跳到主要内容

BedrockChat

Amazon Bedrock 是一项完全托管的服务，通过单一 API 提供来自领先 AI 公司（如 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon）的一系列高性能基础模型 (FM)，以及构建生成式 AI 应用程序所需的广泛功能，并具有安全性、隐私性和负责任的 AI。

这将帮助您开始使用 Amazon Bedrock 聊天模型。 有关所有 BedrockChat 功能和配置的详细文档，请访问 API 参考。

提示

更新的 ChatBedrockConverse 聊天模型现在通过专用的 @langchain/aws 集成包提供。 将 工具调用 与此包中的更多模型一起使用。

概述​

集成详情​

类包本地可序列化PY 支持包下载量包最新版本
BedrockChat@langchain/community❌✅✅NPM - DownloadsNPM - Version

模型特性​

请参阅下表标题中的链接，了解有关如何使用特定功能的指南。

工具调用结构化输出JSON 模式图像输入音频输入视频输入令牌级流式传输令牌使用量Logprobs
✅✅❌✅❌❌✅✅❌

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/community 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启用模型访问权限，您可以通过按照这些说明进行操作。

如果您想获取模型调用的自动跟踪，您还可以通过取消注释下方内容来设置您的 LangSmith API 密钥

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

安装​

LangChain BedrockChat 集成位于 @langchain/community 包中。 您还需要安装几个官方 AWS 包作为对等依赖项

提示

请参阅此部分，了解有关安装集成包的通用说明。

yarn add @langchain/community @langchain/core @aws-crypto/sha256-js @aws-sdk/credential-provider-node @smithy/protocol-http @smithy/signature-v4 @smithy/eventstream-codec @smithy/util-utf8 @aws-sdk/types

您还可以在 Web 环境（如 Edge 函数或 Cloudflare Workers）中使用 BedrockChat，方法是省略 @aws-sdk/credential-provider-node 依赖项并使用 Web 入口点

提示

请参阅此部分，了解有关安装集成包的通用说明。

yarn add @langchain/community @langchain/core @aws-crypto/sha256-js @smithy/protocol-http @smithy/signature-v4 @smithy/eventstream-codec @smithy/util-utf8 @aws-sdk/types

实例化​

目前，聊天模型集成仅支持 Anthropic、Cohere 和 Mistral 模型。 对于来自 AI21 或 Amazon 的基础模型，请参阅 文本生成 Bedrock 变体。

有几种不同的方法可以对 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、密钥和区域

import { BedrockChat } from "@langchain/community/chat_models/bedrock";

const llm = new BedrockChat({
  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!,
  },
  // endpointUrl: "custom.amazonaws.com",
  // modelKwargs: {
  //   anthropic_version: "bedrock-2023-05-31",
  // },
});

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 {
  "content": "J'adore la programmation.",
  "additional_kwargs": {
    "id": "msg_bdrk_01RwhfuWkLLcp7ks1X3u8bwd"
  },
  "response_metadata": {
    "type": "message",
    "role": "assistant",
    "model": "claude-3-5-sonnet-20240620",
    "stop_reason": "end_turn",
    "stop_sequence": null,
    "usage": {
      "input_tokens": 29,
      "output_tokens": 11
    }
  },
  "tool_calls": [],
  "invalid_tool_calls": []
}
console.log(aiMsg.content);
J'adore la programmation.

链式调用​

我们可以像这样使用提示模板链接我们的模型

import { ChatPromptTemplate } from "@langchain/core/prompts";

const prompt = ChatPromptTemplate.fromMessages([
  [
    "system",
    "You are a helpful assistant that translates {input_language} to {output_language}.",
  ],
  ["human", "{input}"],
]);

const chain = prompt.pipe(llm);
await chain.invoke({
  input_language: "English",
  output_language: "German",
  input: "I love programming.",
});
AIMessage {
  "content": "Here's the German translation:\n\nIch liebe Programmieren.",
  "additional_kwargs": {
    "id": "msg_bdrk_01RtUH3qrYJPUdutYoxphFkv"
  },
  "response_metadata": {
    "type": "message",
    "role": "assistant",
    "model": "claude-3-5-sonnet-20240620",
    "stop_reason": "end_turn",
    "stop_sequence": null,
    "usage": {
      "input_tokens": 23,
      "output_tokens": 18
    }
  },
  "tool_calls": [],
  "invalid_tool_calls": []
}

工具调用​

使用 Bedrock 模型进行工具调用的方式与其他模型类似，但请注意，并非所有 Bedrock 模型都支持工具调用。 有关更多信息，请参阅 AWS 模型文档。

API 参考​

有关所有 BedrockChat 功能和配置的详细文档，请访问 API 参考： https://api.js.langchain.com/classes/langchain_community_chat_models_bedrock.BedrockChat.html

此页面是否对您有帮助？


您也可以留下详细的反馈 在 GitHub 上.