# Kimi Code CLI ajoute un fournisseur natif Amazon Bedrock

Published 2026-11-20 · AI.info Team · AI.info

> Kimi Code CLI v2.7.0 peut utiliser des identifiants AWS standard pour connecter son agent de programmation aux modèles Amazon Bedrock. Le nouveau fournisseur génère des jetons bearer à courte durée de vie, au lieu d’exiger des utilisateurs qu’ils gèrent une clé API Bedrock distincte.

Les utilisateurs de Kimi Code CLI peuvent désormais connecter l’agent de programmation aux modèles [Amazon](https://aws.amazon.com/blogs/machine-learning/use-kimi-code-cli-with-models-on-amazon-bedrock/) Bedrock à l’aide d’identifiants AWS standard, au lieu de gérer une clé API Bedrock distincte. AWS a décrit ce changement dans une publication du 19 novembre détaillant le fournisseur Bedrock natif de Kimi Code CLI v2.7.0 de Moonshot AI.

L’agent est open source et pouvait auparavant accéder aux modèles Bedrock par l’intermédiaire d’un fournisseur générique configuré avec une clé API Bedrock. Le nouveau fournisseur peut utiliser les flux d’authentification AWS existants, notamment les profils nommés et l’authentification unique.

## Comment l’authentification change

Le fournisseur utilise par défaut la chaîne d’identifiants AWS, sauf si une clé API Bedrock est configurée. Il utilise un package de génération de jetons pour créer une clé API Bedrock de courte durée et la renouveler si nécessaire : les utilisateurs n’ont donc pas besoin d’inscrire une clé d’accès AWS ou une clé Bedrock générée manuellement dans le fichier de configuration de Kimi Code.

Les clés générées restent valides jusqu’à 12 heures ou pendant la durée de la session AWS, selon la durée la plus courte. Une clé API Bedrock explicitement fournie dans la configuration a priorité sur le recours à la chaîne d’identifiants.

Le fournisseur déduit également le format d’API et le point de terminaison régional à partir de l’identifiant du modèle, mais les utilisateurs peuvent les remplacer. Pour les modèles Kimi, le chemin déduit utilise l’API Chat Completions compatible avec OpenAI.

AWS recommande d’utiliser des identifiants de courte durée plutôt que des identifiants de longue durée et précise que les utilisateurs restent responsables de la protection de leurs identifiants AWS et de la définition d’autorisations appropriées. Les requêtes nécessitent toujours une authentification, une autorisation, un accès au modèle et une connectivité réseau valides.

## Détails sur les modèles et les coûts

AWS utilise Kimi K3.1 Pro Highspeed pour illustrer la connexion. Le modèle prend en charge le streaming, le raisonnement configurable, les entrées d’images et l’appel d’outils côté client ; la CLI peut diffuser les réponses et utiliser l’appel d’outils pendant les tâches de programmation.

L’exemple utilise le profil d’inférence global *global.moonshotai.kimi-k3.1*, tandis que la région AWS détermine quel point de terminaison régional reçoit une requête. La configuration d’exemple déclare une fenêtre de contexte d’un million de jetons et énumère explicitement les capacités de raisonnement, d’entrée d’images et d’utilisation d’outils.

Bedrock facture l’inférence en fonction du nombre de jetons. Le guide utilise l’inférence interrégionale globale pour le modèle de l’exemple et nécessite un compte ayant accès au modèle et au profil d’inférence dans une région source prise en charge.

## Prérequis de configuration

Le guide nécessite Kimi Code CLI v2.7.0 ou une version ultérieure, ainsi qu’une identité AWS autorisée à invoquer le modèle cible et le profil d’inférence. La CLI AWS est nécessaire pour les commandes de configuration du profil et de vérification de l’identité présentées dans la publication ; son flux de connexion facultatif avec des identifiants de console nécessite la version 2.32.0 ou une version ultérieure de la CLI AWS.

La politique d’exemple accorde des autorisations pour le modèle Kimi indiqué et le profil d’inférence global. Une région définie dans un profil de la CLI AWS s’applique aux commandes de la CLI AWS, mais la région doit tout de même être définie explicitement pour Kimi Code.

Kimi Code ne détecte pas non plus automatiquement les capacités de la plupart des modèles Bedrock, y compris les modèles Kimi ; l’exemple les déclare dans ce fichier.

## Sources

1. Source originale · Billet de blog [Amazon Web Services](https://aws.amazon.com/blogs/machine-learning/use-kimi-code-cli-with-models-on-amazon-bedrock/) aws.amazon.com

## Entreprises citées

- [Amazon](https://ai.info/fr/companies/amazon)
- [Amazon Web Services](https://ai.info/fr/companies/amazon-web-services)

## Articles liés

- [Dynatrace étend l’observabilité aux flux de travail de Gemini Enterprise](https://ai.info/fr/news/dynatrace-gemini-enterprise-ai-observability)
- [FlashInfer sur ROCm achemine automatiquement les noyaux GPU d’AMD](https://ai.info/fr/news/flashinfer-rocm-automatic-kernel-routing-amd-gpus)
- [Google déploie sur Mac la fonction d’utilisation de l’ordinateur de Gemini pour les abonnés à ses offres d’IA](https://ai.info/fr/news/google-gemini-computer-use-mac-rollout)
- [NVIDIA ajoute le réordonnancement des paquets à la bibliothèque d’acquisition de données DAQIRI](https://ai.info/fr/news/nvidia-daqiri-gpu-native-data-acquisition)
- [NVIDIA met à jour les décodeurs GGUF de Nemotron 3.5 Transcribe](https://ai.info/fr/news/nvidia-nemotron-35-transcribe-gguf-decoders)

## Explorer

[Autres articles](https://ai.info/fr/news)

---

Canonical: https://ai.info/fr/news/kimi-code-cli-native-amazon-bedrock-provider
