如何升级 Lambda 中的 boto3 和 botocore 以访问更新的 AI 模型？

简短描述

如果您使用 Lambda 函数的 Python 版本来调用 Amazon Bedrock 模型，则可能会收到“Error: "errorMessage": "Unknown service: 'bedrock'”错误消息。要解决此问题，请将 boto3 和 botocore 库升级到 Lambda 中的最新版本。

**注意：**当您使用 Amazon Bedrock 基础模型时，您必须遵守卖方的定价条款。

解决方法

**注意：**如果您在运行 AWS 命令行界面 (AWS CLI) 命令时收到错误，请参阅 Troubleshooting errors for the AWS CLI（AWS CLI 错误故障排除）。此外，请确保您使用的是最新版本的 AWS CLI。以下 AWS CLI 命令适用于 Linux、Unix 和 macOS 操作系统。

**先决条件：**确保您可以访问 Amazon Bedrock 基础模型。

要升级 boto3 和 botocore，请完成以下步骤：

1. 运行以下命令，创建临时文件夹：

   LIB_DIR=boto3-mylayer/python
   mkdir -p $LIB_DIR

   **注意：**将 boto3-mylayer 替换为您的临时文件夹名称。

2. 运行以下命令，将 boto3 库安装到 LIB\ _DIR：

   pip3 install boto3==1.42.44 -t $LIB_DIR
   pip3 install botocore==1.42.44 -t $LIB_DIR

3. 运行以下命令，将所有依赖项压缩到 /tmp/boto3-mylayer.zip：

   cd boto3-mylayer
   zip -r /tmp/boto3-mylayer.zip .

   **注意：**将 boto3-mylayer 替换为您的临时文件夹名称。

4. 要发布该层，请运行以下 publish-layer-version AWS CLI 命令：

   aws lambda publish-layer-version --layer-name boto3-mylayer --zip-file fileb:///tmp/boto3-mylayer.zip

   **注意：**将 layer-name 替换为您的 Lambda 层名称，将 boto3-mylayer 替换为您的临时文件夹名称。在输出中，记下该层的 Amazon 资源名称 (ARN)。

5. 创建 Lambda 函数。

6. 要将您创建的层附加到 Lambda 函数，请运行以下 update-function-configuration 命令：

   aws lambda update-function-configuration --function-name MY_FUNCTION --layer_ARN

   **注意：**将 layer_ARN 替换为层 ARN。有关详细信息，请参阅 Adding layers to functions（向函数添加层）。

7. 要测试您的更新，请运行以下代码来调用 Anthropic Claude Opus 4.6：

   import boto3
   import botocore
   import json
   
   def lambda_handler(event, context):
     print("Boto3 version:", boto3.__version__)
     print("Botocore version:", botocore.__version__)
     bedrock_runtime = boto3.client(service_name='bedrock-runtime', region_name='us-east-1', endpoint_url='https://bedrock-runtime.us-east-1.amazonaws.com')
   
     # event = {
     #       "anthropic_version": "bedrock-2023-05-31",
     #       "max_tokens": 4000,
     #       "top_k": 250,
     #       "top_p": 1,
     #       "messages": [
     #           {
     #               "role": "user",
     #               "content": "Why is the sky blue?"
     #           }
     #       ],
     #       "stop_sequences": ["Command:"]
     #   }
     print(f"EVENT: {event}")
     bedrock_str = json.dumps(event)
     print(f"BEDROCK_STR: {bedrock_str}")
     modelId = 'global.anthropic.claude-opus-4-5-20251101-v1:0'
   
     bodyprompt = {
           "anthropic_version": "bedrock-2023-05-31",
           "max_tokens": 4000,
           "top_k": 250,
           "top_p": 1,
           "messages": [
               {
                   "role": "user",
                   "content": "Why is the sky blue?"
               }
           ],
           "stop_sequences": ["Command:"]
       }
     response = bedrock_runtime.invoke_model(body=bedrock_str, modelId=modelId, accept='application/json', contentType='application/json')
   #   response = bedrock_runtime.invoke_model(body= json.dumps(bodyprompt), modelId=modelId, accept='application/json', contentType='application/json')
     response_body = json.loads(response.get('body').read())
     print(response_body)
   
     return {'statusCode': 200, 'body': json.dumps(response_body)}

   **注意：**将 region_name 替换为您的 AWS 区域，将 endpoint_url 替换为 Amazon Bedrock 的端点。