Amazon Bedrock Workshop实战：深入理解Agents调用机制-CSDN博客

本文链接：https://blog.csdn.net/gitblog_01027/article/details/148945072

Amazon Bedrock Workshop实战：深入理解Agents调用机制

引言

在构建基于大语言模型(LLM)的应用程序时，Amazon Bedrock提供的Agents功能是一个强大的工具，它能够将知识库检索、API调用和LLM推理能力无缝集成。本文将通过一个餐厅预订代理的实际案例，深入探讨如何有效调用Amazon Bedrock Agents，并展示其核心功能与最佳实践。

Agents基础概念

Amazon Bedrock Agents由两个主要组件构成：

管理客户端(bedrock-agent)：负责Agent和知识库的创建、更新、删除等管理操作
运行时客户端(bedrock-agent-runtime)：处理Agent的实际调用和知识库检索

本文重点介绍运行时客户端的invoke_agent API，这是与Agent交互的核心接口。

环境准备

在开始调用Agent前，我们需要完成以下准备工作：

import boto3
import logging
import uuid
from datetime import datetime

# 初始化客户端
bedrock_agent_runtime_client = boto3.client('bedrock-agent-runtime')
dynamodb = boto3.resource('dynamodb')

# 配置日志
logging.basicConfig(
    format='[%(asctime)s] p%(process)s {%(filename)s:%(lineno)d} %(levelname)s - %(message)s', 
    level=logging.INFO
)
logger = logging.getLogger(__name__)

Agent调用辅助函数

我们使用一个精心设计的辅助函数invoke_agent_helper来简化Agent调用过程。这个函数支持以下关键功能：

def invoke_agent_helper(query, session_id, agent_id, alias_id, 
                       enable_trace=False, session_state=None):
    """
    参数说明:
    - query: 用户查询文本
    - session_id: 会话标识符，用于维护对话上下文
    - agent_id: Agent的唯一标识
    - alias_id: Agent版本的别名
    - enable_trace: 是否启用执行追踪
    - session_state: 会话状态信息(包含prompt属性等)
    """
    # 实际调用逻辑...

实战案例：餐厅预订Agent

1. 知识库查询

首先测试Agent从知识库中检索儿童菜单信息的能力：

session_id = str(uuid.uuid1())
query = "What is in the childrens menu?"
response = invoke_agent_helper(query, session_id, agent_id, alias_id)
print(response)

关键点：每次调用使用唯一的session_id会创建新的对话上下文。

2. 上下文保持

利用相同的session_id进行后续查询，Agent会自动保持对话上下文：

query = "Which of those options are vegetarian?"
response = invoke_agent_helper(query, session_id, agent_id, alias_id)
print(response)

3. 动作组调用

测试Agent通过API创建预订记录的能力：

query = "Hi, I am Maria. I want to create a booking for 4 people, at 9pm on the 5th of May 2024."
response = invoke_agent_helper(query, session_id, agent_id, alias_id)
print(response)

验证机制：通过查询DynamoDB确认预订记录已正确创建：

table = dynamodb.Table('restaurant_bookings')
response = table.scan()
pd.DataFrame(response['Items'])

4. 会话属性应用

使用promptSessionAttributes传递用户上下文信息：

session_id = str(uuid.uuid1())
query = "I want to create a booking for 2 people, at 8pm on the 6th of May 2024."
session_state = {
    "promptSessionAttributes": {
        "name": "John"
    }
}
response = invoke_agent_helper(query, session_id, agent_id, alias_id, 
                             session_state=session_state)
print(response)

5. 时间上下文处理

结合当前日期处理相对时间查询：

today = datetime.today().strftime('%b-%d-%Y')
query = "I want to create a booking for 2 people, at 8pm tomorrow."
session_state = {
    "promptSessionAttributes": {
        "name": "John",
        "today": today
    }
}
response = invoke_agent_helper(query, session_id, agent_id, alias_id, 
                             session_state=session_state)
print(response)

6. 高级查询能力

展示Agent的推理和知识检索能力：

# 过敏友好建议
query = "I am allergic to shrimps. What can I eat at this restaurant?"
response = invoke_agent_helper(query, str(uuid.uuid1()), agent_id, alias_id)
print(response)

# 儿童饮食建议
query = "What do you have for kids that don't like fries?"
response = invoke_agent_helper(query, str(uuid.uuid1()), agent_id, alias_id)
print(response)

高级功能探索

执行追踪(Trace)

启用追踪功能查看Agent的决策过程：

query = "What are the desserts on the adult menu?"
response = invoke_agent_helper(query, str(uuid.uuid1()), agent_id, alias_id, 
                             enable_trace=True)
print(response)

追踪信息会显示Agent的完整推理链条，包括知识库检索和API调用决策。

多语言支持

Agent原生支持多语言交互，无需额外配置：

# 西班牙语查询
query = "¿Podrías reservar una mesa para dos 25/07/2024 a las 19:30"
session_state = {
    "promptSessionAttributes": {
        "Nombre": "Gabriela"
    }
}
response = invoke_agent_helper(query, str(uuid.uuid1()), agent_id, alias_id,
                             session_state=session_state)
print(response)