Amazon Bedrock wymusza zgodny ze schematem JSON dla wszystkich modeli Claude
W skrócie: AWS wprowadził strukturyzowane odpowiedzi dla wszystkich modeli Anthropic Claude dostępnych w Amazon Bedrock — zarówno w standardowym endpoincie runtime, jak i nowszym endpoincie Mantle przeznaczonym do zadań agentowych. Zamiast liczyć na to, że model zwróci poprawny JSON, deweloperzy mogą teraz wymusić dokładną zgodność odpowiedzi ze schematem dzięki ograniczonemu dekodowaniu, które blokuje generowanie tokenów łamiących format. Dodatkowa funkcja, strict tool use, zapewnia taką samą gwarancję dla parametrów wywołań narzędzi, dzięki czemu przepływy pracy agentów nie zawodzą przez błędnie sformatowane dane wejściowe.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „AWS Machine Learning”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Łączy dwa mechanizmy: format wyjściowy JSON Schema do kształtowania odpowiedzi oraz strict tool use do walidacji parametrów wywołań narzędzi
- 2Dostępne dla każdego modelu Claude tam, gdzie działa w Bedrock, obejmuje zarówno endpoint runtime, jak i Mantle
- 3Obsługuje przetwarzanie wsadowe (batch inference) i wnioskowanie międzyregionalne w endpoincie runtime, a także strumieniowanie w czasie rzeczywistym jako typowane zdarzenia
- 4Schematy są sprawdzane względem podzbioru JSON Schema Draft 2020-12 i kompilowane do pamięci podręcznej przechowywanej przez 24 godziny, co przyspiesza powtarzane zapytania
- 5additionalProperties: false jest obowiązkowe dla każdego obiektu; niektóre słowa kluczowe, jak schematy rekurencyjne, zewnętrzne $ref czy ograniczenia min/max, są akceptowane, ale po cichu ignorowane
- 6Zademonstrowano na przykładach: wyodrębniania danych leadów z e-maili, klasyfikacji/routingu zgłoszeń z Claude Haiku 5.5 oraz narzędzia pogodowego z rygorystycznym schematem dla agentów
| Parametr | Było | Jest |
|---|---|---|
| Format wyjściowy | Tekst o dowolnej formie wymagający własnego parsowania i ponawiania prób | Ograniczone dekodowanie gwarantuje JSON zgodny z określonym schematem |
| Wywoływanie narzędzi | Parametry narzędzi nie były rygorystycznie walidowane względem schematu | Strict tool use zapewnia dokładną zgodność danych wejściowych narzędzi ze schematem |
| Dostępność | Nie określono | Wszystkie modele Claude w endpointach runtime i Mantle w Bedrock, tam gdzie model jest oferowany |
| Obsługa przetwarzania wsadowego/międzyregionalnego | Nie określono | Obsługiwane z przetwarzaniem wsadowym i wnioskowaniem międzyregionalnym w endpoincie runtime |
| Wpływ na koszt | Nie określono | Mniej tokenów wyjściowych, ponieważ odpowiedzi zawierają tylko pola zdefiniowane w schemacie, co może obniżyć koszt wnio |
Dlaczego to ważne?
Dla zespołów budujących zautomatyzowane procesy lub agentów AI nieprzewidywalne formatowanie JSON od dawna oznaczało dodatkowy kod parsujący, ponawianie prób i ciche błędy. Wymuszanie schematu podczas generowania, a nie weryfikowanie go po fakcie, eliminuje częstą przyczynę uszkodzonych integracji, a także może zmniejszyć liczbę tokenów wyjściowych — a tym samym koszt — przy zadaniach o dużej skali, takich jak klasyfikacja czy ekstrakcja danych.
Co to oznacza dla agentów AI i contact center?
Jeśli transkrypcje rozmów, dane zgłoszeń lub pola CRM są przetwarzane przez Claude w Bedrock, strukturyzowane odpowiedzi mogą wyeliminować część kodu walidującego i zmniejszyć liczbę nieudanych wywołań narzędzi w wieloetapowych przepływach agentów głosowych; warto porównać to z obecną logiką parsowania/ponawiania pod kątem niezawodności i opóźnień, zwłaszcza przy przetwarzaniu wsadowym lub strumieniowym w czasie rzeczywistym.
🧪 Warte przetestowania
Przetestowanie strict tool use i formatu JSON Schema może pokazać, czy spada liczba błędów wywołań narzędzi i niepoprawnie sformatowanych odpowiedzi w agentowych przepływach obsługi połączeń — ma to bezpośredni wpływ na niezawodność automatyzacji i koszt integracji.
Structured Outputs & Strict Tool Use for Claude on Bedrock· Nowa
Źródła
- AWS Machine LearningOficjalneŹródło pierwotneOryginalny artykuł →„Structured outputs for Anthropic Claude models on Amazon Bedrock“20 paź 2026, 02:32
- Data publikacji źródła
- 20 paź 2026, 02:32
- Znalezione przez nasz system
- 20 paź 2026, 02:43
- Podsumowanie wygenerowano
- 20 paź 2026, 02:46
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność