Guia de introdução ao Unity Gateway

Envie sua primeira solicitação por meio do Unity Gateway para o endpoint compatível com OpenAI.

Requisitos

• A Databricks workspace in a Unity Gateway supported region.
• Para se autenticar com o OAuth, instale a CLI do Databricks. Como alternativa, use um access token pessoal, que não requer a CLI do Databricks.

Autenticar

Para começar, use um access token pessoal. O OAuth é recomendado para casos de uso de produção. Defina DATABRICKS_TOKEN como o token para o seu workspace.

Personal access token

Exportar um access token:

Bash

export DATABRICKS_TOKEN=<your-personal-access-token>

OAuth

Substitua <workspace-url> pela sua URL do workspace do Databricks. Em seguida, faça o log in com a CLI do Databricks e exporte um token OAuth de curta duração:

Bash

databricks auth login --host https://<workspace-url>
export DATABRICKS_TOKEN=$(databricks auth token --host https://<workspace-url> | jq -r .access_token)

Escolha um modelo

O Databricks fornece modelos prontos para uso que você pode procurar na interface do usuário no esquema system.ai ou consultar a lista completa de modelos compatíveis aqui.

Este início rápido usa system.ai.gpt-5-2. Para consultar um modelo diferente, substitua pelo seu nome totalmente qualificado.

Envie sua solicitação

Substitua <workspace-url> por sua URL do workspace do Databricks.

Bash

Bash

curl https://<workspace-url>/ai-gateway/mlflow/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DATABRICKS_TOKEN" \
  -d '{
    "model": "system.ai.gpt-5-2",
    "max_output_tokens": 256,
    "input": [
      {
        "role": "user",
        "content": [{"type": "input_text", "text": "Hello!"}]
      },
      {
        "role": "assistant",
        "content": [{"type": "output_text", "text": "Hello! How can I assist you today?"}]
      },
      {
        "role": "user",
        "content": [{"type": "input_text", "text": "What is Databricks?"}]
      }
    ]
  }'

Python

Python

from openai import OpenAI
import os

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

response = client.responses.create(
  model="system.ai.gpt-5-2",
  max_output_tokens=256,
  input=[
    {"role": "user", "content": [{"type": "input_text", "text": "Hello!"}]},
    {"role": "assistant", "content": [{"type": "output_text", "text": "Hello! How can I assist you today?"}]},
    {"role": "user", "content": [{"type": "input_text", "text": "What is Databricks?"}]},
  ],
)

print(response.output)

TypeScript

TypeScript

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.DATABRICKS_TOKEN,
  baseURL: 'https://<workspace-url>/ai-gateway/mlflow/v1',
});

const response = await client.responses.create({
  model: 'system.ai.gpt-5-2',
  max_output_tokens: 256,
  input: [
    { role: 'user', content: [{ type: 'input_text', text: 'Hello!' }] },
    { role: 'assistant', content: [{ type: 'output_text', text: 'Hello! How can I assist you today?' }] },
    { role: 'user', content: [{ type: 'input_text', text: 'What is Databricks?' }] },
  ],
});

console.log(response.output);

Ver sua solicitação

Abra o modelo que você query (system.ai.gpt-5-2) no Catalog Explorer e selecione a Métricas tab para ver a request que você acabou de enviar no histórico de uso, juntamente com o uso de tokens e a latência. Consulte observabilidade do Unity Gateway.

Passos seguintes

• query modelos básicos e de incorporação
• Endpoints de modelos personalizados
• Observabilidade do Unity Gateway