View a markdown version of this page

使用编码助手加快您的机器学习工作流程 - 亚马逊 SageMaker AI
概述什么是代理上下文协议 (ACP)？最低要求开始使用在 Kiro 中访问亚马逊 SageMaker AI 技能使用 JupyterLab AI 配置其他编码助手在助手之间切换在 Kiro 配置文件之间切换其他资源

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

使用编码助手加快您的机器学习工作流程

概述

JupyterLab 在 Amazon SageMaker AI 中，包括通过代理上下文协议 (ACP) 提供的集成编码助手支持。默认情况下，Kiro 编码助手是在聊天面板中预先配置的，可在您的 JupyterLab 环境中直接提供 AI-powered 代码完成、调试帮助和交互式编码支持。

当你在 Amazon A SageMaker I 中使用编码助手时 JupyterLab，该空间会自动将相关的亚马逊 SageMaker AI 技能加载到你的助手的上下文中。这些技能从 AWSLabs GitHub 存储库中加载，提供有关 SageMaker API、机器学习工作流程、最佳实践和常见模式的专业知识，使您的编码助手能够提供更准确的指导。 SageMaker-specific

此外，您还可以配置自己选择的其他 ACP-compatible 编码助手，从而灵活地使用最适合您工作流程的工具。 ACP-compatible 在 Amazon A SageMaker I 中使用时，助手可以从同样的 Amazon A SageMaker I 技能集成中受益 JupyterLab。

什么是代理上下文协议 (ACP)？

代理上下文协议 (ACP) 是一种开放协议，用于标准化代码编辑器和 AI 编码代理之间的通信。这意味着您可以在不同的编码助手之间切换，而无需学习新的界面或工作流程。

最低要求

  • 具有 JupyterLab 访问权限的活跃亚马逊 SageMaker AI 账户

  • SageMaker 发行版 (SMD) 4.1 版

  • 对于 Kiro：有效的 Kiro 账户凭证

开始使用

第 1 步：使用打开或创建 SageMaker 空间 JupyterLab

  1. 导航到亚马逊 A SageMaker I Studio

  2. 前往左侧导航面板中的空间，或从模型中心单击 “使用代理进行自定义”

  3. 或者：

    • 单击 “创建空间”，然后选择 JupyterLab 作为您的应用程序

    • 打开包含以下内容的现有空间 JupyterLab

第 2 步：开始在聊天面板中使用 Kiro：

Kiro 需要先进行身份验证，然后才能将其用作编码助手。聊天面板将引导您完成身份验证过程。

  1. 在中 JupyterLab，单击右侧边栏中的聊天图标打开聊天面板

  2. 您可以键入 @ 来查看您的可用代理

  3. 从代理下拉列表中选择 @Kiro

  4. 开始提问或请求代码帮助

请注意，当你第一次在空间中使用 Kiro 时，它会要求你登录。要登录，请按照聊天中提供的说明进行操作，或者按照以下步骤操作：

  1. 在中 JupyterLab，打开一个新终端：“文件” > “新建” > “终端”

  2. 运行以下命令

    kiro-cli login --use-device-flow

在终端中选择 3 个登录选项之一：

  1. 使用生成器 ID 免费使用

  2. 在谷歌上免费使用或 GitHub

  3. 使用 Pro 许可证使用

按照所选选项的说明和屏幕进行操作。

示例提示：

  • “我想定制一个模型”

在 Kiro 中访问亚马逊 SageMaker AI 技能

当你在中使用 Kiro 时， SageMaker Amazon AI 技能将自动可用。 SageMaker JupyterLab这些技能从 AWSLabs 存储 GitHub 库加载并存储在您 JupyterLab 环境中的.kiro/skills和.agent/skills文件夹中，因此它们与从这些目录加载的任何代理兼容。

技能是可更新的，使您可以随着最新的 SageMaker 最佳实践和 API 模式的演变而受益。要更新您的技能，您可以从 AWSLabs 存储库中提取最新版本。你可以运行以下命令来更新你的技能，以便与 Kiro 一起使用：

npx skills add https://github.com/awslabs/agent-plugins/tree/main/plugins/sagemaker-ai/skills --all --agent kiro-cli --copy

对于其他代理，请参阅 SageMaker AI 技能自述文件了解更多信息。要查看环境中可用的技能，请在 JupyterLab 文件浏览器中导航到相应文件.kiro/skills夹。

作为新 SageMaker 发行版 (SMD) 的一部分，我们提供了技能的更新版本。只要用户未在空间内修改或删除技能，我们就会自动更新这些技能。如果您手动更新或修改技能，请使用上面的npx命令更新或重置您的技能。

使用 JupyterLab AI 配置其他编码助手

Amazon SageMaker AI JupyterLab 支持任何实现代理上下文协议 (ACP) 的编码助手。支持 ACP 的示例助手包括：

  • Claude（通过 claude-agent-acp）

  • OpenCode（通过 opencode CLI >= 1.0.0）

  • 双子座（通过 gemini CLI >= 0.34.0）

  • 手抄本（通过 codex-acp）

要使用其他 ACP-compatible 编码助手，请执行以下操作：

  1. 在您的 JupyterLab 终端中安装助手的 CLI 工具：

    对于库罗德来说：npm install -g @zed-industries/claude-agent-acp

    对于双子座：npm install -g @google/gemini-cli

    对于 OpenCode：npm install -g opencode-ai

  2. 通过运行命令restart-jupyter-server或通过 Studio 用户界面重新启动空间来重启空间。请注意，这将导致任何未保存的工作或内存状态（如活动内核）丢失。

  3. 按照特定的身份验证过程向助手进行身份验证

  4. 从 JupyterLab 聊天面板的角色下拉列表中选择助手（例如 @Claude、@Gemini、@OpenCode）

请注意，特别是对于 Claude Code，你可以将其配置为使用 B AWS edrock 作为后端。遵循 Claude 代码指南中的先决条件，特别是启用 Bedrock 模型访问权限并向你的执行角色提供对bedrock:InvokeModel和的访问权限。bedrock:InvokeModelWithResponseStream然后，创建以下文件将 Claude Code 配置为使用 Bedrock。

~/.claude/settings.json:

{
  "env": {
    "CLAUDE_CODE_USE_BEDROCK": "1"
  }
}

在助手之间切换

你可以随时在不同的编码助手之间切换：

  1. 键入 @ 查看您的可用代理

  2. 选择你喜欢的助手（例如 @Kiro、@Claude、@Gemini）

  3. 继续与新助手交谈

每个助手都有自己的对话上下文，因此您可以根据需要来回切换以执行不同的任务。

在 Kiro 配置文件之间切换

Amazon A SageMaker I 中的 Kiro JupyterLab 支持针对不同工作流程和用例进行了优化的多个配置文件。您可以在配置文件之间切换，以访问针对您当前任务量身定制的不同功能和行为集。Amazon SageMaker AI JupyterLab 附带以下 Kiro 个人资料：

  • sagemaker-ai-default：针对一般的亚马逊 AI 开发进行了优化，可以访问亚马逊 SageMaker AI 技能。 SageMaker 这是您首次开始在中使用 Kiro 时的默认配置文件。 SageMaker JupyterLab

  • kiro-default：没有 SageMaker-specific 自定义的标准 Kiro 配置文件，提供跨语言和框架的通用编码帮助。

  • kiro-planner：专注于机器学习项目的项目规划、架构设计和高级技术决策。

要在 Kiro 配置文件之间切换，请执行以下操作 JupyterLab：

  1. 在中打开 Kiro 聊天面板 JupyterLab

  2. 键入以下命令：

    @Kiro /agent swap <agent name>

    例如：

    /agent swap kiro-default

  3. Kiro 将确认配置文件切换并使用新配置文件的功能重新加载

其他资源