--- title: "Amazon Bedrock Integration" slug: "amazon-bedrock-integration" updated: 2024-10-21T15:02:40Z published: 2024-10-21T15:02:40Z canonical: "support.tulip.co/amazon-bedrock-integration" --- > ## Documentation Index > Fetch the complete documentation index at: https://support.tulip.co/llms.txt > Use this file to discover all available pages before exploring further. # 아마존 베드락 통합 *다양한 기타 부조종사 옵션을 위한 외부 모델 활성화* ## 목적 이 문서에서는 API 게이트웨이를 통해 사용자 지정 기반 모델과 엔드포인트를 사용하는 방법과 모델을 호출하기 위한 간단한 람다 함수를 안내합니다. ## 상위 수준 아키텍처 다음은 고객 테넌트 사용자 지정 베드락 모델을 사용하기 위한 높은 수준의 아키텍처에 대한 요약입니다.![image.png](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/image%28722%29.png) 예시 아키텍처와 람다 함수(아래 섹션 참조)는 아래와 같은 커넥터 함수에서 활용할 수 있습니다. 참고: OAuth2.0과 같은 다양한 인증 방법을 사용하여 사용되는 API 게이트웨이를 보호할 수 있습니다.![image.png](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/image%28721%29.png) ## 람다 함수 예시 다음은 Amazon Bedrock에서 사용자 지정 모델을 호출하는 람다 함수의 예제 스크립트입니다. 이 스크립트는 사용자 지정 Bedrock 모델에 대한 사용자 지정 추론을 생성하기 위한 시작점으로 사용할 수 있습니다. ``` def lambda\_handler(event, context): print(event) brt = boto3.client(service\_name='bedrock-runtime') event\_dict = json.loads(event['body']) prompt = event\_dict['prompt'] ``` body = json.dumps({"prompt": f"\n\nHuman:"+prompt+" \n\n어시스턴트:","max_tokens_to_sample": 300,"temperature": 0.1,"top_p": 0.9,})modelId = 'anthropic.claude-v2'accept = 'application/json'contentType = 'application/json'response = brt.invoke_model(body=body, modelId=modelId, accept=accept, contentType=contentType)response_body = json.loads(response.get('body').read())completion_output = response_body.get('completion')return {"statusCode": 200,"body": completion_output ``` }``` ## 규모 고려 사항 사용자 정의 모델을 활용하는 대표적인 사례는 AWS의 자체 테넌트에서 Tulip 외부의 학습 데이터가 필요한 경우입니다. 이 데이터에는 공급망 데이터, 조달 데이터 및 핵심 제조를 넘어서는 기타 데이터 소스가 포함될 수 있습니다. 이렇게 하면 Amazon Bedrock에서 사용자 정의 모델을 활용할 수 있는 기회가 생기지만, 사용자 정의 모델 호출, 모델 튜닝 등을 포함한 확장 전략을 수립하는 것이 중요합니다. ## 다음 단계 더 자세히 알아보려면 [*Amazon Well-Architected 프레임워크를*](https://wa.aws.amazon.com/wellarchitected/2020-07-02T19-33-23/index.en.html) 확인하세요. 이는 대규모 모델 호출 및 추론 전략을 위한 최적의 방법을 이해하는 데 유용한 리소스입니다. ```