如何升級 Lambda 中的 boto3 和 botocore，以存取較新版的 AI 模型？

簡短說明

如果您搭配使用 Python 與 Lambda 函式，來調用 Amazon Bedrock 模型，則可能會收到 "Error: "errorMessage": "Unknown service: 'bedrock'" 錯誤訊息。若要解決此問題，請將 Lambda 中的 boto3 和 botocore 程式庫升級為最新版本。

**注意：**使用 Amazon Bedrock 基礎模型時，必須遵守賣方的定價條款。

解決方法

**注意：**如果您在執行 AWS Command Line Interface (AWS CLI) 命令時收到錯誤訊息，請參閱 Troubleshooting errors for the AWS CLI (對 AWS CLI 錯誤進行疑難排解)。此外，請務必使用最新版 AWS CLI。下列 AWS CLI 命令適用於 Linux、Unix 和 macOS 作業系統。

**先決條件：**請確保您可以存取 Amazon Bedrock 基礎模型。

若要升級 boto3 和 botocore，請完成下列步驟：

1. 執行下列命令以建立暫存資料夾：

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

   **注意：**請將 boto3-mylayer 替換為您的暫存資料夾名稱。

2. 執行下列命令將 boto3 程式庫安裝至 LIB_DIR：

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

3. 執行下列命令將所有相依性壓縮至 /tmp/boto3-mylayer.zip：

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

   **注意：**請將 boto3-mylayer 替換為您的暫存資料夾名稱。

4. 若要發佈層，請執行下列 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：**請將 layer-name 替換為您的 Lambda 層名稱，並將 boto3-mylayer 替換為您的暫存資料夾名稱。記下輸出中層的 Amazon Resource Name (ARN)。

5. 建立 Lambda 函式。

6. 若要將您建立的層附加到 Lambda 函式，請執行下列 update-function-configuration 命令：

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

   **注意：**請將 layer_ARN 替換為層 ARN。如需更多資訊，請參閱 Adding layers to functions (將層新增至函式)。

7. 若要測試更新，請執行下列程式碼以調用 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：**請將 region_name 替換為您的 AWS 區域，並將 endpoint_url 替換為 Amazon Bedrock 的端點。