與編碼代理整合

透過 Azure Databricks 編碼代理整合，你可以透過 Unity AI Gateway 中的模型服務，路由來自 Cursor、Gemini CLI 和 Codex CLI 等編碼代理的流量。此系統提供速率限制、使用追蹤及推論表，所有控制皆在模型服務、使用者或群組層級設定。

Features

存取：直接存取各種編碼工具與模型，全部集中於一張發票之下。
可觀察性：一個統一的儀表板，追蹤所有程式工具的使用、支出與指標。
統一治理：管理員可透過 Unity AI Gateway 在模型服務、使用者或群組層級管理模型權限與速率限制。

Requirements

位於Unity AI Gateway 支援區域的 Azure Databricks 工作區。
已為您的工作區啟用了 Unity Catalog。請參閱為 Unity Catalog 啟用工作區。

設定

最快的入門方式是使用 ucode，這是 Azure Databricks 提供的 CLI，可透過單一指令安裝、驗證身分，並為受支援的程式碼代理設定 Unity AI Gateway。

建議使用 ucode。

ucode （Unity AI Gateway Coding CLI）是針對 Unity AI Gateway 執行編碼代理的單一入口點。它會處理 OAuth，撰寫每個代理的設定檔，並將流量路由你註冊的任何 LLM 或 MCP 伺服器。支援代理：

要查看所有支援的編碼代理，請執行 ucode --help。

步驟 1：安裝 ucode

uv tool install git+https://github.com/databricks/ucode

需要 Python 3.12 或更新版本，且需具備 uv。

步驟二：建立編碼代理程式

執行你想要的代理程式。首次啟動時，ucode 會自動提示你輸入Azure Databricks工作區的 URL，並自動驗證並寫入代理的設定檔。後續的發射會直接交給代理人。

ucode codex      # OpenAI Codex
ucode gemini     # Gemini CLI
ucode opencode   # OpenCode
ucode copilot    # GitHub Copilot CLI
ucode pi         # Pi

ucode 將代理人名稱後的旗標傳遞給底層工具，例如：

ucode codex --full-auto

要同時配置多個編碼代理，請執行：

ucode configure

若要向支援 MCP 的代理程式註冊 Azure Databricks MCP 伺服器（Unity Catalog 函式、AI Search、SQL 倉儲，以及探索到的外部連線）：

ucode configure mcp

要查看過去 7 天的 Unity AI Gateway 使用摘要：

ucode usage

如需完整的指令參考資料，請執行：

ucode --help

Dashboard

在透過 Unity AI Gateway 追蹤程式代理使用後，你可以在內建儀表板中查看並監控你的指標。

若要開啟儀表板，請在 Unity AI Gateway 頁面的右上角按一下 Govern，然後按一下 Usage Dashboard。內建的使用情況儀表板包含一個 Coding Agents 分頁，其中提供用於顯示編碼工具使用情況的圖表。

編碼代理儀表板

手動設定

如果您偏好自行設定代理，請遵循以下說明：

Cursor IDE 開發環境
Codex CLI
Gemini CLI

游標 IDE

要設定游標以使用Unity AI Gateway中的模型服務：

步驟 1：設定基礎 URL 與 API 金鑰

打開游標並導覽到設定>、游標設定、模型>、>API 金鑰。
啟用 Override OpenAI 基礎網址 並輸入網址：
```
https://<workspace-url>/ai-gateway/cursor/v1
```
將 <workspace-url> 替換成你的 Azure Databricks 工作區網址。
將你的 Azure Databricks 個人存取權杖貼到 OpenAI API 金鑰 欄位。

步驟二：新增自訂模型

在游標設定中點擊 + 新增自訂模型 。
新增你的型號服務名稱（例如 system.ai.claude-opus-4-6），並啟用切換開關。

Note

目前僅支援 Azure Databricks 提供的模型服務。

步驟三：測試整合

開啟提問模式 Cmd+L（macOS）或 Ctrl+L（Windows/Linux），然後選擇你的型號。
傳達訊息。所有請求現在都經過 Azure Databricks 路由。

Codex CLI

步驟 1：安裝或更新 Codex CLI

安裝或更新至 Codex CLI 版本 0.118 或更新：

npm install -g @openai/codex@latest

步驟 2：建立或更新 Codex 設定檔

請於以下 ~/.codex/config.toml處建立或編輯Codex配置檔：

profile = "default"

[profiles.default]
model_provider = "Databricks"

[model_providers.Databricks]
name = "Databricks :re[ai-gateway]"
base_url = "<workspace-url>/ai-gateway/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

將 <workspace-url> 替換成你的 Azure Databricks 工作區網址。

步驟 3：驗證你的工作區

Note

這個動作只需要做一次。你不需要每次啟動 Codex 都重新認證。

首先，確保你安裝了 Azure Databricks CLI。如需指示，請參閱安裝或更新 Databricks CLI 。

然後驗證：

databricks auth login --host <workspace-url>

將 <workspace-url> 替換成你的 Azure Databricks 工作區網址。

步驟四：開始編寫法典

codex

要更改模型，請使用 /model。

Gemini CLI

步驟 1：安裝最新版本的 Gemini CLI

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

步驟 2：設定環境變數

建立一個檔案 ~/.gemini/.env 並新增以下設定。更多細節請參閱 Gemini CLI 認證文件。

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

將 <workspace-url> 換成你的 Azure Databricks workspace 網址，<databricks_pat_token> 換成你的個人存取權杖。

使用帶有編碼代理的開源模型

Azure Databricks 支援整合開放原始碼（OSS）模型，例如 glm-5-2，與編碼代理程式。

除了上述要求外，你的工作空間還必須能存取目標 OSS 模型。

OpenCode

按照 ucode中的說明設定，然後選擇 system.ai.glm-5-2 作為你的模型。

手動設定

或者，你也可以依照 OpenCode 文件中描述安裝 OpenCode，然後建立或編輯 ~/.config/opencode/opencode.json：

{
  "$schema": "https://opencode.ai/config.json",
  "model": "databricks-oss/<open source model service name>",
  "provider": {
    "databricks-oss": {
      "npm": "@ai-sdk/openai",
      "options": {
        "baseURL": "<workspace-url>/ai-gateway/mlflow/v1",
        "apiKey": "<databricks_pat_token>"
      },
      "models": {
        "<open source model service name>": {}
      }
    }
  }
}

取代下列項目：

<workspace-url> 以及你的 Azure Databricks workspace 網址。
<databricks_pat_token> 用你的個人存取權憑證。
<開放原始碼 model service name> 搭配目標 OSS 模型服務，例如 system.ai.glm-5-2。

接著開始 OpenCode：

opencode

法典

Codex 透過 Codex 支援的開放回應 API 連接開源模型。

依照 ucode 中的說明設定，然後執行：

ucode codex --model <open source model service name>

例如，要使用 GLM 5.2 搭配 Codex，執行：

ucode codex --model system.ai.glm-5-2

手動設定

或者，您也可以依照 Codex CLI 的說明安裝 Codex CLI，然後建立或編輯 ~/.codex/config.toml：

model = "<open source model service name>"
model_provider = "Databricks"

[model_providers.Databricks]
name = "Databricks :re[ai-gateway]"
base_url = "<workspace-url>/ai-gateway/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'"]
# Re-run the token command periodically so long sessions don't fail when the
# short-lived Databricks token expires.
timeout_ms = 5000
refresh_interval_ms = 1800000

將 <workspace-url> 取代為你的 Azure Databricks 工作區 URL，並將 <開放原始碼 model service name> 取代為目標 OSS 模型服務，例如 system.ai.glm-5-2。

然後啟動 Codex：

codex

設定 OpenTelemetry 資料蒐集

Azure Databricks 支援將 OpenTelemetry 指標與日誌從編碼代理匯出至 Unity Catalog 管理的 Delta 表格。所有指標皆為使用 OpenTelemetry 標準指標協定匯出的時間序列資料，日誌則使用 OpenTelemetry 日誌協定匯出。

Requirements

Azure Databricks 的 OpenTelemetry 預覽版已啟用。請參閱管理 Azure Databricks 預覽。

步驟 1：在 Unity 目錄中建立 OpenTelemetry 表格

建立 Unity Catalog 管理的表格，預先配置 OpenTelemetry 的指標和日誌架構。

指標表

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'
)

日誌表格

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'
)

步驟 2：更新你的代碼代理中的環境變數

在任何啟用 OpenTelemetry 指標支援的編碼代理程式中，請設定以下環境變數。

{
  "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"
}

步驟三：執行你的編碼代理程式。

你的資料應該會在 5 分鐘內傳送到 Unity 目錄資料表。

下一步

意見反應

此頁面對您有幫助嗎？

Last updated on 2026-08-12

與編碼代理整合

Features

Requirements

設定

建議使用 ucode。

Dashboard

手動設定

游標 IDE

Codex CLI

Gemini CLI

使用帶有編碼代理的開源模型

OpenCode

法典

設定 OpenTelemetry 資料蒐集

Requirements

步驟 1：在 Unity 目錄中建立 OpenTelemetry 表格

步驟 2：更新你的代碼代理中的環境變數

步驟三：執行你的編碼代理程式。

下一步

意見反應

其他資源