Bedrock Access Gateway 使用教程
2024-09-22 17:04:14作者:贡沫苏Truman
1、项目介绍
Bedrock Access Gateway(BAG)是一个开源项目,旨在提供一个开箱即用、兼容OpenAI的代理功能,帮助用户轻松无缝地从OpenAI迁移到Amazon Bedrock。Amazon Bedrock服务支持一系列领先的基础模型,为客户提供多种选择,满足不同业务场景的需求。通过BAG,用户无需修改现有代码即可使用Amazon Bedrock的多种大型语言模型(LLM)。
2、项目快速启动
以下是快速启动Bedrock Access Gateway的步骤:
步骤 1:创建自定义API密钥(可选)
- 打开AWS管理控制台,导航到系统管理服务。
- 在左侧导航栏中,点击“参数存储”。
- 点击“创建参数”按钮。
- 在“创建参数”窗口中,选择以下选项:
- 名称:输入参数的描述性名称(例如:“BedrockProxyAPIKey”)。
- 描述:可选,提供参数的描述。
- 级别:选择“标准”。
- 类型:选择“SecureString”。
- 值:输入任何无空格的字符串。
- 点击“创建参数”。
- 记录您使用的参数名称(例如:“BedrockProxyAPIKey”),您将在下一步中使用它。
步骤 2:部署CloudFormation堆栈
- 登录AWS管理控制台,切换到要部署CloudFormation堆栈的区域。
- 点击以下按钮以在所选区域启动CloudFormation堆栈:
- 在“指定堆栈详情”页面上,提供以下信息:
- 堆栈名称:如有需要,更改堆栈名称。
- ApiKeyParam(如果您在步骤1中设置了API密钥):输入您用于存储API密钥的参数名称(例如:“BedrockProxyAPIKey”)。 如果您没有设置API密钥,请留空此字段。
- 点击“下一步”。
- 在“配置堆栈选项”页面上,您可以保留默认设置或根据需要自定义。
- 点击“下一步”。
- 在“审阅”页面上,审阅您即将创建的堆栈详情。
- 勾选底部的“我确认AWS CloudFormation可能会创建IAM资源”复选框。
- 点击“创建堆栈”。
一旦部署完成,点击CloudFormation堆栈并转到“输出”选项卡,您可以找到API Base URL。
步骤 3:使用API
部署后,您可以使用以下代码示例来调用API:
export OPENAI_API_KEY=<API key>
export OPENAI_BASE_URL=<API base url>
curl $OPENAI_BASE_URL/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '[ "model": "anthropic_claude-3-sonnet-20240229-v1:0", "messages": [ [ "role": "user", "content": "Hello" ] ] ]'
3、应用案例和最佳实践
应用案例
- 使用Bedrock Access Gateway将现有的OpenAI API调用无缝迁移到Amazon Bedrock。
- 在不直接支持Amazon Bedrock的开源项目或工具中,通过代理使用Amazon Bedrock模型。
最佳实践
- 在部署前,确保您的AWS账户有访问Amazon Bedrock模型的权限。
- 确保在部署过程中提供正确的API密钥和参数。
4、典型生态项目
目前,Bedrock Access Gateway项目作为一个开源解决方案,已经成为Amazon Bedrock生态系统中的一部分,它可以帮助开发者在不同的场景下更加灵活地使用Amazon Bedrock的模型。随着项目的不断发展和社区的贡献,我们可以期待更多基于Bedrock Access Gateway的创新应用出现。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492