Pular para o conteúdo principal
Última atualização em

Portal AI Unity para agentes e LLMs

info

Beta

Esta página aborda o novo Gateway AI (visível na barra de navegação à esquerda da interface do usuário), que está atualmente em versão Beta. Os administradores da conta podem habilitar o acesso a este recurso na página de pré-visualizações do console account . Veja as prévias do Gerenciador Databricks.

Para obter detalhes sobre a versão anterior do Unity AI Gateway, consulte Unity AI Gateway para endpoint de serviço.

nota

O Unity AI Gateway não é compatível com o AWS GovCloud ou o Azure Government.

O que é o Unity AI Gateway?​

O Unity AI Gateway é o plano de controle empresarial para governar endpoints, agentes e ferramentas de codificação LLM . Utilize-o para analisar o uso, configurar permissões e gerenciar a capacidade entre provedores.

Com o Unity AI Gateway, você pode:

  • Analise como os LLMs, os agentes e as ferramentas de codificação são utilizados na sua organização.
  • Gerencie o acesso a modelos hospedados no Databricks e modelos externos.
  • Registrar o tráfego LLM em todos os endpoints para Unity Catalog
  • Monitore a integridade do endpoint e a disponibilidade do provedor.
  • Impor limites de velocidade e mecanismos de proteção
  • Atribua custos a endpoints, usuários e equipes específicos.
  • Direcione o tráfego de forma inteligente entre provedores para garantir confiabilidade e balanceamento de carga.
  • Divida o tráfego entre vários backends de modelo para escalabilidade.
  • Troque de provedor e modelo sem alterações no código.

Visão geral do gateway de IA

Recurso suportado​

A tabela a seguir define os recursos disponíveis do Unity AI Gateway:

Recurso

Descrição

Permissões

Controle quem tem acesso ao seu endpoint.

Uso

Monitore o uso e os custos utilizando tabelas do sistema.

Tabelas de inferência

Monitorar e auditar solicitações e respostas nas tabelas Delta Unity Catalog .

Mérito operacional

Monitore o uso em tempo real.

Limites de taxa

Imponha limites de consumo no nível do endpoint, do usuário ou do grupo.

Guarda-corpos

Aplique filtragem de conteúdo, proteção de dados sensíveis e políticas personalizadas.

Atribuição de custos

Monitore os custos em um nível granular por endpoint, usuário e equipe usando tags de endpoint e de requisição.

Fallbacks

Aumente a confiabilidade encaminhando os dados para vários provedores quando ocorrerem falhas.

Divisão de tráfego

Distribua o tráfego entre vários backends de modelos para melhor escalabilidade e balanceamento de carga.

APIs personalizadas

Controle APIs personalizadas e externas com os mesmos controles de acesso, limites de taxa e registro de logs do endpoint LLM .

nota

O recurso Unity AI Gateway não gera custos durante a versão Beta.

Use o Unity AI Gateway​

Databricks fornece um endpoint Unity AI Gateway para plataformas populares de aprendizado de máquina. Você pode criar novos endpoints para controlar agentes, ferramentas de codificação e outros aplicativos.

Para começar, consulte Configurar o endpoint do Unity AI Gateway. Para consultar o endpoint, consulte Consultar o endpoint do Unity AI Gateway. Para integrar agentes de codificação como Cursor, Gemini CLI, Codex CLI e Claude Code, consulte Integrar com agentes de codificação. Para encaminhar chamadas LLM de agentes que você cria e implanta em Databricks Apps por meio do Unity AI Gateway, consulte a etapa 4. Gerencie o uso LLM de seus agentes em Databricks Apps com o Unity AI Gateway.

Início rápido de consultas​

prompt

Diga ao Genie Code (modo Agente) para fazer isso por você:

Create a new notebook that queries a :re[ai-gateway] endpoint using Python and the OpenAI client.

O exemplo a seguir mostra como consultar um endpoint do Unity AI Gateway usando Python e o cliente OpenAI:

Python
from openai import OpenAI
import os

# To get a Databricks token, see https://docs.databricks.com/dev-tools/auth/pat
DATABRICKS_TOKEN = os.environ.get('DATABRICKS_TOKEN')

client = OpenAI(
    api_key=DATABRICKS_TOKEN,
    base_url="https://<workspace-url>/ai-gateway/mlflow/v1"
)

chat_completion = client.chat.completions.create(
    messages=[
        {"role": "user", "content": "Hello!"},
        {"role": "assistant", "content": "Hello! How can I assist you today?"},
        {"role": "user", "content": "What is Databricks?"},
    ],
    model="databricks-gpt-5-2",
    max_tokens=256
)

print(chat_completion.choices[0].message.content)

Substitua <workspace-url> pela URL do seu workspace Databricks .

Próximos passos​

Nesta página