270 lines
10 KiB
Markdown
270 lines
10 KiB
Markdown
[English](./README.md)
|
||
|
||
# Bedrock Access Gateway
|
||
|
||
使用兼容OpenAI的API访问Amazon Bedrock
|
||
|
||
## 重大变更
|
||
|
||
这个方案现在可以**自动检测** Amazon Bedrock 中支持的新模型。
|
||
因此，当 Amazon Bedrock 添加新模型时，您可以立即尝试使用它们，无需等待此代码库的更新。
|
||
|
||
这是通过使用Amazon Bedrock 的 `ListFoundationModels API` 和 `ListInferenceProfiles` API 实现的。由于这一变更，您需要为 Lambda/Fargate 角色添加额外的 IAM 权限。
|
||
|
||
如果您遇到错误："Unsupported model xxx, please use models API to get a list of supported models"（即使Model ID 是正确的），
|
||
请使用Deployment 文件夹中的新模板更新您现有的堆栈(**推荐**），或手动为相关的 Lambda/Fargate 角色添加以下权限。
|
||
|
||
```json
|
||
{
|
||
"Action": [
|
||
"bedrock:ListFoundationModels",
|
||
"bedrock:ListInferenceProfiles"
|
||
],
|
||
"Resource": "*",
|
||
"Effect": "Allow"
|
||
}
|
||
```
|
||
|
||
如果依然有问题，请提个GitHub issue。
|
||
|
||
## 概述
|
||
|
||
Amazon Bedrock提供了广泛的基础模型(如Claude 3 Opus/Sonnet/Haiku、Llama 2/3、Mistral/Mixtral等),以及构建生成式AI应用程序的多种功能。更多详细信息,请查看[Amazon
|
||
Bedrock](https://aws.amazon.com/bedrock)。
|
||
|
||
有时,您可能已经使用OpenAI的API或SDK构建了应用程序,并希望在不修改代码的情况下试用Amazon
|
||
Bedrock的模型。或者,您可能只是希望在AutoGen等工具中评估这些基础模型的功能。 好消息是, 这里提供了一种方便的途径,让您可以使用
|
||
OpenAI 的 API 或 SDK 无缝集成并试用 Amazon Bedrock 的模型,而无需对现有代码进行修改。
|
||
|
||
如果您觉得这个项目有用,请考虑给它点个一个免费的小星星 ⭐。
|
||
|
||
功能列表：
|
||
|
||
- [x] 支持 server-sent events (SSE)的流式响应
|
||
- [x] 支持 Model APIs
|
||
- [x] 支持 Chat Completion APIs
|
||
- [x] 支持 Tool Call (**new**)
|
||
- [x] 支持 Embedding API (**new**)
|
||
- [x] 支持 Multimodal API (**new**)
|
||
- [x] 支持 Cross-Region Inference (**new**)
|
||
|
||
请查看[使用指南](./docs/Usage_CN.md)以获取有关如何使用新API的更多详细信息。
|
||
|
||
> 注意: 默认模型为 `anthropic.claude-3-sonnet-20240229-v1:0`， 可以通过更改Lambda环境变量进行更改。你可以先调用 [Models API](./docs/Usage.md#models-api) 查看支持的详细 model ID 列表。
|
||
|
||
## 使用指南
|
||
|
||
### 前提条件
|
||
|
||
请确保您已满足以下先决条件:
|
||
|
||
- 可以访问Amazon Bedrock基础模型。
|
||
|
||
如果您还没有获得模型访问权限,请参考[配置](https://docs.aws.amazon.com/bedrock/latest/userguide/model-access.html)指南。
|
||
|
||
### 架构图
|
||
|
||
下图展示了本方案的参考架构。请注意,它还包括一个新的**VPC**,其中只有两个公共子网用于应用程序负载均衡器(ALB)。
|
||
|
||
|
||
|
||
您也可以选择在 ALB 后面接 [AWS Fargate](https://aws.amazon.com/fargate/) 而不是 [AWS Lambda](https://aws.amazon.com/lambda/)，主要区别在于流响应的首字节延迟（Fargate更低）。
|
||
|
||
或者,您可以使用 Lambda Function URL 来代替 ALB,请参阅[示例](https://github.com/awslabs/aws-lambda-web-adapter/tree/main/examples/fastapi-response-streaming)
|
||
|
||
### 部署
|
||
|
||
请按以下步骤将Bedrock代理API部署到您的AWS账户中。仅支持Amazon Bedrock可用的区域(如us-west-2)。 部署预计用时**3-5分钟** 🕒。
|
||
|
||
**第一步: 自定义您的API Key (可选)**
|
||
|
||
> 注意:这一步是使用任意字符串（不带空格）创建一个自定义的API Key(凭证),将用于后续访问代理API。此API Key不必与您实际的OpenAI
|
||
> Key一致,您甚至无需拥有OpenAI API Key。建议您执行此步操作并且请确保保管好此API Key。
|
||
|
||
1. 打开AWS管理控制台,导航到Systems Manager服务。
|
||
2. 在左侧导航窗格中,单击"参数存储"。
|
||
3. 单击"创建参数"按钮。
|
||
4. 在"创建参数"窗口中,选择以下选项:
|
||
- 名称:输入参数的描述性名称(例如"BedrockProxyAPIKey")。
|
||
- 描述:可选,为参数提供描述。
|
||
- 层级:选择**标准**。
|
||
- 类型:选择**SecureString**。
|
||
- 值: 随意字符串（不带空格）。
|
||
5. 单击"创建参数"。
|
||
6. 记录您使用的参数名称(例如"BedrockProxyAPIKey")。您将在下一步中需要它。
|
||
|
||
**第二步: 部署CloudFormation堆栈**
|
||
|
||
1. 登录AWS管理控制台,切换到要部署CloudFormation堆栈的区域。
|
||
2. 单击以下按钮在该区域启动CloudFormation堆栈，选择一种方式部署。
|
||
- **ALB + Lambda**
|
||
|
||
[](https://console.aws.amazon.com/cloudformation/home#/stacks/create/template?stackName=BedrockProxyAPI&templateURL=https://aws-gcr-solutions.s3.amazonaws.com/bedrock-access-gateway/latest/BedrockProxy.template)
|
||
- **ALB + Fargate**
|
||
|
||
[](https://console.aws.amazon.com/cloudformation/home#/stacks/create/template?stackName=BedrockProxyAPI&templateURL=https://aws-gcr-solutions.s3.amazonaws.com/bedrock-access-gateway/latest/BedrockProxyFargate.template)
|
||
3. 单击"下一步"。
|
||
4. 在"指定堆栈详细信息"页面,提供以下信息:
|
||
- 堆栈名称: 可以根据需要更改名称。
|
||
- ApiKeyParam(如果在步骤1中设置了API Key):输入您用于存储API密钥的参数名称(例如"BedrockProxyAPIKey")，否则,请将此字段留空。
|
||
单击"下一步"。
|
||
5. 在"配置堆栈选项"页面,您可以保留默认设置或根据需要进行自定义。
|
||
6. 单击"下一步"。
|
||
7. 在"审核"页面,查看您即将创建的堆栈详细信息。勾选底部的"我确认，AWS CloudFormation 可能创建 IAM 资源。"复选框。
|
||
8. 单击"创建堆栈"。
|
||
|
||
仅此而已 🎉 。部署完成后,点击CloudFormation堆栈,进入"输出"选项卡,你可以从"APIBaseUrl"
|
||
中找到API Base URL,它应该类似于`http://xxxx.xxx.elb.amazonaws.com/api/v1` 这样的格式。
|
||
|
||
### SDK/API使用
|
||
|
||
你只需要API Key和API Base URL。如果你没有设置自己的密钥,那么默认将使用API Key `bedrock`。
|
||
|
||
现在,你可以尝试使用代理API了。假设你想测试Claude 3 Sonnet模型,那么使用"anthropic.claude-3-sonnet-20240229-v1:0"作为模型ID。
|
||
|
||
- **API 使用示例**
|
||
|
||
```bash
|
||
export OPENAI_API_KEY=<API key>
|
||
export OPENAI_BASE_URL=<API base url>
|
||
# 旧版本请使用OPENAI_API_BASE
|
||
# https://github.com/openai/openai-python/issues/624
|
||
export OPENAI_API_BASE=<API base url>
|
||
```
|
||
|
||
```bash
|
||
curl $OPENAI_BASE_URL/chat/completions \
|
||
-H "Content-Type: application/json" \
|
||
-H "Authorization: Bearer $OPENAI_API_KEY" \
|
||
-d '{
|
||
"model": "anthropic.claude-3-sonnet-20240229-v1:0",
|
||
"messages": [
|
||
{
|
||
"role": "user",
|
||
"content": "Hello!"
|
||
}
|
||
]
|
||
}'
|
||
```
|
||
|
||
- **SDK 使用示例**
|
||
|
||
```python
|
||
from openai import OpenAI
|
||
|
||
client = OpenAI()
|
||
completion = client.chat.completions.create(
|
||
model="anthropic.claude-3-sonnet-20240229-v1:0",
|
||
messages=[{"role": "user", "content": "Hello!"}],
|
||
)
|
||
|
||
print(completion.choices[0].message.content)
|
||
```
|
||
|
||
请查看[使用指南](./docs/Usage_CN.md)以获取有关如何使用Embedding API、多模态API和Tool Call的更多详细信息。
|
||
|
||
|
||
|
||
## 其他例子
|
||
|
||
### LangChain
|
||
|
||
请确保使用的示`ChatOpenAI(...)` ，而不是`OpenAI(...)`
|
||
|
||
```python
|
||
# pip install langchain-openai
|
||
import os
|
||
|
||
from langchain.chains import LLMChain
|
||
from langchain.prompts import PromptTemplate
|
||
from langchain_openai import ChatOpenAI
|
||
|
||
chat = ChatOpenAI(
|
||
model="anthropic.claude-3-sonnet-20240229-v1:0",
|
||
temperature=0,
|
||
openai_api_key=os.environ['OPENAI_API_KEY'],
|
||
openai_api_base=os.environ['OPENAI_BASE_URL'],
|
||
)
|
||
|
||
template = """Question: {question}
|
||
|
||
Answer: Let's think step by step."""
|
||
|
||
prompt = PromptTemplate.from_template(template)
|
||
llm_chain = LLMChain(prompt=prompt, llm=chat)
|
||
|
||
question = "What NFL team won the Super Bowl in the year Justin Beiber was born?"
|
||
response = llm_chain.invoke(question)
|
||
print(response)
|
||
|
||
```
|
||
|
||
## FAQs
|
||
|
||
### 关于隐私
|
||
|
||
这个方案不会收集您的任何数据。而且,它默认情况下也不会记录任何请求或响应。
|
||
|
||
### 为什么没有使用API Gateway 而是使用了Application Load Balancer?
|
||
|
||
简单的答案是API Gateway不支持 server-sent events (SSE) 用于流式响应。
|
||
|
||
### 支持哪些区域?
|
||
|
||
通常来说，所有Amazon Bedrock支持的区域都支持，如果不支持，请提个Github Issue。
|
||
|
||
注意，并非所有模型都在上面区可用。
|
||
|
||
### 支持哪些模型?
|
||
|
||
你可以通过[Model API](./docs/Usage_CN.md#models-api) 获取（或更新）当前区支持的模型列表。
|
||
|
||
### 我可以构建并使用自己的ECR镜像吗?
|
||
|
||
是的,你可以克隆repo并自行构建容器镜像(src/Dockerfile),然后推送到你自己的ECR仓库。 脚本可以参考`scripts/push-to-ecr.sh`。
|
||
|
||
在部署之前,请在CloudFormation模板中替换镜像仓库URL。
|
||
|
||
### 我可以在本地运行吗?
|
||
|
||
是的,你可以在本地运行, 例如在`src` 文件夹下运行：
|
||
|
||
```bash
|
||
uvicorn api.app:app --host 0.0.0.0 --port 8000
|
||
```
|
||
|
||
那么API Base URL应该类似于`http://localhost:8000/api/v1`
|
||
|
||
### 使用代理API会有任何性能牺牲或延迟增加吗?
|
||
|
||
与 AWS SDK 调用相比,本方案参考架构会在响应上会有额外的延迟,你可以自己部署并测试。
|
||
|
||
另外,你也可以使用 Lambda Web Adapter + Function URL (
|
||
参见 [示例](https://github.com/awslabs/aws-lambda-web-adapter/tree/main/examples/fastapi-response-streaming))来代替 ALB
|
||
或使用 AWS Fargate 来代替 Lambda,以获得更好的流响应性能。
|
||
|
||
### 有计划支持SageMaker模型吗?
|
||
|
||
目前没有支持SageMaker模型的计划。这取决于是否有客户需求。
|
||
|
||
### 有计划支持Bedrock自定义模型吗?
|
||
|
||
不支持微调模型和设置了已预配吞吐量的模型。如有需要,你可以克隆repo并进行自定义。
|
||
|
||
### 如何升级?
|
||
|
||
要使用最新功能,您无需重新部署CloudFormation堆栈。您只需拉取最新的镜像即可。
|
||
|
||
具体操作方式取决于您部署的版本:
|
||
|
||
- **Lambda版本**: 进入AWS Lambda控制台,找到Lambda 函数，然后找到并单击`部署新映像`按钮,然后单击保存。
|
||
- **Fargate版本**: 进入ECS控制台,单击ECS集群,转到`任务`选项卡,选择正在运行的唯一任务,然后点击`停止所选`菜单, ECS会自动启动新任务并且使用最新镜像。
|
||
|
||
## 安全
|
||
|
||
更多信息,请参阅[CONTRIBUTING](CONTRIBUTING.md#security-issue-notifications)。
|
||
|
||
## 许可证
|
||
|
||
本项目根据MIT-0许可证获得许可。请参阅LICENSE文件。
|