此版本仍在开发中,尚未被视为稳定版本。最新的快照版本请使用 Spring AI 1.0.0-SNAPSHOT! |
基岩版 Converse API
Amazon Bedrock Converse API 为对话式 AI 模型提供了一个统一的接口,具有增强功能,包括函数/工具调用、多模态输入和流式响应。
Bedrock Converse API 具有以下高级功能:
-
工具/函数调用:支持在对话期间使用函数定义和工具
-
多模态输入:能够在对话中处理文本和图像输入
-
流式处理支持:模型响应的实时流式处理
-
系统消息:支持系统级指令和上下文设置
Bedrock Converse API 提供跨多个模型提供商的统一接口,同时处理特定于 AWS 的身份验证和基础设施问题。 |
根据 Bedrock 的建议,Spring AI 正在过渡到使用 Amazon Bedrock 的 Converse API 来实现 Spring AI 中的所有聊天对话。
虽然现有 API 支持对话应用程序,但我们强烈建议采用 Converse API 以获得以下几个主要优势:
Converse API 不支持嵌入操作,因此这些操作将保留在当前 API 中,并且将保留现有 API 中的嵌入模型功能 |
先决条件
请参阅 Amazon Bedrock 入门以设置 API 访问
-
获取AWS凭证:如果您还没有配置AWS账户和AWS CLI,此视频指南可以帮助您配置它:AWS CLI和SDK设置在不到4分钟的时间内,只需不到4分钟)。您应该能够获取您的访问密钥和安全密钥。
-
启用要使用的模型:转到 Amazon Bedrock,然后从左侧的 Model Access(模型访问)菜单中,配置对要使用的模型的访问。
自动配置
将依赖项添加到项目的 Maven 或 Gradle 构建文件中:spring-ai-bedrock-converse-spring-boot-starter
pom.xml
build.gradle
-
Maven
-
Gradle
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bedrock-converse-spring-boot-starter</artifactId>
</dependency>
dependencies {
implementation 'org.springframework.ai:spring-ai-bedrock-converse-spring-boot-starter'
}
请参阅 Dependency Management 部分,将 Spring AI BOM 添加到您的构建文件中。 |
聊天属性
prefix 是用于配置与 AWS Bedrock 的连接的属性前缀。spring.ai.bedrock.aws
财产 | 描述 | 违约 |
---|---|---|
spring.ai.bedrock.aws.region |
要使用的 AWS 区域。 |
us-east-1 (美国东部-1) |
spring.ai.bedrock.aws.timeout |
要使用的 AWS 超时。 |
5 分钟 |
spring.ai.bedrock.aws.access-key |
AWS 访问密钥。 |
- |
spring.ai.bedrock.aws.secret-key |
AWS 密钥。 |
- |
spring.ai.bedrock.aws.session-token |
用于临时凭证的 AWS 会话令牌。 |
- |
prefix 是为 Converse API 配置聊天模型实现的属性 prefix。spring.ai.bedrock.converse.chat
财产 | 描述 | 违约 |
---|---|---|
spring.ai.bedrock.converse.chat.enabled |
启用 Bedrock Converse 聊天模型。 |
真 |
spring.ai.bedrock.converse.chat.options.model |
要使用的模型 ID。您可以使用 Supported models (支持的模型) 和 model (模型) 功能 |
没有。从 AWS Bedrock 控制台中选择您的 modelId。 |
spring.ai.bedrock.converse.chat.options.temperature |
控制输出的随机性。值的范围可以超过 [0.0,1.0] |
0.8 |
spring.ai.bedrock.converse.chat.options.top-p |
采样时要考虑的 token 的最大累积概率。 |
AWS Bedrock 默认 |
spring.ai.bedrock.converse.chat.options.top-k |
用于生成下一个令牌的令牌选项数。 |
AWS Bedrock 默认 |
spring.ai.bedrock.converse.chat.options.max 代币 |
生成的响应中的最大令牌数。 |
500 |
运行时选项
使用便携式或便携式构建器创建模型配置,例如 temperature、maxToken、topP 等。ChatOptions
FunctionCallingOptions
启动时,可以使用 constructor 或 properties 配置默认选项。BedrockConverseProxyChatModel(api, options)
spring.ai.bedrock.converse.chat.options.*
在运行时,您可以通过向调用添加新的、特定于请求的选项来覆盖默认选项:Prompt
var options = FunctionCallingOptions.builder()
.withModel("anthropic.claude-3-5-sonnet-20240620-v1:0")
.withTemperature(0.6)
.withMaxTokens(300)
.withFunctionCallbacks(List.of(FunctionCallback.builder()
.description("Get the weather in location. Return temperature in 36°F or 36°C format. Use multi-turn if needed.")
.function("getCurrentWeather", new WeatherService())
.inputType(WeatherService.Request.class)
.build()))
.build();
ChatResponse response = chatModel.call(new Prompt("What is current weather in Amsterdam?", options));
工具/函数调用
Bedrock Converse API 支持函数调用功能,允许模型在对话期间使用工具。下面是如何定义和使用函数的示例:
@Bean
@Description("Get the weather in location. Return temperature in 36°F or 36°C format.")
public Function<Request, Response> weatherFunction() {
return new MockWeatherService();
}
String response = ChatClient.create(this.chatModel)
.prompt("What's the weather like in Boston?")
.function("weatherFunction")
.call()
.content();
Samples控制器
创建一个新的 Spring Boot 项目并将其添加到您的依赖项中。spring-ai-bedrock-converse-spring-boot-starter
在 下添加文件 :application.properties
src/main/resources
spring.ai.bedrock.aws.region=eu-central-1
spring.ai.bedrock.aws.timeout=10m
spring.ai.bedrock.aws.access-key=${AWS_ACCESS_KEY_ID}
spring.ai.bedrock.aws.secret-key=${AWS_SECRET_ACCESS_KEY}
# session token is only required for temporary credentials
spring.ai.bedrock.aws.session-token=${AWS_SESSION_TOKEN}
spring.ai.bedrock.converse.chat.options.temperature=0.8
spring.ai.bedrock.converse.chat.options.top-k=15
下面是一个使用 chat 模型的示例控制器:
@RestController
public class ChatController {
private final ChatClient chatClient;
@Autowired
public ChatController(ChatClient.Builder builder) {
this.chatClient = builder.build();
}
@GetMapping("/ai/generate")
public Map generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
return Map.of("generation", this.chatClient.prompt(message).call().content());
}
@GetMapping("/ai/generateStream")
public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
return this.chatClient.prompt(message).stream().content();
}
}