Demonstração do agente Amazon Bedrock

Assistente de roupa

O que devo vestir hoje? Fonte: Titan Image Generator G1 - 'ilustração de diferentes climas e trajes'

Observação: a demonstração depende de você ter uma conta no OpenWeatherMap e uma chave de API para acessar o serviço meteorológico. Este serviço está disponível no plano gratuito OpenWeatherMap. Revise quaisquer termos de licença aplicáveis ao serviço com sua equipe jurídica e confirme se seu caso de uso está em conformidade com os termos antes de continuar.

Introdução

Este repositório contém código para uma demonstração dos Amazon Bedrock Agents.

Nesta demonstração, você implantará um agente capaz de ajudá-lo a selecionar a roupa ideal para sua localização.

Em uma implantação padrão, um Large Language Model (LLM) só pode fazer referência ao “conhecimento” obtido durante o treinamento. Assim, quando solicitado a gerar informações atualizadas, como a data e hora atuais, ou a obter as condições meteorológicas, o modelo não tem outra alternativa senão ter alucinações.

Nesta demonstração, você usará Amazon Bedrock Agents para criar uma solução que permite que um LLM aproveite informações em tempo real, incluindo data, hora e informações meteorológicas. A solução usará essas informações para fazer sugestões de qual roupa usar.

Essa arquitetura pode ser facilmente estendida para funcionar com qualquer número de APIs ou fontes de dados. Se você conseguir se conectar aos seus dados por meio de uma função Amazon Lambda, ela poderá ser usada com agentes Amazon Bedrock.

Assistente de roupa

Implantando

Este é um projeto SAM. Para começar com o SAM, veja aqui.

Implante este projeto usando a CLI do SAM:

 > sam build
> sam deploy --guided

Você será solicitado a fornecer informações à medida que o projeto for implantado:

OpenWeatherAPIKey – Uma chave de API gratuita do OpenWeatherMap
FoundationModel – o ID do modelo de base do Amazon Bedrock a ser usado. (Atualmente, o padrão é anthropic.claude-v2:1 Certifique-se de ter habilitado o acesso a este modelo na região em que está implantando.)

Teste

Depois que o projeto for implantado, você poderá testar o agente no console AWS. Primeiro navegue até Amazon Bedrock no console AWS.
Navegue até Agents no menu à esquerda.
Selecione o agente OutfitAssistantAgent .
Teste o agente com a ferramenta de chat no lado direito do console.
Aqui estão algumas mensagens que você pode experimentar, observe que elas não precisam se limitar à roupa a ser usada:
- “Estou em Brisbane, Austrália, o que devo vestir hoje?”
- "Que horas são?" (Pode perguntar onde você está se esta for a primeira mensagem.)
- "Está chovendo em Oslo?"

Se estiver satisfeito com o desempenho do agente, você pode implantá-lo e acessá-lo por meio de seu próprio aplicativo.

Com o agente selecionado no console, selecione Create Alias , insira um nome e uma descrição para que fique claro em que ponto de seu desenvolvimento ele foi implantado e selecione Create Alias .
Para chamar esse alias de agente a partir de seu próprio código, você precisará do ID do agente mostrado na seção Agent overview do console e do ID do alias mostrado na seção Aliases na parte inferior da página do console do agente. Observe que esses IDs são gerados pelo serviço e não são iguais aos nomes que você usou.
Há um exemplo de código Python para invocar seu agente em um notebook ./test/agent_test.ipynb . Para obter mais informações sobre a API Agents for Amazon Bedrock, veja aqui: (https://docs.aws.amazon.com/bedrock/latest/userguide/agents-api.html) e para o AWS Python SDK - Boto3 - veja aqui: (https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/bedrock-agent-runtime.html)

Testando a função Lambda

Para testar a função Lambda sem precisar invocar o agente, forneci três arquivos JSON de eventos de teste que podem ser colados na página de configuração do evento de teste dentro da função Lambda. Cada evento de teste é formatado conforme o evento será enviado pelo agente: