Amazon Bedrock

As opções de configuração ficam em 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,          },        },      },    },  },}

O OpenClaw descobre perfis de inferência regionais e globais junto com modelos de base. Quando um perfil mapeia para um modelo de base conhecido, o perfil herda as capacidades desse modelo (janela de contexto, máximo de tokens, raciocínio, visão), e a região correta de solicitação do Bedrock é injetada automaticamente. Isso significa que perfis Claude entre regiões funcionam sem substituições manuais de provedor.

IDs de perfil de inferência se parecem com us.anthropic.claude-opus-4-6-v1:0 (regional) ou anthropic.claude-opus-4-6-v1:0 (global). Se o modelo subjacente já estiver nos resultados da descoberta, o perfil herdará seu conjunto completo de capacidades; caso contrário, padrões seguros serão aplicados.

Nenhuma configuração extra é necessária. Desde que a descoberta esteja habilitada e o principal IAM tenha bedrock:ListInferenceProfiles, os perfis aparecerão junto com modelos de base em openclaw models list.

Alguns modelos Bedrock oferecem suporte a um parâmetro service_tier para otimizar custo ou latência. Os seguintes níveis estão disponíveis:

Defina serviceTier (ou service_tier) por meio de agents.defaults.params para solicitações de modelo Bedrock, ou por modelo em 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          },        },      },    },  },}

Os valores válidos são default, flex, priority e reserved. Nem todos os modelos oferecem suporte a todos os níveis — se um nível incompatível for solicitado, o Bedrock retornará um erro de validação. Observação: a mensagem de erro é um tanto enganosa; ela pode dizer "The provided model identifier is invalid" em vez de indicar um nível de serviço incompatível. Se você vir esse erro, verifique se o modelo oferece suporte ao nível solicitado.

O Bedrock rejeita o parâmetro temperature para Claude Opus 4.7. O OpenClaw omite temperature automaticamente para qualquer referência Bedrock do Opus 4.7, incluindo IDs de modelo de base, perfis de inferência nomeados, perfis de inferência de aplicação cujo modelo subjacente é resolvido como Opus 4.7 via bedrock:GetInferenceProfile, e variantes pontuadas opus-4.7 com prefixos regionais opcionais (us., eu., ap., apac., au., jp., global.). Nenhum controle de configuração é necessário, e a omissão se aplica tanto ao objeto de opções da solicitação quanto ao campo de payload inferenceConfig.

Você pode aplicar Amazon Bedrock Guardrails a todas as invocações de modelos Bedrock adicionando um objeto guardrail à configuração do Plugin amazon-bedrock. Guardrails permitem impor filtragem de conteúdo, negação de tópicos, filtros de palavras, filtros de informações sensíveis e verificações de fundamentação contextual.

{  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"          },        },      },    },  },}

O Bedrock também pode servir como provedor de embedding para busca de memória. Isso é configurado separadamente do provedor de inferência -- defina agents.defaults.memorySearch.provider como "bedrock":

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

Os embeddings do Bedrock usam a mesma cadeia de credenciais do AWS SDK que a inferência (funções de instância, SSO, chaves de acesso, configuração compartilhada e identidade web). Nenhuma chave de API é necessária. Quando provider é "auto", o Bedrock é detectado automaticamente se essa cadeia de credenciais for resolvida com sucesso.

Os modelos de embedding compatíveis incluem Amazon Titan Embed (v1, v2), Amazon Nova Embed, Cohere Embed (v3, v4) e TwelveLabs Marengo. Consulte Referência de configuração de memória -- Bedrock para a lista completa de modelos e opções de dimensão.

• O Bedrock requer acesso ao modelo habilitado na sua conta/região da AWS.
• A descoberta automática precisa das permissões bedrock:ListFoundationModels e bedrock:ListInferenceProfiles.
• Se você depender do modo automático, defina um dos marcadores de ambiente de autenticação AWS compatíveis no host do gateway. Se preferir autenticação IMDS/configuração compartilhada sem marcadores de ambiente, defina plugins.entries.amazon-bedrock.config.discovery.enabled: true.
• O OpenClaw expõe a origem das credenciais nesta ordem: AWS_BEARER_TOKEN_BEDROCK, depois AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY, depois AWS_PROFILE, depois a cadeia padrão do AWS SDK.
• O suporte a raciocínio depende do modelo; consulte o cartão do modelo Bedrock para ver os recursos atuais.
• Se preferir um fluxo de chave gerenciada, você também pode colocar um proxy compatível com OpenAI na frente do Bedrock e configurá-lo como um provedor OpenAI.