Skip to main content
在 GitHub 上打开

Portkey

Portkey 是 AI 应用程序的控制面板。凭借其广受欢迎的 AI Gateway 和 Observability Suite，数百个团队交付了可靠、经济高效且快速的应用程序。

Langchain 的 LLMOps

Portkey 为 Langchain 带来了生产准备。使用 Portkey，您可以

  • 通过统一的 API 连接到 150+ 模型，
  • 查看所有请求的42+指标和日志，
  • 启用语义缓存以减少延迟和成本，
  • 对失败的请求实施自动重试和回退，
  • 向请求添加自定义标签，以便更好地跟踪和分析等。

快速入门 - Portkey & Langchain

由于 Portkey 与 OpenAI 签名完全兼容，因此您可以通过ChatOpenAI接口。

  • 将base_url如PORTKEY_GATEWAY_URL
  • 加default_headers使用 Portkey 所需的 headers，使用createHeadershelper 方法。

首先，请在此处注册以获取您的 Portkey API 密钥。（单击左下角的配置文件图标，然后单击“复制 API 密钥”）或在您自己的环境中部署开源 AI 网关。

接下来，安装 Portkey SDK

pip install -U portkey_ai

我们现在可以通过更新ChatOpenAILangchain 中的 model

from langchain_openai import ChatOpenAI
from portkey_ai import createHeaders, PORTKEY_GATEWAY_URL

PORTKEY_API_KEY = "..." # Not needed when hosting your own gateway
PROVIDER_API_KEY = "..." # Add the API key of the AI provider being used 

portkey_headers = createHeaders(api_key=PORTKEY_API_KEY,provider="openai")

llm = ChatOpenAI(api_key=PROVIDER_API_KEY, base_url=PORTKEY_GATEWAY_URL, default_headers=portkey_headers)

llm.invoke("What is the meaning of life, universe and everything?")
API 参考：ChatOpenAI

请求通过 Portkey AI Gateway 路由到指定的provider.Portkey 还将开始记录您帐户中的所有请求，这使得调试变得非常简单。

View logs from Langchain in Portkey

通过 AI 网关使用 150+ 模型

当您能够使用上述代码片段与通过 AI 网关支持的 20+ 提供商的 150+ 模型连接时，AI 网关的强大功能就来了。

让我们修改上面的代码，以调用 Anthropic 的claude-3-opus-20240229型。

Portkey 支持虚拟密钥，这是一种在安全保险库中存储和管理 API 密钥的简单方法。让我们尝试使用 Virtual Key 进行 LLM 调用。您可以导航到 Portkey 中的 Virtual Keys 选项卡，然后为 Anthropic 创建一个新密钥。

这virtual_key参数设置正在使用的 AI 提供程序的身份验证和提供程序。在本例中，我们使用的是 Anthropic Virtual 密钥。

请注意，api_key可以留空，因为不会使用该身份验证。

from langchain_openai import ChatOpenAI
from portkey_ai import createHeaders, PORTKEY_GATEWAY_URL

PORTKEY_API_KEY = "..."
VIRTUAL_KEY = "..." # Anthropic's virtual key we copied above

portkey_headers = createHeaders(api_key=PORTKEY_API_KEY,virtual_key=VIRTUAL_KEY)

llm = ChatOpenAI(api_key="X", base_url=PORTKEY_GATEWAY_URL, default_headers=portkey_headers, model="claude-3-opus-20240229")

llm.invoke("What is the meaning of life, universe and everything?")
API 参考：ChatOpenAI

Portkey AI 网关将对 Anthropic 的 API 请求进行身份验证，并以 OpenAI 格式返回响应供您使用。

AI 网关扩展了 Langchain 的ChatOpenAI类，使其成为调用任何提供程序和任何模型的单个接口。

高级路由 - 负载均衡、回退、重试

Portkey AI 网关通过配置优先的方法为 Langchain 带来了负载均衡、回退、实验和金丝雀测试等功能。

让我们举一个例子，我们可能希望在gpt-4和claude-opus50：50 来测试两个大型模型。此网关配置如下所示：

config = {
    "strategy": {
         "mode": "loadbalance"
    },
    "targets": [{
        "virtual_key": "openai-25654", # OpenAI's virtual key
        "override_params": {"model": "gpt4"},
        "weight": 0.5
    }, {
        "virtual_key": "anthropic-25654", # Anthropic's virtual key
        "override_params": {"model": "claude-3-opus-20240229"},
        "weight": 0.5
    }]
}

然后，我们可以在从 langchain 发出的请求中使用此配置。

portkey_headers = createHeaders(
    api_key=PORTKEY_API_KEY,
    config=config
)

llm = ChatOpenAI(api_key="X", base_url=PORTKEY_GATEWAY_URL, default_headers=portkey_headers)

llm.invoke("What is the meaning of life, universe and everything?")

调用 LLM 时，Portkey 会将请求分发到gpt-4和claude-3-opus-20240229以定义的权重的比率。

您可以在此处找到更多配置示例。

追踪链和代理

Portkey 的 Langchain 集成让您可以全面了解代理的运行情况。让我们以一个流行的代理工作流为例。

我们只需要修改ChatOpenAI类来使用 AI 网关，如上所述。

from langchain import hub  
from langchain.agents import AgentExecutor, create_openai_tools_agent  
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from portkey_ai import PORTKEY_GATEWAY_URL, createHeaders
 
prompt = hub.pull("hwchase17/openai-tools-agent")

portkey_headers = createHeaders(
    api_key=PORTKEY_API_KEY,
    virtual_key=OPENAI_VIRTUAL_KEY,
    trace_id="uuid-uuid-uuid-uuid"
)

@tool
def multiply(first_int: int, second_int: int) -> int:
    """Multiply two integers together."""
    return first_int * second_int
  
  
@tool  
def exponentiate(base: int, exponent: int) -> int:  
    "Exponentiate the base to the exponent power."  
    return base**exponent  
  
  
tools = [multiply, exponentiate]

model = ChatOpenAI(api_key="X", base_url=PORTKEY_GATEWAY_URL, default_headers=portkey_headers, temperature=0)
  
# Construct the OpenAI Tools agent  
agent = create_openai_tools_agent(model, tools, prompt)

# Create an agent executor by passing in the agent and tools
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

agent_executor.invoke({
    "input": "Take 3 to the fifth power and multiply that by thirty six, then square the result"
})

您可以在 Portkey 控制面板上查看请求的日志以及跟踪 ID： Langchain Agent Logs on Portkey

其他文档可在此处获得：

您可以在此处查看我们广受欢迎的开源 AI 网关 - https://github.com/portkey-ai/gateway

有关每个功能及其使用方法的详细信息，请参阅 Portkey 文档。如果您有任何问题或需要进一步的帮助，请在 Twitter 上与我们联系。或我们的支持电子邮件。