OpenClaw dapat menggunakan model Amazon Bedrock melalui penyedia streaming Bedrock Converse dari pi-ai. Autentikasi Bedrock menggunakan rantai kredensial default AWS SDK, bukan kunci API.Documentation Index
Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt
Use this file to discover all available pages before exploring further.
| Properti | Nilai |
|---|---|
| Penyedia | amazon-bedrock |
| API | bedrock-converse-stream |
| Autentikasi | Kredensial AWS (env vars, konfigurasi bersama, atau peran instance) |
| Wilayah | AWS_REGION atau AWS_DEFAULT_REGION (default: us-east-1) |
Memulai
Pilih metode autentikasi yang Anda inginkan dan ikuti langkah-langkah penyiapannya.- Access keys / env vars
- EC2 instance roles (IMDS)
Penemuan model otomatis
OpenClaw dapat secara otomatis menemukan model Bedrock yang mendukung streaming dan output teks. Penemuan menggunakanbedrock:ListFoundationModels dan
bedrock:ListInferenceProfiles, dan hasilnya disimpan dalam cache (default: 1 jam).
Cara penyedia implisit diaktifkan:
- Jika
plugins.entries.amazon-bedrock.config.discovery.enabledbernilaitrue, OpenClaw akan mencoba penemuan meskipun tidak ada penanda env AWS. - Jika
plugins.entries.amazon-bedrock.config.discovery.enabledtidak disetel, OpenClaw hanya otomatis menambahkan penyedia Bedrock implisit saat melihat salah satu penanda autentikasi AWS ini:AWS_BEARER_TOKEN_BEDROCK,AWS_ACCESS_KEY_ID+AWS_SECRET_ACCESS_KEY, atauAWS_PROFILE. - Jalur autentikasi runtime Bedrock yang sebenarnya tetap menggunakan rantai default AWS SDK, sehingga
konfigurasi bersama, SSO, dan autentikasi peran instance IMDS dapat berfungsi meskipun penemuan
memerlukan
enabled: trueuntuk ikut serta.
Untuk entri
models.providers["amazon-bedrock"] eksplisit, OpenClaw tetap dapat menyelesaikan autentikasi penanda env Bedrock lebih awal dari penanda env AWS seperti AWS_BEARER_TOKEN_BEDROCK tanpa memaksa pemuatan autentikasi runtime penuh. Jalur autentikasi panggilan model yang sebenarnya tetap menggunakan rantai default AWS SDK.Discovery config options
Discovery config options
Opsi konfigurasi berada di bawah
plugins.entries.amazon-bedrock.config.discovery:| Opsi | Default | Deskripsi |
|---|---|---|
enabled | otomatis | Dalam mode otomatis, OpenClaw hanya mengaktifkan penyedia Bedrock implisit saat melihat penanda env AWS yang didukung. Setel ke true untuk memaksa penemuan. |
region | AWS_REGION / AWS_DEFAULT_REGION / us-east-1 | Wilayah AWS yang digunakan untuk panggilan API penemuan. |
providerFilter | (semua) | Mencocokkan nama penyedia Bedrock (misalnya anthropic, amazon). |
refreshInterval | 3600 | Durasi cache dalam detik. Setel ke 0 untuk menonaktifkan caching. |
defaultContextWindow | 32000 | Jendela konteks yang digunakan untuk model yang ditemukan (timpa jika Anda mengetahui batas model Anda). |
defaultMaxTokens | 4096 | Token output maksimum yang digunakan untuk model yang ditemukan (timpa jika Anda mengetahui batas model Anda). |
Penyiapan cepat (jalur AWS)
Panduan ini membuat peran IAM, memasang izin Bedrock, mengaitkan profil instance, dan mengaktifkan penemuan OpenClaw pada host EC2.Konfigurasi lanjutan
Inference profiles
Inference profiles
OpenClaw menemukan profil inferensi regional dan global bersama
model foundation. Saat profil dipetakan ke model foundation yang diketahui,
profil tersebut mewarisi kemampuan model itu (jendela konteks, token maksimum,
penalaran, vision) dan wilayah permintaan Bedrock yang benar disuntikkan
secara otomatis. Ini berarti profil Claude lintas wilayah berfungsi tanpa
timpa penyedia manual.ID profil inferensi terlihat seperti
us.anthropic.claude-opus-4-6-v1:0 (regional)
atau anthropic.claude-opus-4-6-v1:0 (global). Jika model pendukung sudah
ada dalam hasil penemuan, profil mewarisi set kemampuan penuhnya;
jika tidak, default aman diterapkan.Tidak diperlukan konfigurasi tambahan. Selama penemuan diaktifkan dan prinsipal IAM
memiliki bedrock:ListInferenceProfiles, profil muncul bersama
model foundation di openclaw models list.Service tier
Service tier
Beberapa model Bedrock mendukung parameter
Setel Nilai yang valid adalah
service_tier untuk mengoptimalkan biaya
atau latensi. Tingkat berikut tersedia:| Tingkat | Deskripsi |
|---|---|
default | Tingkat Bedrock standar |
flex | Pemrosesan berdiskon untuk workload yang dapat menoleransi latensi lebih lama |
priority | Pemrosesan diprioritaskan untuk workload sensitif latensi |
reserved | Kapasitas terpesan untuk workload kondisi stabil |
serviceTier (atau service_tier) melalui agents.defaults.params untuk
permintaan model Bedrock, atau per model di
agents.defaults.models["<model-key>"].params:default, flex, priority, dan reserved. Tidak semua
model mendukung semua tingkat — jika tingkat yang tidak didukung diminta, Bedrock akan
mengembalikan galat validasi. Catatan: pesan galatnya agak menyesatkan;
pesan tersebut mungkin mengatakan “The provided model identifier is invalid” alih-alih menunjukkan
tingkat layanan yang tidak didukung. Jika Anda melihat galat ini, periksa apakah model
mendukung tingkat yang diminta.Claude Opus 4.7 temperature
Claude Opus 4.7 temperature
Bedrock menolak parameter
temperature untuk Claude Opus 4.7. OpenClaw
menghilangkan temperature secara otomatis untuk ref Bedrock Opus 4.7 apa pun, termasuk
ID model foundation, profil inferensi bernama, profil inferensi aplikasi
yang model dasarnya terselesaikan ke Opus 4.7 melalui
bedrock:GetInferenceProfile, dan varian bertitik opus-4.7 dengan
awalan wilayah opsional (us., eu., ap., apac., au., jp.,
global.). Tidak diperlukan knob konfigurasi, dan penghilangan ini berlaku untuk objek
opsi permintaan maupun bidang payload inferenceConfig.Guardrails
Guardrails
Anda dapat menerapkan Amazon Bedrock Guardrails
ke semua pemanggilan model Bedrock dengan menambahkan objek
guardrail ke
konfigurasi plugin amazon-bedrock. Guardrails memungkinkan Anda menerapkan pemfilteran konten,
penolakan topik, filter kata, filter informasi sensitif, dan pemeriksaan
grounding kontekstual.| Opsi | Wajib | Deskripsi |
|---|---|---|
guardrailIdentifier | Ya | ID guardrail (mis. abc123) atau ARN lengkap (mis. arn:aws:bedrock:us-east-1:123456789012:guardrail/abc123). |
guardrailVersion | Ya | Nomor versi yang dipublikasikan, atau "DRAFT" untuk draf kerja. |
streamProcessingMode | Tidak | "sync" atau "async" untuk evaluasi guardrail selama streaming. Jika dihilangkan, Bedrock menggunakan nilai defaultnya. |
trace | Tidak | "enabled" atau "enabled_full" untuk debugging; hilangkan atau atur ke "disabled" untuk produksi. |
Embedding untuk pencarian memori
Embedding untuk pencarian memori
Bedrock juga dapat berfungsi sebagai penyedia embedding untuk
pencarian memori. Ini dikonfigurasi terpisah dari
penyedia inferensi — atur Embedding Bedrock menggunakan rantai kredensial AWS SDK yang sama dengan inferensi (peran instance,
SSO, kunci akses, konfigurasi bersama, dan identitas web). Tidak diperlukan
kunci API. Ketika
agents.defaults.memorySearch.provider ke "bedrock":provider adalah "auto", Bedrock terdeteksi otomatis jika
rantai kredensial tersebut berhasil di-resolve.Model embedding yang didukung mencakup Amazon Titan Embed (v1, v2), Amazon Nova
Embed, Cohere Embed (v3, v4), dan TwelveLabs Marengo. Lihat
Referensi konfigurasi memori — Bedrock
untuk daftar model lengkap dan opsi dimensi.Catatan dan peringatan
Catatan dan peringatan
- Bedrock memerlukan akses model yang diaktifkan di akun/wilayah AWS Anda.
- Penemuan otomatis memerlukan izin
bedrock:ListFoundationModelsdanbedrock:ListInferenceProfiles. - Jika Anda mengandalkan mode otomatis, tetapkan salah satu penanda env autentikasi AWS yang didukung pada
host gateway. Jika Anda lebih memilih autentikasi IMDS/konfigurasi bersama tanpa penanda env, atur
plugins.entries.amazon-bedrock.config.discovery.enabled: true. - OpenClaw menampilkan sumber kredensial dalam urutan ini:
AWS_BEARER_TOKEN_BEDROCK, laluAWS_ACCESS_KEY_ID+AWS_SECRET_ACCESS_KEY, laluAWS_PROFILE, lalu rantai AWS SDK default. - Dukungan penalaran bergantung pada model; periksa kartu model Bedrock untuk kemampuan saat ini.
- Jika Anda lebih memilih alur kunci terkelola, Anda juga dapat menempatkan proxy yang kompatibel dengan OpenAI di depan Bedrock dan mengonfigurasikannya sebagai penyedia OpenAI.
Terkait
Pemilihan model
Memilih penyedia, referensi model, dan perilaku failover.
Pencarian memori
Embedding Bedrock untuk konfigurasi pencarian memori.
Referensi konfigurasi memori
Daftar lengkap model embedding Bedrock dan opsi dimensi.
Pemecahan masalah
Pemecahan masalah umum dan FAQ.