跳转至

试用 Amazon Bedrock 中的新控制台体验：该体验针对兼容 Anthropic 和 OpenAI 的 API 进行了优化

Ch11.115 试用 Amazon Bedrock 中的新控制台体验：该体验针对兼容 Anthropic 和 OpenAI 的 API 进行了优化

📊 Level ⭐⭐ | 8.8KB | entities/试用-amazon-bedrock-中的新控制台体验该体验针对兼容-anthropic-和-openai-的-api-进.md

试用 Amazon Bedrock 中的新控制台体验

概览

Amazon Bedrock 重新设计的控制台——针对 OpenAI / Anthropic 兼容 API 优化的新工作流，包括模型目录、并排比较、基于项目的组织、预填代码片段的项目感知文档。这是 AWS 在 2026 年 Q2 推进 Bedrock 平台化的核心 UI 升级。

五大新能力

1. 模型目录 (Model Catalog)

  • 中心化的模型发现入口
  • 按厂商（Anthropic / OpenAI / Cohere / Mistral / Meta / Amazon）/模态（文本/图像/嵌入）/定价 分组
  • 每个模型卡片含：上下文窗口、定价、区域可用性、最佳实践模板

2. 并排比较 (Side-by-side Comparison)

  • 选 2-4 个模型 + 同一 prompt → 同步输出 + 延迟 + 成本对比
  • 适合评估阶段的快速筛选

3. 基于项目的组织 (Project-based Organization)

  • 一个项目 = 一组模型配置 + IAM 角色 + 知识库 + Guardrails
  • 取代原来"散落各处"的 model invocation log
  • 适合多团队共享 Bedrock 但需要资源隔离的场景

4. 项目感知文档 (Project-aware Documentation)

  • 文档自动注入当前项目的 region、IAM role、模型 ID
  • 代码片段一键复制（不用手填 placeholder）

5. bedrock-mantle 兼容端点

# 新增的 OpenAI/Anthropic 兼容端点
curl https://bedrock-mantle.us-east-1.amazonaws.com/v1/chat/completions \
  -H "Authorization: Bearer ..." \
  -d '{"model": "anthropic.claude-fable-5", "messages": [...]}'

支持的 API 兼容： - OpenAI /v1/chat/completions、/v1/embeddings - Anthropic /v1/messages - 自动路由到 Bedrock 后端的实际模型

区域可用性

区域 bedrock-mantle 新控制台
us-east-1 ✅ ✅
us-west-2 ✅ ✅
eu-west-1 ✅ ✅
ap-northeast-1 ✅ ✅
ap-southeast-1 ✅ ✅
cn-north-1 (北京) ❌ ❌
cn-northwest-1 (宁夏) ❌ ❌

重要：中国区域不支持 bedrock-mantle，使用中国区域需继续用 bedrock-runtime 端点。

实践启示

  • OpenAI 客户端零修改迁移到 Bedrock：换 base_url 即可
  • 项目级隔离比账户级隔离更灵活——避免创建多个 AWS 账户
  • 模型目录的"按定价筛选"是评估多模型成本的关键功能
  • bedrock-mantle + 项目感知文档 = 减少新成员 onboarding 时间

与其他 Bedrock 文档的差异化

  • amazon-bedrock-model-inference-serverless-architecture-case-study.md — 服务端架构
  • 本文档：客户端用户体验（控制台 UI 升级 + 兼容端点）

→ 原文存档

深度分析

核心观点

  1. API 兼容层是云厂商 AI 平台化的战略拐点
  2. bedrock-mantle 通过实现 OpenAI /v1/chat/completions + Anthropic /v1/messages 双协议兼容，让现有 OpenAI SDK 客户端代码无需修改即可切换到 Bedrock 后端

  3. 这消除了厂商锁定壁垒——用户换云厂商只需改 base_url，而非重写应用层代码，是 AI 平台竞争的关键差异化

  4. 项目感知文档重新定义了控制台作为"开发者入口"的角色

  5. 传统控制台只提供通用示例代码；新控制台在文档中动态注入项目级变量（region、IAM role、model ID），代码片段从"参考"变成"可运行的生产代码"

  6. 这一设计将 onboarding 摩擦从"复制 → 填 placeholder → 验证"压缩为"一键复制 → 直接运行"

  7. 模型目录的并排比较解决了一个被忽视的评估痛点

  8. 在多模型时代，评估成本 / 延迟 / 上下文窗口差异本是工程决策，但散落在文档中的信息需要大量人工聚合

  9. 将比较能力内嵌到控制台，使评估从"文档研究"变成"实时交互"，大幅缩短模型选型周期

  10. 中国区域不支持 bedrock-mantle 揭示了合规性约束对 AI 产品路线的影响

  11. 北京和宁夏区域无法使用新端点，强制要求继续用 bedrock-runtime 端点
  12. 这意味着在中国区部署需要维护两套 API 调用路径，跨国企业的一致性架构设计必须考虑区域能力差异

技术要点

  • 兼容端点路由：bedrock-mantle 自动将 OpenAI/Anthropic 协议请求路由到 Bedrock 后端实际模型，协议转换对用户透明
  • IAM + 项目双重隔离：项目级配置（模型 + IAM 角色 + 知识库 + Guardrails）比账户级隔离更灵活，适合多团队共享同一 AWS 账户
  • 模型卡元数据：每个模型卡片包含上下文窗口、定价、区域可用性，支持按模态 / 厂商 / 定价排序和筛选

实践价值

  • 对平台工程师：可以用同一套客户端代码对接多个云厂商的 LLM，降低多云管理复杂度
  • 对AI 应用团队：新成员加入后，通过项目感知文档可以零学习成本写出可运行代码，减少 team onboarding 时间
  • 对成本优化：模型目录的定价筛选 + 用量仪表板让多模型成本对比成为日常操作，而非月底复盘

相关实体

实践启示

  1. 多云 LLM 策略的落地路径：先用 OpenAI SDK 写应用，通过换 base_url 接入 Bedrock；后续逐步切到 Bedrock 原生 API 以获取更多控制能力（如 Guardrails、Knowledge Bases）
  2. 模型选型流程改造：放弃"读文档 → 人工比较"的串行流程，改为在控制台并排比较 2-4 个模型的真实输出 + 延迟 + 成本数据，评估周期从天级压缩到小时级
  3. 项目化组织建议：每个业务线或环境（dev/staging/prod）创建独立 Bedrock 项目，利用项目级 IAM 角色实现资源隔离，避免共享账户的权限混乱
  4. 中国区特殊处理：若涉及跨境多区域架构，需要维护两套 API 路径（北京区用 bedrock-runtime，其他区用 bedrock-mantle），建议在应用层做端点抽象
  5. 安全与合规优先部署：在 production 上线前务必配置 Bedrock Guardrails + row-level entitlements，即使当前用例看起来"不需要"，也为未来扩展到敏感场景预留安全基础