Modules
		gen_ai_hub.proxy.langchain.amazon gen_ai_hub.proxy.langchain.google_genai gen_ai_hub.proxy.langchain.openai

Classes
		enum.Enum(builtins.object) ModelType   class ModelType(enum.Enum)     ModelType(value, names=None, *, module=None, qualname=None, type=None, start=1)   An enumeration.     Method resolution order: ModelType enum.Enum builtins.object Data and other attributes defined here: EMBEDDINGS = <ModelType.EMBEDDINGS: 2> LLM = <ModelType.LLM: 1> Data descriptors inherited from enum.Enum: name The name of the Enum member. value The value of the Enum member. Readonly properties inherited from enum.EnumMeta: __members__ Returns a mapping of member name->value.   This mapping lists all enum members, including aliases. Note that this is a read-only view of the internal mapping.

Functions
		default_f_select_deployment(proxy_client: 'BaseProxyClient', **model_identification_kwargs: 'Dict[str, str]') -> 'BaseDeployment' Default function to select a deployment based on model identification kwargs.   :param proxy_client: The proxy client to use for selecting the deployment :type proxy_client: BaseProxyClient :return: The selected deployment :rtype: BaseDeployment handle_model_args_kwargs(proxy_client, args: 'List[Any]', kwargs: 'Dict[str, Any]') Handles model identification arguments and keyword arguments.   :param proxy_client: the proxy client to use for model identification :type proxy_client: _type_ :param args: list of positional arguments :type args: List[Any] :param kwargs: dictionary of keyword arguments :type kwargs: Dict[str, Any] :raises ValueError: if no model identification argument is provided :return: A tuple containing the model name, model identification kwargs, and remaining kwargs :rtype: Tuple[str, Dict[str, str], Dict[str, Any]] init_embedding_model(*args, proxy_client: 'Optional[BaseProxyClient]' = None, init_func: 'Optional[Callable]' = None, model_id: 'Optional[str]' = '', **kwargs) -> 'Embeddings' Initializes an embedding model using the specified parameters.   :param proxy_client: The proxy client to use for the model (optional) :type proxy_client: BaseProxyClient :param init_func: Function to call for initializing the model, optional :type init_func: Callable :param model_id: id of the Amazon Bedrock model, needed in case a custom Amazon Bedrock model is being                  initiated (optional) :type model_id: str :return: The initialized embedding model :rtype: Embeddings init_llm(*args, proxy_client: 'Optional[BaseProxyClient]' = None, temperature: 'float' = 0.0, max_tokens: 'int' = 256, top_k: 'Optional[int]' = None, top_p: 'float' = 1.0, init_func: 'Optional[Callable]' = None, model_id: 'Optional[str]' = '', **kwargs) -> 'BaseLanguageModel' Initializes a language model using the specified parameters.   :param proxy_client: The proxy client to use for the model (optional) :type proxy_client: ProxyClient :param temperature: The temperature parameter for model generation (default: 0.0) :type temperature: float :param max_tokens: The maximum number of tokens to generate (default: 256) :type max_tokens: int :param top_k: The top-k parameter for model generation (optional) :type top_k: int :param top_p: The top-p parameter for model generation (default: 1.0) :type top_p: float :param init_func: Function to call for initializing the model, optional :type init_func: Callable :param model_id: id of the Amazon Bedrock model, needed in case a custom Amazon Bedrock model is being                  initiated (optional) :type model_id: str :return: The initialized language model :rtype: BaseLanguageModel

Data
		Any = typing.Any Callable = typing.Callable Dict = typing.Dict List = typing.List Optional = typing.Optional Union = typing.Union annotations = _Feature((3, 7, 0, 'beta', 1), (3, 11, 0, 'alpha', 0), 16777216)