AI网关架构设计:统一管理多LLM提供商的工程实践

news2026/4/27 19:43:18
引言当一个企业同时使用OpenAI、Anthropic、Azure OpenAI、本地部署的LLaMA……如何统一管理这些提供商如何实现智能路由、故障转移、成本控制和访问审计AI网关AI Gateway正是为这一需求而生的基础设施组件。它在业务应用和LLM提供商之间架设统一的代理层解决多提供商管理的复杂性。本文将深度解析AI网关的设计架构和工程实现。—## 一、AI网关的核心价值### 1.1 没有AI网关的痛苦现状没有AI网关:应用A → OpenAI API各自独立的SDK应用B → Anthropic API各自独立的SDK应用C → Azure OpenAI各自独立的SDK应用D → 本地LLM各自独立的SDK问题- 每个应用独立管理API密钥和成本- 某个提供商宕机所有依赖它的应用都挂- 无法全局限速和配额管理- 没有统一的访问日志和审计能力- 切换提供商需要修改每个应用的代码### 1.2 AI网关的核心能力理想状态有AI网关:应用A ─┐应用B ─┤→ [AI Gateway] ─→ OpenAI应用C ─┤ ├─→ Anthropic应用D ─┘ ├─→ Azure OpenAI └─→ 本地LLMAI网关提供✅ 统一API接口OpenAI兼容格式✅ 智能路由基于成本、延迟、能力✅ 自动故障转移✅ 全局速率限制✅ 访问审计和成本归因✅ 响应缓存✅ 敏感信息脱敏—## 二、核心架构设计### 2.1 网关整体架构pythonfrom fastapi import FastAPI, Request, HTTPException, Dependsfrom fastapi.responses import StreamingResponsefrom typing import Optional, AsyncIteratorimport asyncioimport timeimport jsonimport loggingapp FastAPI(titleAI Gateway)logger logging.getLogger(__name__)class AIGateway: AI网关核心组件 def __init__(self): self.router ProviderRouter() self.rate_limiter RateLimiter() self.cache ResponseCache() self.auditor AuditLogger() self.cost_tracker CostTracker()### 2.2 提供商路由器pythonfrom dataclasses import dataclass, fieldfrom enum import Enumimport httpximport randomclass RoutingStrategy(Enum): COST_OPTIMIZED cost_optimized # 最低成本 LATENCY_OPTIMIZED latency_optimized # 最低延迟 CAPABILITY_BASED capability_based # 按能力路由 ROUND_ROBIN round_robin # 轮询 FAILOVER failover # 故障转移dataclassclass ProviderConfig: name: str api_base: str api_key: str model_mapping: dict # 统一模型名 → 提供商模型名 # 能力声明 max_context_tokens: int 128000 supports_vision: bool False supports_function_calling: bool True # 价格per 1M tokens input_price_per_1m: float 3.0 output_price_per_1m: float 15.0 # 实时指标动态更新 avg_latency_ms: float 1000 error_rate: float 0.0 is_available: bool True # 权重用于加权轮询 weight: int 1class ProviderRouter: 智能提供商路由器 def __init__(self): self.providers: dict[str, ProviderConfig] {} self._round_robin_idx 0 def register_provider(self, config: ProviderConfig): self.providers[config.name] config def select_provider( self, request_context: dict, strategy: RoutingStrategy RoutingStrategy.COST_OPTIMIZED ) - Optional[ProviderConfig]: 根据策略选择最优提供商 available [ p for p in self.providers.values() if p.is_available and self._meets_requirements(p, request_context) ] if not available: return None if strategy RoutingStrategy.COST_OPTIMIZED: return min(available, keylambda p: p.input_price_per_1m) elif strategy RoutingStrategy.LATENCY_OPTIMIZED: return min(available, keylambda p: p.avg_latency_ms) elif strategy RoutingStrategy.ROUND_ROBIN: provider available[self._round_robin_idx % len(available)] self._round_robin_idx 1 return provider elif strategy RoutingStrategy.CAPABILITY_BASED: return self._route_by_capability(available, request_context) elif strategy RoutingStrategy.FAILOVER: # 按权重排序选第一个可用的 return sorted(available, keylambda p: -p.weight)[0] return available[0] def _meets_requirements( self, provider: ProviderConfig, request_context: dict ) - bool: 检查提供商是否满足请求需求 # 检查context长度 token_estimate request_context.get(estimated_tokens, 0) if token_estimate provider.max_context_tokens: return False # 检查是否需要视觉能力 if request_context.get(has_images) and not provider.supports_vision: return False # 检查是否需要函数调用 if request_context.get(has_tools) and not provider.supports_function_calling: return False return True def _route_by_capability( self, providers: list, context: dict ) - ProviderConfig: 按任务复杂度路由 complexity context.get(complexity_score, 0.5) if complexity 0.8: # 复杂任务选最强模型通常也最贵 return max(providers, keylambda p: p.max_context_tokens) elif complexity 0.3: # 简单任务选最便宜的 return min(providers, keylambda p: p.input_price_per_1m) else: # 中等任务按延迟 return min(providers, keylambda p: p.avg_latency_ms) async def update_provider_metrics( self, provider_name: str, latency_ms: float, success: bool ): 更新提供商实时指标指数移动平均 if provider_name not in self.providers: return p self.providers[provider_name] alpha 0.1 # 平滑系数 # 更新平均延迟 p.avg_latency_ms alpha * latency_ms (1 - alpha) * p.avg_latency_ms # 更新错误率 error_val 0 if success else 1 p.error_rate alpha * error_val (1 - alpha) * p.error_rate # 如果错误率过高标记为不可用 if p.error_rate 0.5: p.is_available False logger.warning(f提供商 {provider_name} 错误率过高({p.error_rate:.1%})暂时下线) # 5分钟后自动重试 asyncio.create_task(self._schedule_recovery(provider_name, 300)) async def _schedule_recovery(self, provider_name: str, delay_seconds: int): await asyncio.sleep(delay_seconds) if provider_name in self.providers: self.providers[provider_name].is_available True self.providers[provider_name].error_rate 0.0 logger.info(f提供商 {provider_name} 已恢复上线)### 2.3 故障转移机制pythonclass FailoverHandler: 自动故障转移处理器 def __init__(self, router: ProviderRouter, max_retries: int 3): self.router router self.max_retries max_retries async def execute_with_failover( self, request: dict, excluded_providers: set None ) - dict: 执行请求自动故障转移 excluded excluded_providers or set() errors [] for attempt in range(self.max_retries): provider self.router.select_provider( request, strategyRoutingStrategy.FAILOVER ) if provider is None or provider.name in excluded: break try: start time.time() result await self._call_provider(provider, request) latency (time.time() - start) * 1000 # 更新成功指标 await self.router.update_provider_metrics( provider.name, latency, successTrue ) result[_provider_used] provider.name result[_latency_ms] latency return result except Exception as e: latency (time.time() - start) * 1000 await self.router.update_provider_metrics( provider.name, latency, successFalse ) errors.append({ provider: provider.name, error: str(e) }) excluded.add(provider.name) logger.warning( f提供商 {provider.name} 失败: {e} f尝试故障转移{attempt1}/{self.max_retries} ) raise Exception(f所有提供商均失败: {errors}) async def _call_provider( self, provider: ProviderConfig, request: dict ) - dict: 调用指定提供商 # 转换模型名称 model request.get(model, gpt-4o) provider_model provider.model_mapping.get(model, model) provider_request {**request, model: provider_model} async with httpx.AsyncClient(timeout30.0) as client: response await client.post( f{provider.api_base}/chat/completions, jsonprovider_request, headers{ Authorization: fBearer {provider.api_key}, Content-Type: application/json } ) response.raise_for_status() return response.json()—## 三、速率限制与配额管理pythonimport redis.asyncio as redisfrom typing import Optionalclass RateLimiter: 基于Redis的分布式速率限制 def __init__(self, redis_url: str): self.redis redis.from_url(redis_url) async def check_and_consume( self, tenant_id: str, tokens_needed: int, limits: dict ) - dict: 检查并消耗配额 Returns: {allowed: bool, remaining: int, reset_at: int} pipe self.redis.pipeline() now int(time.time()) # 分钟级限制 minute_key frl:{tenant_id}:min:{now // 60} # 天级限制 day_key frl:{tenant_id}:day:{now // 86400} # 月级Token配额 month_key frl:{tenant_id}:tokens:month:{now // (86400 * 30)} async with self.redis.pipeline() as pipe: pipe.incrby(minute_key, tokens_needed) pipe.expire(minute_key, 120) pipe.incrby(day_key, 1) pipe.expire(day_key, 172800) pipe.incrby(month_key, tokens_needed) pipe.expire(month_key, 5184000) results await pipe.execute() minute_total results[0] day_requests results[2] month_tokens results[4] # 检查是否超限 if minute_total limits.get(tokens_per_minute, 100000): return { allowed: False, reason: minute_token_limit, remaining: 0, reset_at: (now // 60 1) * 60 } if day_requests limits.get(requests_per_day, 10000): return { allowed: False, reason: daily_request_limit, remaining: 0, reset_at: (now // 86400 1) * 86400 } if month_tokens limits.get(tokens_per_month, 10000000): return { allowed: False, reason: monthly_token_limit, remaining: 0, reset_at: (now // (86400 * 30) 1) * 86400 * 30 } return { allowed: True, remaining: limits.get(tokens_per_minute, 100000) - minute_total, reset_at: (now // 60 1) * 60 }—## 四、FastAPI接口层pythonfrom fastapi import FastAPI, Request, Headerfrom fastapi.responses import JSONResponse, StreamingResponseapp FastAPI(titleAI Gateway v1.0)app.post(/v1/chat/completions)async def chat_completions( request: Request, authorization: str Header(...)): OpenAI兼容的统一入口 # 解析租户 api_key authorization.replace(Bearer , ) tenant await validate_api_key(api_key) if not tenant: raise HTTPException(status_code401, detailInvalid API key) body await request.json() # 速率限制检查 rate_check await gateway.rate_limiter.check_and_consume( tenant[id], tokens_neededestimate_tokens(body), limitstenant.get(limits, {}) ) if not rate_check[allowed]: return JSONResponse( status_code429, content{ error: { type: rate_limit_exceeded, message: f配额超限: {rate_check[reason]}, reset_at: rate_check[reset_at] } } ) # 路由并执行 failover FailoverHandler(gateway.router) try: result await failover.execute_with_failover(body) # 审计日志 await gateway.auditor.log({ tenant_id: tenant[id], model: body.get(model), provider: result.get(_provider_used), tokens: result.get(usage, {}), latency_ms: result.get(_latency_ms) }) return JSONResponse(contentresult) except Exception as e: raise HTTPException(status_code503, detailstr(e))—## 五、总结AI网关是企业AI基础设施的核心中间件。关键设计要点1.统一接口采用OpenAI兼容格式业务应用无需改动2.多策略路由成本、延迟、能力三维度智能选择3.自动故障转移指数移动平均监测健康状态自动切换4.分布式限速Redis支撑多实例部署支持分钟/天/月三级配额5.完整审计每次调用记录租户、提供商、成本支持费用分摊从长远看AI网关会逐渐向AI可观测性平台演进集成Prompt管理、A/B测试、模型评估等能力成为企业AI工程化的核心基础设施。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2555127.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…