기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# JupyterLab 또는 Studio Classic에서 Jupyter AI 사용
<a name="sagemaker-jupyterai-use"></a>

채팅 UI 또는 노트북 셀에서 언어 모델을 호출하여 JupyterLab 또는 Studio Classic에서 Jupyter AI를 사용할 수 있습니다. 다음 섹션에서는 이 작업을 완료하는 데 필요한 단계에 대한 정보를 제공합니다.

## 채팅 UI에서 언어 모델 사용
<a name="sagemaker-jupyterai-use-chatui"></a>

채팅 UI 텍스트 상자에 메시지를 작성하여 모델과 상호 작용을 시작합니다. 메시지 기록을 지우려면 `/clear` 명령을 사용합니다.

**참고**  
메시지 기록을 삭제해도 모델 공급자와의 채팅 컨텍스트는 지워지지 않습니다.

## 노트북 셀의 언어 모델 사용
<a name="sagemaker-jupyterai-use-magic-commands"></a>

`%%ai` 및 `%ai` 명령을 사용하여 언어 모델을 호출하기 전에 JupyterLab 또는 Studio Classic 노트북 셀에서 다음 명령을 실행하여 IPython 확장을 로드합니다.

```
%load_ext jupyter_ai_magics
```
+ **에서 호스팅하는 모델의 경우 AWS:**
  + SageMaker AI에 배포된 모델을 간접 호출하려면 `sagemaker-endpoint:{{endpoint-name}}` 문자열을 아래 필수 파라미터와 함께 `%%ai` 매직 명령에 전달한 다음, 다음 줄에 프롬프트를 추가합니다.

    다음 표에는 SageMaker AI 또는 Amazon Bedrock에서 호스팅하는 모델을 간접적으로 호출할 때 필요한 파라미터와 선택적 파라미터가 나열되어 있습니다.<a name="sagemaker-jupyterai-jumpstart-inference-params"></a>    
[See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/sagemaker-jupyterai-use.html)

    다음 명령은 SageMaker AI에서 호스팅하는 [Llama2-7b](https://sagemaker.readthedocs.io/en/stable/doc_utils/pretrainedmodels.html) 모델을 간접적으로 호출합니다.

    ```
    %%ai sagemaker-endpoint:jumpstart-dft-meta-textgeneration-llama-2-7b -q {"inputs":"<prompt>","parameters":{"max_new_tokens":64,"top_p":0.9,"temperature":0.6,"return_full_text":false}} -n us-east-2 -p [0].generation -m {"endpoint_kwargs":{"CustomAttributes":"accept_eula=true"}} -f text
    Translate English to French:
    sea otter => loutre de mer
    peppermint => menthe poivrée
    plush girafe => girafe peluche
    cheese =>
    ```

    다음 예시에서는 SageMaker AI에서 호스팅하는 Flan-t5-small 모델을 간접적으로 호출합니다.

    ```
    %%ai sagemaker-endpoint:hf-text2text-flan-t5-small --request-schema={"inputs":"<prompt>","parameters":{"num_return_sequences":4}} --region-name=us-west-2 --response-path=[0]["generated_text"] -f text
    What is the atomic number of Hydrogen?
    ```
  + Amazon Bedrock에 배포된 모델을 호출하려면 [JumpStart 또는 Amazon Bedrock에서 호스팅하는 모델 호출을 위한 파라미터](#sagemaker-jupyterai-jumpstart-inference-params) 목록에 정의된 선택적 파라미터가 있는 `%%ai` 매직 명령에 문자열 `bedrock:{{model-name}}`을 전달한 다음 다음 줄에 프롬프트를 추가합니다.

    다음 예제에서는 Amazon Bedrock에서 호스팅하는 [AI21 Labs Jurassic-2 모델](https://docs.aws.amazon.com/bedrock/latest/userguide/model-parameters-jurassic2.html)을 호출합니다.

    ```
    %%ai bedrock:ai21.j2-mid-v1 -m {"model_kwargs":{"maxTokens":256}} -f code
    Write a function in python implementing a bubbble sort.
    ```
+ **타사 공급자가 호스팅하는 모델의 경우**

  타사 공급자가 호스팅하는 모델을 호출하려면 선택 사항인 [`Output format`](#sagemaker-jupyterai-output-format-params)를 사용하여 문자열 `{{provider-id}}:{{model-name}}`을 `%%ai` 매직 명령에 전달한 다음 다음 줄에 프롬프트를 추가합니다. [모델 공급자](https://jupyter-ai.readthedocs.io/en/latest/users/index.html#model-providers)의 Jupyter AI 목록에서 ID를 포함한 각 공급자의 세부 정보를 찾을 수 있습니다.

  다음 명령은 Anthropic Claude 모델에 검은색 테두리가 있는 흰색 사각형의 이미지가 포함된 HTML 파일을 출력하도록 요청합니다.

  ```
  %%ai anthropic:claude-v1.2 -f html
  Create a square using SVG with a black border and white fill.
  ```