Pular para o conteúdo principal
Última atualização em

Integre com agentes de codificação

info

Beta

Este recurso está em versão Beta. Os administradores da conta podem controlar o acesso a este recurso na página de pré-visualizações do console account . Veja as prévias do Gerenciador Databricks.

Com a integração do agente de codificação do Databricks, você pode gerenciar o acesso e o uso de agentes de codificação como Cursor, Gemini CLI e Codex CLI. Construído sobre o Unity AI Gateway, ele fornece limitação de taxa, acompanhamento de uso e tabelas de inferência para suas ferramentas de codificação.

recurso​

  • Acesso : Acesso direto a diversas ferramentas e modelos de codificação, tudo em uma única fatura.
  • Observabilidade : Um painel único e unificado para monitorar o uso, os gastos e as métricas em todas as suas ferramentas de programação.
  • Governança unificada : os administradores podem gerenciar permissões de modelo e limites de taxa diretamente pelo Unity AI Gateway.

Requisitos​

Agentes apoiados​

Os seguintes agentes de codificação são suportados, além de outras integrações listadas na interface do usuário do AI Gateway:

Configurar​

Cursor​

Para configurar o Cursor para usar o endpoint do Unity AI Gateway:

Passo 1: Configurar URL base e key API

  1. Abra o Cursor e navegue até Configurações > Configurações do Cursor > Modelos > ChaveAPI .

  2. Ative a opção "Substituir URL base do OpenAI" e insira o URL:

    https://<ai-gateway-url>/cursor/v1

    Substitua <ai-gateway-url> pela URL do endpoint do Unity AI Gateway.

  3. Cole seu access token pessoal Databricks no campo da chave API OpenAI .

o passo 2: Adicionar modelos personalizados

  1. Clique em + Adicionar modelo personalizado nas configurações do cursor.
  2. Adicione o nome do endpoint do seu Unity AI Gateway e ative a opção.
nota

Atualmente, apenas os endpoints do modelo de base criados Databrickssão suportados.

o passo 3: Teste a integração

  1. Abra o modo Ask com Cmd+L (macOS) ou Ctrl+L (Windows/Linux) e selecione seu modelo.
  2. Enviar uma mensagem. Todas as solicitações agora são encaminhadas pelo Databricks.

Codex CLI​

Passo 1: Instale ou atualize CLIdo Codex

Instale ou atualize para a versão 0.118 ou posterior do Codex CLI:

Bash
npm install -g @openai/codex@latest

o passo 2: Criar ou atualizar o arquivo de configuração do Codex

Crie ou edite o arquivo de configuração do Codex em ~/.codex/config.toml:

Toml
profile = "default"

[profiles.default]
model_provider = "Databricks"

[model_providers.Databricks]
name = "Databricks :re[ai-gateway]"
base_url = "<ai-gateway-url>/codex/v1"
wire_api = "responses"

[model_providers.Databricks.auth]
command = "sh"
args = ["-c", "databricks auth token --host <workspace-url> --output json | jq -r '.access_token'"]
timeout_ms = 5000
refresh_interval_ms = 1800000

Substitua o seguinte:

  • <ai-gateway-url> em base_url com o URL do endpoint do Unity AI Gateway.
  • <workspace-url> no campo args com o URL do seu workspace Databricks .

o passo 3: Autentique-se no seu workspace

nota

Isso só precisa ser feito uma vez. Você não precisa se autenticar novamente toda vez que iniciar o Codex.

Primeiro, certifique-se de ter o Databricks CLI instalado. Consulte a seção Instalar ou atualizar a CLI do Databricks para obter instruções.

Em seguida, autentique-se:

Bash
databricks auth login --host <workspace-url>

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

o passo 4: começar Codex

Bash
codex

Para alterar o modelo, use /model.

Gemini CLI​

Passo 1: Instale a versão mais recente do Gemini CLI

Bash
npm install -g @google/gemini-cli@nightly

o passo 2: Configurar variável de ambiente

Crie um arquivo ~/.gemini/.env e adicione a seguinte configuração. Consulte a documentação de autenticação da CLI do Gemini para obter mais detalhes.

GEMINI_MODEL=databricks-gemini-2-5-flash
GOOGLE_GEMINI_BASE_URL=https://<ai-gateway-url>/gemini
GEMINI_API_KEY_AUTH_MECHANISM="bearer"
GEMINI_API_KEY=<databricks_pat_token>

Substitua <ai-gateway-url> pelo URL endpoint do Unity AI Gateway e <databricks_pat_token> pelo seu access token pessoal.

Painel​

Após o uso do agente de codificação ser rastreado pelo Unity AI Gateway, você pode view e monitorar suas métricas no painel de controle pronto para uso.

Para acessar o painel de controle, selecione " Exibir painel de controle" na página do AI Gateway. Isso cria um painel pré-configurado com elementos gráficos para uso de ferramentas de codificação.

botão visualizar painel de controle

Painel do agente de codificação

Configurar a coleta de dados do OpenTelemetry​

Databricks suporta a exportação de métricas e logs do OpenTelemetry de agentes de codificação para tabelas Delta Unity Catalog . Todos os métricas são dados de séries temporais exportados usando o protocolo métricas padrão do OpenTelemetry, e logs são exportados usando o protocolo logs do OpenTelemetry.

Requisitos​

o passo 1: Criar tabelas OpenTelemetry no Unity Catalog​

Crie tabelas de gerenciamento de Unity Catalog pré-configuradas com os esquemas de métricas e logs do OpenTelemetry.

Tabela de métricas

SQL
CREATE TABLE <catalog>.<schema>.<table_prefix>_otel_metrics (
  name STRING,
  description STRING,
  unit STRING,
  metric_type STRING,
  gauge STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    value: DOUBLE,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT
  >,
  sum STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    value: DOUBLE,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT,
    aggregation_temporality: STRING,
    is_monotonic: BOOLEAN
  >,
  histogram STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    bucket_counts: ARRAY<LONG>,
    explicit_bounds: ARRAY<DOUBLE>,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT,
    min: DOUBLE,
    max: DOUBLE,
    aggregation_temporality: STRING
  >,
  exponential_histogram STRUCT<
    attributes: MAP<STRING, STRING>,
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    scale: INT,
    zero_count: LONG,
    positive_bucket: STRUCT<
      offset: INT,
      bucket_counts: ARRAY<LONG>
    >,
    negative_bucket: STRUCT<
      offset: INT,
      bucket_counts: ARRAY<LONG>
    >,
    flags: INT,
    exemplars: ARRAY<STRUCT<
      time_unix_nano: LONG,
      value: DOUBLE,
      span_id: STRING,
      trace_id: STRING,
      filtered_attributes: MAP<STRING, STRING>
    >>,
    min: DOUBLE,
    max: DOUBLE,
    zero_threshold: DOUBLE,
    aggregation_temporality: STRING
  >,
  summary STRUCT<
    start_time_unix_nano: LONG,
    time_unix_nano: LONG,
    count: LONG,
    sum: DOUBLE,
    quantile_values: ARRAY<STRUCT<
      quantile: DOUBLE,
      value: DOUBLE
    >>,
    attributes: MAP<STRING, STRING>,
    flags: INT
  >,
  metadata MAP<STRING, STRING>,
  resource STRUCT<
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  resource_schema_url STRING,
  instrumentation_scope STRUCT<
    name: STRING,
    version: STRING,
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  metric_schema_url STRING
) USING DELTA
TBLPROPERTIES (
  'otel.schemaVersion' = 'v1'
)

Tabela de logs

SQL
CREATE TABLE <catalog>.<schema>.<table_prefix>_otel_logs (
  event_name STRING,
  trace_id STRING,
  span_id STRING,
  time_unix_nano LONG,
  observed_time_unix_nano LONG,
  severity_number STRING,
  severity_text STRING,
  body STRING,
  attributes MAP<STRING, STRING>,
  dropped_attributes_count INT,
  flags INT,
  resource STRUCT<
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  resource_schema_url STRING,
  instrumentation_scope STRUCT<
    name: STRING,
    version: STRING,
    attributes: MAP<STRING, STRING>,
    dropped_attributes_count: INT
  >,
  log_schema_url STRING
) USING DELTA
TBLPROPERTIES (
  'otel.schemaVersion' = 'v1'
)

Passo 2: Atualize as variáveis de ambiente no seu agente de codificação​

Em qualquer agente de codificação com suporte a métricas OpenTelemetry ativado, configure a seguinte variável de ambiente.

JSON
{
  "OTEL_METRICS_EXPORTER": "otlp",
  "OTEL_EXPORTER_OTLP_METRICS_PROTOCOL": "http/protobuf",
  "OTEL_EXPORTER_OTLP_METRICS_ENDPOINT": "https://<workspace-url>/api/2.0/otel/v1/metrics",
  "OTEL_EXPORTER_OTLP_METRICS_HEADERS": "content-type=application/x-protobuf,Authorization=Bearer <databricks_pat_token>,X-Databricks-UC-Table-Name=<catalog>.<schema>.<table_prefix>_otel_metrics",
  "OTEL_METRIC_EXPORT_INTERVAL": "10000",
  "OTEL_LOGS_EXPORTER": "otlp",
  "OTEL_EXPORTER_OTLP_LOGS_PROTOCOL": "http/protobuf",
  "OTEL_EXPORTER_OTLP_LOGS_ENDPOINT": "https://<workspace-url>/api/2.0/otel/v1/logs",
  "OTEL_EXPORTER_OTLP_LOGS_HEADERS": "content-type=application/x-protobuf,Authorization=Bearer <databricks_pat_token>,X-Databricks-UC-Table-Name=<catalog>.<schema>.<table_prefix>_otel_logs",
  "OTEL_LOGS_EXPORT_INTERVAL": "5000"
}

o passo 3: execute seu agente de codificação.​

Seus dados devem ser propagados para as tabelas Unity Catalog em até 5 minutos.

Próximos passos​

On this page