Anthropic Quickstarts项目中使用AWS SSO配置Bedrock模型的正确方式
在使用Anthropic Quickstarts项目的computer-use-demo时,许多开发者会遇到AWS SSO认证相关的问题。本文将详细介绍如何正确配置Docker容器以支持AWS SSO认证,确保Bedrock模型能够正常访问。
问题背景
当开发者尝试通过Docker运行Anthropic Quickstarts项目的computer-use-demo时,如果使用AWS SSO进行认证,标准的启动命令可能无法正常工作。这是因为Docker容器默认情况下无法获取完整的SSO会话信息。
解决方案
正确的Docker运行命令需要完整挂载AWS配置目录,以下是经过验证的有效配置:
export AWS_PROFILE=<你的AWS配置文件名>
docker run \
-e API_PROVIDER=bedrock \
-e AWS_PROFILE=$AWS_PROFILE \
-e AWS_REGION=us-west-2 \
-v $HOME/.aws:/home/computeruse/.aws \
-v $HOME/.anthropic:/home/computeruse/.anthropic \
-p 5900:5900 \
-p 8501:8501 \
-p 6080:6080 \
-p 8080:8080 \
-it ghcr.io/anthropics/anthropic-quickstarts:computer-use-demo-latest
关键配置说明
-
AWS配置目录挂载:
-v $HOME/.aws:/home/computeruse/.aws这一行至关重要,它将主机上的整个AWS配置目录映射到容器内部,确保SSO会话信息可被容器访问。 -
环境变量配置:
API_PROVIDER=bedrock:指定使用AWS Bedrock服务AWS_PROFILE:指定要使用的AWS配置文件名AWS_REGION:设置AWS区域(示例中使用us-west-2)
-
端口映射:命令中映射了多个端口(5900,8501,6080,8080),这些是demo应用可能需要的服务端口。
常见问题排查
如果按照上述配置仍然遇到访问问题,开发者需要检查:
-
Bedrock模型访问权限:在AWS控制台中确认已为账户启用所需的Anthropic模型访问权限。Bedrock服务需要单独申请模型访问权限。
-
SSO会话状态:确保本地SSO会话有效且未过期。
-
配置文件完整性:检查
.aws目录下的配置文件是否完整,特别是sso相关配置。
最佳实践建议
-
定期刷新SSO会话令牌,避免因会话过期导致的问题。
-
在开发环境中使用命名卷来管理敏感配置信息,而不是直接挂载主机目录。
-
考虑使用AWS ECS或EKS等容器服务时,使用IAM角色而非SSO认证,以获得更好的安全性和可管理性。
通过以上配置和注意事项,开发者可以顺利在AWS SSO环境下使用Anthropic Quickstarts项目的computer-use-demo,充分利用Bedrock提供的AI模型能力。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust085- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00