recomenda-se criptografar esses registros com o KMS e restringir o acesso.

Essa skill é adequada para treinar modelos personalizados ou usar o Rekognition?

Não. Ela afirma explicitamente que não se destina ao treinamento de modelos personalizados, ao Rekognition ou ao Comprehend. Ela se concentra na invocação de modelos, RAG, agentes, guardrails e AgentCore.

Todos os arquivos