Connect Pi

Utilisez Pi avec des modèles et des compétences via Unity Gateway. L’interface de ligne de commande Unity Gateway (ug) gère la connexion à l’espace de travail et sa configuration, ou vous pouvez configurer la connexion manuellement. Pi ne dispose pas de client MCP intégré, donc les outils MCP nécessitent une extension Pi séparée.

Prerequisites

Vous avez besoin de l’URL de votre espace de travail Azure Databricks et de l’accès aux modèles et compétences que vous souhaitez utiliser. Pour une configuration manuelle, installez Pi et ayez un token d’accès personnel Azure Databricks.

Pour une configuration manuelle, remplacez-le <workspace-hostname> par votre nom d’hôte de l’espace de travail Azure Databricks et <databricks-pat> par votre jeton. Utilisez les noms complets des modèles disponibles dans votre espace de travail, et fusionnez les entrées de configuration dans des fichiers existants, en conservant des paramètres sans lien.

Si votre administrateur a déjà configuré votre appareil, suivez les instructions de configuration de votre organisation.

Utilisez l’interface en ligne de commande Unity Gateway

Installez ug, puis exécutez cette commande depuis le répertoire de votre projet :

ug pi

Sélectionnez votre espace de travail et connectez-vous quand on vous le demande. La commande lance Pi avec vos modèles de gateway configurés. Commencez à coder, ou entrez /model pour choisir un autre modèle configuré.

Configurez les modèles manuellement

Installez Pi, puis fusionnez cette configuration dans ~/.pi/agent/models.json:

{
  "providers": {
    "databricks-claude": {
      "baseUrl": "https://<workspace-hostname>/ai-gateway/anthropic",
      "api": "anthropic-messages",
      "apiKey": "<databricks-pat>",
      "authHeader": true,
      "compat": {
        "supportsEagerToolInputStreaming": false
      },
      "models": [{ "id": "system.ai.claude-sonnet-4-6" }]
    }
  }
}

Commencez pi et sélectionnez le modèle avec /model. Gardez supportsEagerToolInputStreaming: false pour les modèles Claude via la passerelle.

Pour d’autres familles de modèles, ajoutez un fournisseur avec l’API et l’URL de base correspondantes. Utilisez les mêmes apiKey champs et authHeader listez les identifiants de modèles disponibles :

Modèles api baseUrl
GPT openai-responses https://<workspace-hostname>/ai-gateway/codex/v1
Gemini google-generative-ai https://<workspace-hostname>/ai-gateway/gemini/v1beta

Voir la documentation de configuration du modèle Pi.

Ajouter des compétences

Utilisez l’interface en ligne de commande Unity Gateway

Téléchargez les compétences publiées :

ug skills add

Choisissez vos compétences, puis relancez Pi. Il lit les téléchargements depuis ~/.agents/skills/. Demandez à Pi d’utiliser une compétence ou d’appeler /skill:<name>, en utilisant le nom figurant dans son SKILL.md.

Configurez les compétences manuellement

Si vous avez déjà ces fichiers, placez chaque dossier de compétence complet dans ~/.agents/skills/ ou le .pi/skills/ de votre projet. Consultez la documentation des compétences de Pi.

Prise en charge de MCP

Pi ne dispose pas de client MCP intégré et ug mcp add ne prend pas en charge Pi. Utilisez les compétences téléchargées ; Les services MCP et le registre de compétences nécessitent une extension Pi séparée. Voir la documentation d’extension de Pi.

Les compétences de la passerelle Unity sont en bêta. Voir Compétences de gouvernance pour l’habilitation et les autorisations.

Résolution des problèmes

Une requête de modèle échoue : Vérifiez l’URL de la passerelle, l’expiration du jeton, le nom du modèle et les permissions.

Une compétence téléchargée est manquante : Vérifiez que son dossier complet contient SKILL.md dans un répertoire pris en charge. Relancez ug skills add avec les mêmes options pour rafraîchir les compétences téléchargées.

Pour les problèmes de connexion ou ug de configuration d’espace de travail, exécutez ug doctor.

Étapes suivantes

  • Dernière mise à jour :