如何用 Claude AWS配合阿里云函数计算搭建AI应用

很多企业的核心业务跑在阿里云上，但遇到复杂的 AI 推理任务时，又眼馋 AWS Bedrock 上的 Claude 模型。

“业务在阿里云，AI 在 AWS”，这种跨云调用怎么做最优雅？最推荐的方案是：用阿里云函数计算（FC）做一层 Serverless 代理网关。

为什么用函数计算（FC）做代理？

1. 隐藏凭证：AWS 的 AK/SK 绝对不能放在前端。放在 FC 里，结合阿里云 KMS 或环境变量，安全性极高。
2. 弹性抗并发：FC 毫秒级冷启动，按调用次数计费。前端流量再大，FC 也能瞬间弹起足够的实例去请求 Bedrock。
3. 网络连通性好：阿里云后端节点请求 AWS API 的网络质量，远比客户端直连要稳定。

架构设计

用户请求 -> 阿里云 API 网关 -> 函数计算 FC (Python) -> AWS Bedrock API

核心实现步骤

1. AWS 侧准备

在 AWS 控制台开通 Bedrock 中 Claude 模型的访问权限。
在 IAM 中创建一个只具备 bedrock:InvokeModel 权限的子用户，拿到 Access Key 和 Secret Key。

2. 阿里云 FC 侧配置

在阿里云函数计算控制台，新建一个 Python 运行环境的函数。
在函数的“环境变量”中，配置好 AWS 的凭证：

• AWS_ACCESS_KEY_ID
• AWS_SECRET_ACCESS_KEY
• AWS_REGION (如 us-east-1)

3. 编写 FC 处理代码

在 FC 的代码编辑器中，填入以下逻辑（需在层或依赖中安装 boto3）：

import json
import boto3
import os

def handler(event, context):
    # 解析前端传来的请求
    evt = json.loads(event)
    user_prompt = evt.get("prompt", "你好")

    # 初始化 Bedrock 客户端（自动读取环境变量中的凭证）
    bedrock = boto3.client(
        service_name='bedrock-runtime',
        region_name=os.environ.get('AWS_REGION', 'us-east-1')
    )

    try:
        # 调用 Claude Sonnet 4.6 模型
        response = bedrock.converse(
            modelId='us.anthropic.claude-sonnet-4-6-v1',  # 以AWS控制台最新模型ID为准
            messages=[{
   "role": "user", "content": [{
   "text": user_prompt}]}]
        )

        reply_text = response['output']['message']['content'][0]['text']

        return {
   
            "statusCode": 200,
            "body": json.dumps({
   "reply": reply_text}, ensure_ascii=False)
        }

    except Exception as e:
        return {
   
            "statusCode": 500,
            "body": json.dumps({
   "error": str(e)})
        }

性能与延迟评估

实测下来，从阿里云函数计算发起请求到 AWS Bedrock 响应，网络层的额外延迟通常在百毫秒级别。对于非流式的文本生成、数据提取等后台任务，这个延迟完全可以接受。

通过这种轻量级的跨云架构，你可以完美享受到阿里云的基础设施红利，同时白嫖到 AWS 顶级的 AI 模型能力。