Quickstart

Um Ihre erste Inferenzanforderung auszuführen

1. Eröffnen Sie ein AWS Konto.

   Wenn Sie bereits einen haben AWS-Konto, überspringen Sie diesen Schritt.

2. Generieren Sie einen kurzfristigen API-Schlüssel zur Authentifizierung Ihrer Anfragen an Amazon Bedrock, indem Sie den Amazon Bedrock-Service in der AWS Management Console öffnen.

   Das vollständige Verfahren finden Sie im Abschnitt. API-Schlüssel

   Verwenden Sie für Produktionsanwendungen IAM-Rollen oder temporäre Anmeldeinformationen.

3. Installieren Sie das entsprechende SDK für die APIs, die Sie verwenden möchten. Python muss bereits installiert sein.

   Anmerkung

   Für die API-Schlüsselauthentifizierung über die AWS_BEARER_TOKEN_BEDROCK Umgebungsvariable ist boto3 Version 1.39.0 oder höher erforderlich. Frühere Versionen ignorieren die Variable und schlagen mit fehl. Unable to locate credentials Wenn Sie es bereits boto3 installiert haben, führen Sie es aus, pip install --upgrade boto3 um sicherzustellen, dass Sie eine unterstützte Version verwenden.

   Messages API

   pip install anthropic aws-bedrock-token-generator

   Responses/Chat Completions API

   pip install boto3 openai

   Invoke/Converse API

   pip install boto3

4. Legen Sie in der Terminalsitzung, in der Sie Ihren Code ausführen, die folgenden Umgebungsvariablen fest, um den API-Schlüssel für die Authentifizierung zu verwenden.

   Messages API

   # macOS/Linux
   export AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   export ANTHROPIC_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/anthropic"
   
   # Windows (PowerShell)
   $env:AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   $env:ANTHROPIC_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/anthropic"

   Responses/Chat Completions API

   # macOS/Linux
   export OPENAI_API_KEY="<provide your Bedrock API key>"
   export OPENAI_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/openai/v1"
   
   # Windows (PowerShell)
   $env:OPENAI_API_KEY="<provide your Bedrock API key>"
   $env:OPENAI_BASE_URL="https://bedrock-runtime.<your-region>.amazonaws.com/openai/v1"

   Invoke/Converse API

   # macOS/Linux
   export AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"
   
   # Windows (PowerShell)
   $env:AWS_BEARER_TOKEN_BEDROCK="<provide your Bedrock API key>"

5. Wählen Sie ein Modell und führen Sie Ihre erste Inferenzanforderung aus.

   1. Wählen Sie ein Modell aus. Amazon Bedrock unterstützt mehr als 100 Foundation-Modelle.

      Anmerkung

      Die OpenAI-compatible Beispiele verwenden ein globales System-Inferenzprofil. Wenn Sie Anforderungen an die Datenresidenz haben, wählen Sie stattdessen ein unterstütztes geografisches Inferenzprofil aus der Modellkarte aus.

   2. Verwenden Sie den folgenden Python-Code, um Ihre erste Inferenzanforderung auszuführen.

      Messages API

      from anthropic import Anthropic
      from aws_bedrock_token_generator import provide_token
      
      token = provide_token(region="us-east-1")
      
      client = Anthropic(api_key=token)
      
      response = client.messages.create(
          model="global.anthropic.claude-opus-5",
          max_tokens=1024,
          messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
      )
      print(response)

      Responses API

      from openai import OpenAI
      
      client = OpenAI()
      
      response = client.responses.create(
          model="global.openai.gpt-5.6-sol",
          input="Can you explain the features of Amazon Bedrock?"
          )
      print(response)

      Chat Completions API

      from openai import OpenAI
      
      client = OpenAI()
      
      response = client.chat.completions.create(
          model="global.openai.gpt-5.6-sol",
          messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
          )
      print(response)

      Converse API

      import boto3
      
      client = boto3.client('bedrock-runtime', region_name='us-east-1')
      response = client.converse(
          modelId='global.anthropic.claude-opus-5',
          messages=[
              {
                  'role': 'user',
                  'content': [{'text': 'Can you explain the features of Amazon Bedrock?'}]
              }
          ]
      )
      print(response)

      Invoke API

      import json
      import boto3
      
      client = boto3.client('bedrock-runtime', region_name='us-east-1')
      response = client.invoke_model(
          modelId='global.anthropic.claude-opus-5',
          body=json.dumps({
                  'anthropic_version': 'bedrock-2023-05-31',
                  'messages': [{ 'role': 'user', 'content': 'Can you explain the features of Amazon Bedrock?'}],
                  'max_tokens': 1024
          })
      )
      print(json.loads(response['body'].read()))

   3. Speichern Sie die Datei als bedrock-first-request.py.

   4. Führen Sie den Code mit dem folgenden Befehl aus:

      python3 bedrock-first-request.py

      Sie sollten die Ausgabe Ihrer Inferenzanforderung sehen.