amazon bedrock agents outfit assistant
1.0.0
Source : Titan Image Generator G1 – « illustration de différentes conditions météorologiques et tenues »
Remarque : La démo nécessite que vous disposiez d'un compte avec OpenWeatherMap et d'une clé API pour accéder au service Météo. Ce service est disponible sur le forfait gratuit OpenWeatherMap. Veuillez examiner toutes les conditions de licence applicables au service avec votre équipe juridique et confirmer que votre cas d'utilisation est conforme aux conditions avant de continuer.
Ce référentiel contient le code d'une démo des agents Amazon Bedrock.
Dans cette démo, vous déployerez un agent capable de vous aider à sélectionner la tenue idéale selon votre emplacement.
Dans un déploiement standard, un Large Language Model (LLM) ne peut faire référence qu'aux « connaissances » qu'il a acquises au cours de la formation. Ainsi, lorsqu’il est invité à générer des informations à jour telles que la date et l’heure actuelles ou à obtenir les conditions météorologiques, le modèle n’a d’autre choix que d’halluciner.
Dans cette démo, vous utiliserez les agents Amazon Bedrock pour créer une solution permettant à un LLM d'exploiter des informations en temps réel, notamment la date, l'heure et les informations météorologiques. La solution utilisera ces informations pour faire des suggestions sur la tenue à porter.
Cette architecture pourrait être facilement étendue pour fonctionner avec n'importe quel nombre d'API ou de sources de données. Si vous parvenez à vous connecter à vos données à partir d'une fonction Amazon Lambda, elles peuvent être utilisées avec les agents Amazon Bedrock.
Il s'agit d'un projet SAM. Pour démarrer avec SAM, cliquez ici.
Déployez ce projet à l'aide de la CLI SAM :
> sam build
> sam deploy --guided
Des informations vous seront demandées au fur et à mesure du déploiement du projet :
anthropic.claude-v2:1 Veuillez vous assurer que vous avez activé l'accès à ce modèle dans la région dans laquelle vous effectuez le déploiement.)Agents dans le menu de gauche.OutfitAssistantAgent .Si vous êtes satisfait des performances de l'agent, vous pouvez le déployer et y accéder via votre propre application.
Create Alias , entrez un nom et une description pour indiquer clairement à quel moment de son développement il a été déployé, puis sélectionnez Create Alias .Agent overview de la console et de l'ID d'alias qui est affiché dans la section Aliases en bas de la page de la console de l'agent. Notez que ces identifiants sont générés par le service et ne sont pas identiques aux noms que vous avez utilisés../test/agent_test.ipynb . Pour plus d'informations sur l'API Agents for Amazon Bedrock, voir ici : (https://docs.aws.amazon.com/bedrock/latest/userguide/agents-api.html) et pour le SDK AWS Python - Boto3 - voir ici : (https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/bedrock-agent-runtime.html)Pour tester la fonction Lambda sans avoir à appeler l'agent, je vous ai fourni trois fichiers JSON d'événement de test qui peuvent être collés dans la page de configuration des événements de test au sein de la fonction Lambda. Chaque événement de test est formaté tel que l'événement sera envoyé par l'agent :
./tests/lambda_event_location.json./tests/lambda_event_time.json./tests/lambda__event_weather.jsonVoir CONTRIBUTION pour plus d'informations.
Cette bibliothèque est sous licence MIT-0. Voir le fichier LICENCE.
