Skip to main content

BedrockChat

Amazon Bedrock 是一项完全托管的服务，通过单一的 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon 等领先 AI 公司的高性能基础模型（FMs）选择，并提供广泛的功能，以帮助您在保障安全、隐私和负责任的人工智能前提下构建生成式 AI 应用。

这将帮助您开始使用 Amazon Bedrock 的 聊天模型。如需查看所有 BedrockChat 功能和配置的详细文档，请前往 API 参考。

tip

新的 ChatBedrockConverse 聊天模型现在可通过专用的 @langchain/aws 集成包使用。使用此包可以与更多模型一起进行工具调用。

概述​

集成详情​

类别包本地可序列化Python 支持包下载量最新包
BedrockChat@langchain/community❌✅✅NPM - 下载量NPM - 版本

模型特性​

请参见下表表头中的链接，了解如何使用特定功能。

工具调用结构化输出JSON 模式图像输入音频输入视频输入逐字令牌流令牌使用情况对数概率
✅✅❌✅❌❌✅✅❌

准备工作​

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。

凭证信息​

前往 AWS 文档 注册 AWS 并设置您的凭证。您还需要为账户启用模型访问权限，可以通过 按照这些说明操作 来实现。

如果您希望自动追踪模型调用，您还可以取消以下内容的注释并设置您的 LangSmith API 密钥：

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

安装​

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

:::提示 请参阅安装集成包的一般说明部分。 :::

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（例如 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 请参阅安装集成包的一般说明部分。 :::

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，只有 Anthropic、Cohere 和 Mistral 模型支持与聊天模型的集成。对于来自 AI21 或 Amazon 的基础模型，请参阅 文本生成 Bedrock 变体。

有几种不同的方式可以与 AWS 进行身份验证——以下示例依赖于在环境变量中设置的访问密钥、秘密访问密钥和区域：

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​

我们可以像这样将模型与提示模板进行链式调用：

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工作方式与 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，请参考 AWS 模型文档。

API 参考文档​

如需详细了解所有 BedrockChat 功能和配置，请访问 API 参考文档：https://api.js.langchain.com/classes/langchain_community_chat_models_bedrock.BedrockChat.html

Was this page helpful?


You can also leave detailed feedback on GitHub.