Amazon Bedrock Converse 是一项完全托管的服务，通过 API 提供来自领先 AI 初创公司和 Amazon 的基础模型（FMs）。您可以从各种基础模型中进行选择，以找到最适合您的用例的模型。它为 Bedrock 模型提供了统一的对话接口。 这将帮助您开始使用 ChatBedrockConverse 聊天模型。有关所有 ChatBedrockConverse 功能和配置的详细文档，请查阅 API 参考。

​
概述

​
集成细节

类包名可序列化PY 支持下载量版本
ChatBedrockConverse@langchain/aws✅✅NPM - 下载量NPM - 版本

​
模型特性

有关如何使用特定功能的指南，请参阅下表标题中的链接。
工具调用结构化输出图像输入音频输入视频输入令牌级流式传输令牌用量对数概率
✅✅✅❌❌✅✅❌

​
设置

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 和秘密访问密钥，并安装 @langchain/aws 集成包。

​
凭证

前往 AWS 文档 注册 AWS 并设置您的凭证。您还需要为账户开启模型访问权限，您可以按照这些说明完成操作。 在环境中设置您的 Bedrock 凭证： 
export BEDROCK_AWS_REGION="us-east-1"
export BEDROCK_AWS_ACCESS_KEY_ID="your-access-key-id"
export BEDROCK_AWS_SECRET_ACCESS_KEY="your-secret-access-key"
或者，设置 AWS_BEARER_TOKEN_BEDROCK 用于 API 密钥认证。请参阅 AWS Bedrock API 密钥文档。 如果您希望对模型调用进行自动化追踪，您也可以取消下面注释，设置您的 LangSmith API 密钥： 
# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"

​
安装

LangChain 的 ChatBedrockConverse 集成位于 @langchain/aws 包中： 
npm install @langchain/aws @langchain/core

​
实例化

现在我们可以实例化模型对象并生成聊天补全内容。 有几种不同的方法可以使用 AWS 进行认证——以下示例依赖于环境变量中设置的访问密钥、秘密访问密钥和区域： 
import { ChatBedrockConverse } from "@langchain/aws";

const llm = new ChatBedrockConverse({
  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!,
  },
});

​
调用

const aiMsg = await llm.invoke([
  [
    "system",
    "你是一个有帮助的助手，可以将英语翻译成法语。请翻译用户提供的句子。",
  ],
  ["human", "I love programming."],
])
aiMsg

AIMessage {
  "id": "f5dc5791-224e-4fe5-ba2e-4cc51d9e7795",
  "content": "J'adore la programmation.",
  "additional_kwargs": {},
  "response_metadata": {
    "$metadata": {
      "httpStatusCode": 200,
      "requestId": "f5dc5791-224e-4fe5-ba2e-4cc51d9e7795",
      "attempts": 1,
      "totalRetryDelay": 0
    },
    "metrics": {
      "latencyMs": 584
    },
    "stopReason": "end_turn",
    "usage": {
      "inputTokens": 29,
      "outputTokens": 11,
      "totalTokens": 40
    }
  },
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "input_tokens": 29,
    "output_tokens": 11,
    "total_tokens": 40
  }
}

console.log(aiMsg.content)

J'adore la programmation.

​
工具调用

Bedrock 模型的工具调用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。更多信息请参考 AWS 模型文档。

​
API 参考

有关所有 ChatBedrockConverse 功能和配置的详细文档，请查阅 API 参考。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.