Amazon Bedrock

Le opzioni di configurazione si trovano sotto plugins.entries.amazon-bedrock.config.discovery:

{  plugins: {    entries: {      "amazon-bedrock": {        config: {          discovery: {            enabled: true,            region: "us-east-1",            providerFilter: ["anthropic", "amazon"],            refreshInterval: 3600,            defaultContextWindow: 32000,            defaultMaxTokens: 4096,          },        },      },    },  },}

OpenClaw rileva i profili di inferenza regionali e globali insieme ai foundation model. Quando un profilo viene mappato a un foundation model noto, il profilo eredita le capacità di quel modello (finestra di contesto, token massimi, reasoning, visione) e viene inserita automaticamente la regione corretta della richiesta Bedrock. Questo significa che i profili Claude cross-region funzionano senza override manuali del provider.

Gli ID dei profili di inferenza hanno la forma us.anthropic.claude-opus-4-6-v1:0 (regionali) o anthropic.claude-opus-4-6-v1:0 (globali). Se il modello sottostante è già nei risultati del rilevamento, il profilo eredita il suo set completo di capacità; altrimenti vengono applicati valori predefiniti sicuri.

Non è necessaria alcuna configurazione aggiuntiva. Finché il rilevamento è abilitato e il principale IAM ha bedrock:ListInferenceProfiles, i profili appaiono insieme ai foundation model in openclaw models list.

Alcuni modelli Bedrock supportano un parametro service_tier per ottimizzare costo o latenza. Sono disponibili i seguenti livelli:

Imposta serviceTier (o service_tier) tramite agents.defaults.params per le richieste ai modelli Bedrock, oppure per singolo modello in agents.defaults.models["<model-key>"].params:

{  agents: {    defaults: {      params: {        serviceTier: "flex", // applies to all models      },      models: {        "amazon-bedrock/mistral.mistral-large-3-675b-instruct": {          params: {            serviceTier: "priority", // per-model override          },        },      },    },  },}

I valori validi sono default, flex, priority e reserved. Non tutti i modelli supportano tutti i livelli: se viene richiesto un livello non supportato, Bedrock restituirà un errore di validazione. Nota: il messaggio di errore è alquanto fuorviante; potrebbe dire "The provided model identifier is invalid" invece di indicare un livello di servizio non supportato. Se vedi questo errore, controlla se il modello supporta il livello richiesto.

Bedrock rifiuta il parametro temperature per Claude Opus 4.7. OpenClaw omette automaticamente temperature per qualsiasi riferimento Bedrock a Opus 4.7, inclusi ID dei foundation model, profili di inferenza denominati, profili di inferenza applicativi il cui modello sottostante viene risolto in Opus 4.7 tramite bedrock:GetInferenceProfile, e varianti puntate opus-4.7 con prefissi di regione opzionali (us., eu., ap., apac., au., jp., global.). Non è richiesta alcuna manopola di configurazione, e l'omissione si applica sia all'oggetto delle opzioni della richiesta sia al campo payload inferenceConfig.

Puoi applicare gli Amazon Bedrock Guardrails a tutte le invocazioni dei modelli Bedrock aggiungendo un oggetto guardrail alla configurazione del plugin amazon-bedrock. I guardrail consentono di applicare il filtro dei contenuti, il rifiuto di argomenti, filtri di parole, filtri per informazioni sensibili e controlli di ancoraggio contestuale.

{  plugins: {    entries: {      "amazon-bedrock": {        config: {          guardrail: {            guardrailIdentifier: "abc123", // guardrail ID or full ARN            guardrailVersion: "1", // version number or "DRAFT"            streamProcessingMode: "sync", // optional: "sync" or "async"            trace: "enabled", // optional: "enabled", "disabled", or "enabled_full"          },        },      },    },  },}

Bedrock può anche fungere da provider di embedding per la ricerca in memoria. Questa opzione è configurata separatamente dal provider di inferenza: imposta agents.defaults.memorySearch.provider su "bedrock":

{  agents: {    defaults: {      memorySearch: {        provider: "bedrock",        model: "amazon.titan-embed-text-v2:0", // default      },    },  },}

Gli embedding di Bedrock usano la stessa catena di credenziali dell'AWS SDK usata per l'inferenza (ruoli di istanza, SSO, chiavi di accesso, configurazione condivisa e identità web). Non è necessaria alcuna chiave API. Quando provider è "auto", Bedrock viene rilevato automaticamente se tale catena di credenziali viene risolta correttamente.

I modelli di embedding supportati includono Amazon Titan Embed (v1, v2), Amazon Nova Embed, Cohere Embed (v3, v4) e TwelveLabs Marengo. Consulta il riferimento alla configurazione della memoria -- Bedrock per l'elenco completo dei modelli e le opzioni sulle dimensioni.

• Bedrock richiede l'accesso ai modelli abilitato nel tuo account/regione AWS.
• Il rilevamento automatico richiede le autorizzazioni bedrock:ListFoundationModels e bedrock:ListInferenceProfiles.
• Se ti affidi alla modalità automatica, imposta uno dei marker env di autenticazione AWS supportati sull'host del Gateway. Se preferisci l'autenticazione IMDS/configurazione condivisa senza marker env, imposta plugins.entries.amazon-bedrock.config.discovery.enabled: true.
• OpenClaw espone l'origine delle credenziali in questo ordine: AWS_BEARER_TOKEN_BEDROCK, poi AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY, poi AWS_PROFILE, quindi la catena AWS SDK predefinita.
• Il supporto al ragionamento dipende dal modello; consulta la scheda del modello Bedrock per le capacità attuali.
• Se preferisci un flusso con chiave gestita, puoi anche collocare un proxy compatibile con OpenAI davanti a Bedrock e configurarlo invece come provider OpenAI.