Avvio rapido di Unity Gateway

Invia la tua prima richiesta tramite Unity Gateway tramite l'endpoint compatibile OpenAI.

Requisiti

Authenticate

Per iniziare, usa un token di accesso personale. OAuth è consigliato per casi d'uso in produzione. Imposta DATABRICKS_TOKEN sul token per il tuo spazio di lavoro.

Token di accesso personale

Esporta un token di accesso personale:

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

OAuth

Sostituisci <workspace-url> con l'URL del tuo workspace di Azure Databricks. Poi accedi con la CLI di Azure Databricks ed esporta un token OAuth di breve durata:

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

Scegli un modello

Azure Databricks offre modelli pronti all'uso che puoi consultare nell'interfaccia utente sotto lo system.ai schema, oppure vedere qui l'elenco completo dei modelli supportati.

Questa guida introduttiva usa system.ai.gpt-5-2. Per interrogare un modello diverso, sostituiscilo con il relativo nome completo qualificato.

Invia la tua richiesta

Sostituisci <workspace-url> con l'URL del tuo workspace di Azure Databricks.

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

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

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);

Visualizza la tua richiesta

Apri il modello che hai consultato (system.ai.gpt-5-2) in Catalog Explorer e seleziona la scheda Metriche per vedere la richiesta appena inviata nella cronologia di utilizzo, insieme all'uso dei token e alla latenza. Vedi osservabilità del Gateway Unity.

Passaggi successivi

  • Ultimo aggiornamento: