Unity-Gateway-Konzepte

Unity Gateway vereint Registrierung, Entdeckung und Zugang zu KI-Modellen und -Tools an einem Ort. Kontrollieren Sie, wer sie nutzen kann, überwachen Sie die Nutzung und steuern Sie Kosten zwischen Anwendungen und Agenten.

Unity Gateway nutzt diese Konzepte, um Modelle, Anbieter, Werkzeuge, Fähigkeiten und Leitplanken zu verwalten, die mit Service-Richtlinien implementiert sind:

Konzept Was es bewirkt Example
Modell Ein LLM oder Embedding-Modell. Ein registriertes Modell benötigt einen Modelldienst, um Anfragen zu bedienen. gpt-astra-6.
Modellservice Ein Endpunkt, der Inferenzanfragen übersetzt und an ein oder mehrere Modelle weiterleitet, mit Traffic-Aufteilung und Fallbacks. Unterstützt Echtzeit-Anfragen sowie Batch-Inferenz. frontier-model: GPT Astra 6 auf Azure Databricks, mit Claude Opus 5 als Fallback.
opus-5: Opus 5, bereitgestellt von Azure Databricks, mit AWS Bedrock als Ausweichoption.
Modellanbieter Eine Verbindung, die Anfragen mit zentral verwalteten Zugangsdaten an einen externen Modellanbieter weiterleitet. anthropic-prod: Eine Verbindung zu Anthropic.
MCP Eine Schnittstelle, mit der Agenten Werkzeuge über das Model Context Protocol (MCP) entdecken und aufrufen können. support-tools: Werkzeuge für Slack und Jira.
Fertigkeit Wiederverwendbare Anweisungen und Dateien, die ein Agent lädt, um seine Arbeit zu steuern. customer-support: Ein Support-Leitfaden.
Dienstpolitik Implementiert Leitplanken, die Anfragen und Antworten auf KI-Dienste überprüfen, mithilfe integrierter, individueller oder externer Richtlinien. Die integrierte detect_sensitive_data-Richtlinie erkennt konfigurierte Typen sensibler Daten, beispielsweise Kreditkartennummern, in Modellanforderungen und -antworten. Es blockiert oder schwärzt Treffer.

Wie die Teile zusammenpassen

Rufen Sie einen Modellservice auf, um gpt-astra-6 in Azure Databricks zu erreichen, wobei dasselbe Modell über aws-bedrock als Fallback verfügbar ist. Du kannst Modelle oder Fallbacks ändern, ohne den Namen zu ändern, den deine Anwendung verwendet. Hängen Sie die integrierte Richtlinie zum Sensitivitätsdatenerkennungsdienst an den Modelldienst an, um Anfragen und Antworten für konfigurierte sensible Datenkategorien zu überprüfen.

Der Codex-Agent lädt die Kundensupport-Fähigkeit und ruft einen Modelldienst auf, der durch die detect_sensitive_data-Service-Policy geschützt ist und Modellanfragen und -antworten überprüft. Der Modelldienst routet auf Databricks zu gpt-astra-6 oder fällt über den aws-bedrock modellanbieter auf dasselbe Modell zurück. Der Agent greift außerdem über MCP auf Slack und Jira zu.

Aufrufmodelle und Werkzeuge

Ersetzen Sie <workspace-url> und die Beispielnamen durch Ihre eigenen. Siehe den Schnellstart, um DATABRICKS_TOKEN einzurichten.

Modelldienst

Modelldienste unterstützen einheitliche APIs wie OpenAI-kompatible Chat Completions und provider-native APIs wie Anthropic Messages für kompatible Modelle.

Rufen Sie frontier-model mit der einheitlichen Chat Completions API auf. Der Dienst wählt folgendes Modell:

curl "https://<workspace-url>/ai-gateway/mlflow/v1/chat/completions" \
  -H "Authorization: Bearer $DATABRICKS_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "production.ai.frontier-model",
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Siehe Query Foundation und Embedding-Modelle für SDK-Beispiele und andere APIs.

Modellanbieter

Rufen Sie über anthropic-prod ein externes Modell unter Verwendung der Anthropic Messages API auf. Der Header wählt die Verbindung aus, und Unity Gateway liefert seine Zugangsdaten:

curl "https://<workspace-url>/ai-gateway/anthropic/v1/messages" \
  -H "Authorization: Bearer $DATABRICKS_TOKEN" \
  -H "Databricks-Model-Provider-Service: production.ai.anthropic-prod" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Siehe Abfrage externer Modellanbieter (Modellanbieterdienste) für unterstützte Anbieter-APIs.

MCP

Liste die über support-tools verfügbaren Tools auf:

curl "https://<workspace-url>/ai-gateway/mcp-services/production.ai.support-tools" \
  -H "Authorization: Bearer $DATABRICKS_TOKEN" \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/list",
    "params": {}
  }'

Siehe Use MCP tools in a Python agent für Toolaufrufe und Agentenintegrationen.

Unity-Katalog und Zugriffskontrolle

Unity Gateway integriert sich mit Unity Catalog , um zu steuern, wer Dienste erstellt, Anbieter modelliert, sie aufruft oder den Zugriff teilt. Der Unity Catalog regelt außerdem registrierte Modelle, Fähigkeiten und wer Service-Richtlinien anhängen kann.

Unity-Katalog sicherungsfähige Elemente

Modelle, Modelldienste, Modellanbieter, MCPs und Skills sind Unity Catalog Securables: Objekte, für die du Berechtigungen erteilen kannst. Ihre Namen richten sich nach catalog.schema.name, wie production.ai.frontier-model. Azure Databricks bereitgestellte Modelldienste sind in system.airegistriert.

Ein Model Provider ist als Model Provider Service im Unity Catalog registriert. Service-Richtlinien sind an Dienste gebunden und sind keine eigenständigen Sicherungen.

In Unity Catalog ist ein Modell ein gespeichertes Asset: Versionen, Metadaten und Artefakte. Durch die Registrierung wird es nicht aufrufbar. Für externe Modelle registrieren Sie die Modellanbieterverbindung anstelle des Modells.

Schlüsselberechtigungen

Erteile Berechtigungen an Nutzer, Gruppen oder Dienstprinzipalen. Für Modelldienste, Modellanbieter und MCPs unterscheiden die Hauptberechtigungen die Nutzung von der Administration:

Privileg Was dies zulässt
EXECUTE Rufen Sie einen Modelldienst, einen Modellanbieter oder einen MCP an.
CREATE SERVICE Erstelle Dienste und integriere Modellanbieter in einem Schema.
READ METADATA Inspiziere die Konfiguration.
MANAGE Ändern Sie die Konfiguration und gewähren Sie anderen den Zugriff.

Aufrufer benötigen außerdem USE CATALOG und USE SCHEMA für den übergeordneten Katalog und das Schema. Servicerichtlinien schränken autorisierte Anrufe ein. Sie gewähren keinen Zugang. Siehe die Seite jedes Konzepts für die vollständigen Genehmigungsvoraussetzungen.

Get started

Beginnen Sie mit einem einsatzbereiten Modelldienst von system.ai, oder verbinden Sie Ihren Coding-Agenten:

Thema Description
Senden Sie Ihre erste Anfrage Abfragen Sie ein Modell und sehen Sie sich dessen Nutzung im Gateway an.
Verbinden Sie einen Codieragenten Verwenden Sie Ihren bevorzugten Coding-Agenten mit Modellen, die von Azure Databricks bereitgestellt werden.
Verwendung überwachen Inspizieren Sie die Modell- und Werkzeugaktivitäten, Leistung und Kosten.
Einrichten der Governance Konfigurieren Sie Zugriff und Richtlinien für die KI-Nutzung Ihrer Organisation.