透過 Unity Gateway 使用 Pi，搭配模型和技能。 Unity Gateway CLI（ug）負責工作區登入與設定，或者你也可以手動設定連線。 Pi 沒有內建 MCP 用戶端，因此 MCP 工具需要獨立的 Pi 擴充功能。
在你開始之前
你需要 Azure Databricks 工作區的 URL 以及你想使用的模型和技能存取權。 手動設定的話，安裝 Pi 並設定 Azure Databricks 個人存取權杖。
手動設定時，請將 <databricks-pat> 替換為你的 Azure Databricks 工作區主機名稱，並將 <workspace-hostname> 替換為你的權杖。 使用工作區中完整的模型名稱，並將設定項目合併到現有檔案中，保留無關的設定。
如果你的管理員已經設定好你的裝置，請依照組織的設定說明操作。
使用 Unity Gateway CLI
安裝 ug，然後從你的專案目錄執行這個指令：
ug pi
選擇你的工作區並在提示時登入。 這個指令會啟動 Pi，並套用你已設定好的閘道模型。 開始編碼，或輸入 /model 以選擇另一個已設定的模型。
手動設定模型
安裝 Pi，然後將此配置合併成 ~/.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" }]
}
}
}
啟動pi，並使用/model選取模型。 透過閘道保留用於 Claude 模型的 supportsEagerToolInputStreaming: false。
對於其他模型家族，請新增一個提供對應 API 和基本 URL 的提供者。 使用相同的 apiKey 和 authHeader 欄位，並列出你可用的模型 ID：
| 型號 | api |
baseUrl |
|---|---|---|
| GPT | openai-responses |
https://<workspace-hostname>/ai-gateway/codex/v1 |
| Gemini | google-generative-ai |
https://<workspace-hostname>/ai-gateway/gemini/v1beta |
請參閱 Pi 的模型設定文件。
新增技能
使用 Unity Gateway CLI
下載已發表的技能：
ug skills add
選擇你的技能項目，然後重新啟動 Pi。 它會從 ~/.agents/skills/ 讀取下載內容。 要求 Pi 使用某項技能，或使用其 SKILL.md 中的名稱叫用 /skill:<name>。
手動設定技能
對於您已有的檔案，請將每個完整的技能資料夾放入 .pi/skills/ 或您專案的 ~/.agents/skills/。 請參考 Pi 的技能文件。
MCP 支援
Pi 沒有內建 MCP 用戶端，而且 ug mcp add 也不支援 Pi。 使用已下載的技能；MCP 服務和技能註冊表需要另外安裝 Pi 擴充功能。 請參閱 Pi 的擴充功能文件。
Unity Gateway 技能還在測試階段。 請參見 治理技能 以了解啟用與權限。
Troubleshooting
模型請求失敗：檢查閘道網址、憑證到期日、模型名稱及權限。
找不到已下載的技能：請確認該技能的完整資料夾位於受支援的目錄中，且包含 SKILL.md。 用同樣的選項重新執行 ug skills add ，刷新已下載的技能。
對於工作區登入或 ug 設定問題，請執行 ug doctor。