AI-Gateway

AI-Gateway 项目介绍

项目简介

AI-Gateway 项目旨在通过一系列实验性实验室探索“AI Gateway”模式。此项目主要围绕 Azure API 管理的 GenAI Gateway 功能，对 AI 服务 API 进行管理，包括安全性、可靠性、性能和成本控制等方面，并提供整体运营效率支持。

项目重点考虑的对象包括 Azure OpenAI，这为大规模语言模型（LLM）树立了标准参考。然而，这种核心原则和设计模式同样可以应用于任何 LLM。

新功能

AI-Gateway 添加了多个新功能以增强实验室配置的灵活性：

• 内容过滤和提示屏蔽实验室。
• 模型路由实验室，基于 OpenAI 模型的路由。
• 利用 Azure AI Studio 的提示流实验室，与 Azure API 管理一起使用。
• 后端池负载平衡实验室中增加了priority和weight参数。
• 流式处理工具，用于测试 OpenAI 与 Azure API 管理的流式处理。
• 追踪工具，利用 Azure API 管理追踪能力进行 API 调试和问题解决。
• 图像处理加入到 GPT-4o 推理实验室中。
• 函数调用实验室，带有 Azure 函数上的示例 API。

实验室

AI-Gateway 实验室利用 Jupyter Notebook 制作，以 Python 脚本、Bicep 文件和 Azure API 管理策略为基础的步骤指导进行实验，紧跟 AI 领域的快速进展。

• 后端池负载平衡：试用 Azure API 管理内置的负载平衡功能。
• 访问控制：利用身份提供者进行更精细的访问控制。
• 响应流式传输：探索响应流式传输的优缺点。
• 内置日志记录：使用 Azure API 管理内置日志功能跟踪请求。
• 模型推理：针对新的多模态模型 GPT-4o 进行试验。

起步指南

为便于新用户快速上手，项目包含详细的起步指南和先决条件说明。主要步骤包括：

1. 克隆项目代码，并配置本地环境。
2. 选择合适的实验室并运行。
3. 根据需要自定义实验。

工具和框架

该项目附带一些便捷工具，比如 AI-Gateway Mock 服务器，用于模拟 OpenAI API 的行为，还有追踪和流媒体处理工具。

项目按 Azure Well-Architected Framework 框架设计，可优化使用者的负载质量，通过实验提升整体架构质量。

其他资源

项目提供了其他多种资源和参考架构，实现更加全面的解决方案。包括 AI Hub Gateway 着陆区、GenAI Gateway 指南等。用户可根据自身需求，利用这些资源来丰富项目实践。