Snelstartgids voor Unity Gateway

Stuur je eerste verzoek via Unity Gateway naar het OpenAI-compatibele eindpunt.

Requirements

Authenticate

Om te beginnen gebruik je een persoonlijke toegangstoken. OAuth wordt aanbevolen voor productietoepassingen. Stel het token DATABRICKS_TOKEN in voor je werkruimte.

Persoonlijke toegangstoken

Exporteer een persoonlijke toegangstoken:

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

OAuth

Vervang <workspace-url> door de URL van je Azure Databricks-werkruimte. Log vervolgens in met de Azure Databricks CLI en exporteer een kortstondige OAuth-token:

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

Kies een model

Azure Databricks biedt kant-en-klare modellen die je kunt bekijken in de UI onder het system.ai schema, of de volledige lijst met ondersteunde modellen hier kunt bekijken.

In deze quickstart wordt gebruikgemaakt van system.ai.gpt-5-2. Om een query op een ander model uit te voeren, vervang je dit door de volledig gekwalificeerde naam ervan.

Stuur je verzoek in

Vervang <workspace-url> door de URL van je Azure Databricks-werkruimte.

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);

Zie uw verzoek

Open het model dat je hebt geraadpleegd (system.ai.gpt-5-2) in Catalog Explorer en selecteer het tabblad Metrics om het verzoek dat je zojuist hebt gestuurd in de gebruiksgeschiedenis te zien, samen met het tokengebruik en de latentie. Zie Unity Gateway observabiliteit.

Volgende stappen 

  • Laatst bijgewerkt om