Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Quickstart
Beginnen Sie in wenigen Minuten mit Amazon Bedrock. Für neue Anwendungen empfehlen wir den [`bedrock-runtime`](endpoints.md) Endpunkt. Die folgenden Schritte führen Sie Schritt für Schritt durch die Ausführung Ihrer ersten Inferenzanfrage mithilfe der Anthropic-native [ Messages API](inference-messages-api.md), der OpenAI-compatible [ Responses API ](bedrock-mantle.md) und der [ Chat Completions API ](inference-chat-completions.md) sowie der [ Converse ](conversation-inference.md) - und Invoke-APIs. [Senden Sie eine einzelne Aufforderung mit InvokeModel (verschoben)](inference-invoke.md) Eine vollständige Liste der APIs finden Sie unter. [Entwicklung](build.md) Nachdem Sie diese Schritte abgeschlossen haben, können Sie Inferenzanforderungen an jedes unterstützte Foundation-Modell senden.
**Um Ihre erste Inferenzanfrage auszuführen**
1. Eröffnen Sie ein [AWS Konto. ](https://portal.aws.amazon.com/billing/signup)
Wenn Sie bereits einen haben AWS-Konto, überspringen Sie diesen Schritt.
1. Generieren Sie einen kurzfristigen API-Schlüssel, um Ihre Anfragen an Amazon Bedrock zu authentifizieren, indem Sie den [** Amazon ** Bedrock-Service in der AWS Management Console öffnen. ](https://console.aws.amazon.com/bedrock/home#/api-keys/short-term/create)
Das vollständige Verfahren finden Sie im Abschnitt. [API-Schlüssel](api-keys.md)
Verwenden Sie für Produktionsanwendungen [ IAM-Rollen oder temporäre Anmeldeinformationen](https://docs.aws.amazon.com/IAM/latest/UserGuide/security-creds-programmatic-access.html#security-creds-alternatives-to-long-term-access-keys).
1. Installieren Sie das entsprechende SDK für die APIs, die Sie verwenden möchten. Python muss bereits installiert sein.
------
#### [ Messages API ]
```
pip install anthropic aws-bedrock-token-generator
```
------
#### [ Responses/Chat Completions API ]
```
pip install boto3 openai
```
------
#### [ Invoke/Converse API ]
```
pip install boto3
```
------
1. Stellen Sie die folgenden Umgebungsvariablen ein, um den API-Schlüssel für die Authentifizierung zu verwenden.
------
#### [ Messages API ]
```
AWS_BEARER_TOKEN_BEDROCK=""
ANTHROPIC_BASE_URL="https://bedrock-runtime..amazonaws.com/anthropic"
```
------
#### [ Responses/Chat Completions API ]
```
OPENAI_API_KEY=""
OPENAI_BASE_URL="https://bedrock-runtime..amazonaws.com/openai/v1"
```
------
#### [ Invoke/Converse API ]
```
AWS_BEARER_TOKEN_BEDROCK=""
```
------
1. Wählen Sie ein Modell und führen Sie Ihre erste Inferenzanforderung aus.
1. Wählen Sie ein Modell. Amazon Bedrock unterstützt über [ 100 Foundation-Modelle. ](models.md)
1. Verwenden Sie den folgenden Python-Code, um Ihre erste Inferenzanforderung auszuführen.
------
#### [ Messages API ]
```
from anthropic import Anthropic
from aws_bedrock_token_generator import provide_token
token = provide_token(region="us-east-1")
client = Anthropic(api_key=token)
response = client.messages.create(
model="global.anthropic.claude-opus-5",
max_tokens=1024,
messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
)
print(response)
```
------
#### [ Responses API ]
```
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="openai.gpt-5.6-sol",
input="Can you explain the features of Amazon Bedrock?"
)
print(response)
```
------
#### [ Chat Completions API ]
```
from openai import OpenAI
client = OpenAI()
response = client.chat.completions.create(
model="openai.gpt-5.6-sol",
messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
)
print(response)
```
------
#### [ Converse API ]
```
import boto3
client = boto3.client('bedrock-runtime', region_name='us-east-1')
response = client.converse(
modelId='global.anthropic.claude-opus-5',
messages=[
{
'role': 'user',
'content': [{'text': 'Can you explain the features of Amazon Bedrock?'}]
}
]
)
print(response)
```
------
#### [ Invoke API ]
```
import json
import boto3
client = boto3.client('bedrock-runtime', region_name='us-east-1')
response = client.invoke_model(
modelId='global.anthropic.claude-opus-5',
body=json.dumps({
'anthropic_version': 'bedrock-2023-05-31',
'messages': [{ 'role': 'user', 'content': 'Can you explain the features of Amazon Bedrock?'}],
'max_tokens': 1024
})
)
print(json.loads(response['body'].read()))
```
------
1. Speichern Sie die Datei als `bedrock-first-request.py`.
1. Führen Sie den Code mit dem folgenden Befehl aus:
```
python3 bedrock-first-request.py
```
Sie sollten die Ausgabe Ihrer Inferenzanfrage sehen.
Weitere Informationen zur Verwendung anderer APIs und Endpunkte finden Sie unter [Entwicklung](build.md) und. [Von Amazon Bedrock unterstützte Endpunkte](endpoints.md)
## Nächste Schritte
Nachdem Sie Ihre erste Anfrage ausgeführt haben, schauen Sie sich die folgenden Ressourcen an, um mehr mit Amazon Bedrock zu erstellen:
+ [Automatisieren von Aufgaben in einer Anwendung mithilfe von KI-Agenten](agents.md)— Erstellen Sie Agenten, die mehrstufige Aufgaben orchestrieren können.
+ [Abrufen von Daten und Generieren von KI-Antworten mit Wissensdatenbanken für Amazon Bedrock](knowledge-base.md)— Verbinden Sie Basismodelle mit Ihren Datenquellen.
+ [Anpassen des Modells für eine bessere Leistung im jeweiligen Anwendungsfall](custom-models.md)— Fine-tune Modelle für Ihren Anwendungsfall.
+ [Die Leistung von Amazon-Bedrock-Ressourcen bewerten](evaluation.md)— Evaluieren Sie die Modellleistung für Ihre Workloads.