Решение-акселератор Azure для централизованного AI API-шлюза на базе Azure API Management, который управляет доступом команд к LLM и позволяет отслеживать его.
Azure-Samples/AI-Gateway
Подборка практических Jupyter-лабораторных работ по управлению AI-моделями, инструментами MCP и агентами через AI Gateway в Azure API Management.
- Звёзды
- 1,008
- Форки
- 520
- Открытые issues
- 84
- Последний коммит
- позавчера
Что это?
AI Gateway Labs — это набор практических Jupyter-ноутбуков, которые показывают, как разместить Azure API Management перед AI-моделями, инструментами и агентами. В каждой лабораторной работе есть пошаговые инструкции, шаблоны инфраструктуры Bicep и политики APIM, которые можно развернуть в подписке Azure.
Лабораторные работы охватывают три направления. Для моделей рассматриваются балансировка нагрузки между пулами бэкендов, ограничение частоты запросов по токенам, семантическое кэширование, маршрутизация моделей и фреймворк бюджетирования FinOps. Для инструментов — доступ к MCP-серверам через OAuth, авторизация MCP-клиентов, вызов функций с помощью Azure Functions и объединение потоковой передачи аудио в реальном времени с MCP. Для агентов приведены примеры с Foundry Agent Service, OpenAI Agents SDK, Gemini с MCP и агентами с поддержкой A2A.
В репозитории также есть утилиты для разработчиков: инструмент трассировки, тестер потоковой передачи, тестер ограничения частоты запросов, mock-сервер OpenAI API и OAuth-клиент, а также навыки агента Copilot для создания новых лабораторных работ.
Ключевые возможности
- 01Практические ноутбуки со сценариями шлюза для моделей, инструментов и агентов
- 02Шаблоны Bicep и XML-политики APIM для развертывания в Azure
- 03Примеры ограничения частоты запросов по токенам, семантического кэширования и балансировки нагрузки между бэкендами
- 04Доступ к MCP-серверам через OAuth и сценарии авторизации клиентов
- 05Утилиты для разработчиков, включая mock-сервер OpenAI API и тестер ограничения частоты запросов
Сценарии использования
- Настройка ограничения частоты запросов и контроля затрат перед предоставлением внутренним командам доступа к API LLM
- Подключение инструментов MCP к агентам с централизованным управлением учетными данными OAuth
- Оценка семантического кэширования или маршрутизации между несколькими бэкендами для развертываний Azure OpenAI
- Изучение способов управления AI-агентами и инструментами с помощью корпоративного API-шлюза
Быстрый старт
- 1
Установите uv (Linux/macOS) с помощью официального скрипта установки из README.
- 2
Клонируйте репозиторий.
git clone https://github.com/Azure-Samples/AI-Gateway.git - 3
Перейдите в папку проекта и создайте виртуальное окружение с зависимостями.
cd AI-Gateway && uv sync - 4
Откройте VS Code и запустите лабораторный ноутбук, выбрав ядро .venv.
code .
Что важно знать
- Лабораторные работы разворачивают ресурсы в подписке Azure, поэтому нужна учетная запись Azure с ролями Contributor и RBAC Administrator.
- Требуются Azure CLI и VS Code с расширением Jupyter.
- Лабораторные работы предназначены только для Azure и не являются автономным облачно-независимым шлюзом.
В подборках
Темы
Частые вопросы
- Что такое AI-Gateway?
- Подборка практических Jupyter-лабораторных работ по управлению AI-моделями, инструментами MCP и агентами через AI Gateway в Azure API Management. AI Gateway Labs — это набор практических Jupyter-ноутбуков, которые показывают, как разместить Azure API Management перед AI-моделями, инструментами и агентами. В каждой лабораторной работе есть пошаговые инструкции, шаблоны инфраструктуры Bicep и политики APIM, которые можно развернуть в подписке Azure.
- AI-Gateway можно использовать бесплатно? Какая у него лицензия?
- AI-Gateway распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- AI-Gateway всё ещё поддерживается?
- Активно поддерживается. Последний коммит в AI-Gateway — 5 нояб. 2026 г..
- Для чего можно использовать AI-Gateway?
- Настройка ограничения частоты запросов и контроля затрат перед предоставлением внутренним командам доступа к API LLM Подключение инструментов MCP к агентам с централизованным управлением учетными данными OAuth Оценка семантического кэширования или маршрутизации между несколькими бэкендами для развертываний Azure OpenAI Изучение способов управления AI-агентами и инструментами с помощью корпоративного API-шлюза
- Как установить AI-Gateway?
- Установите uv (Linux/macOS) с помощью официального скрипта установки из README. Клонируйте репозиторий.: git clone https://github.com/Azure-Samples/AI-Gateway.git Перейдите в папку проекта и создайте виртуальное окружение с зависимостями.: cd AI-Gateway && uv sync Откройте VS Code и запустите лабораторный ноутбук, выбрав ядро .venv.: code .
- Где скачать AI-Gateway?
- Исходный код и инструкции по установке — на GitHub: https://github.com/Azure-Samples/AI-Gateway
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Расширение JupyterLab с открытым исходным кодом, которое добавляет чат для подключения AI-агентов, таких как Claude, Codex и Gemini, к ноутбукам.
Go-инструментарий с упором на код для создания, оценки и развёртывания AI-агентов, их объединения в мультиагентные системы и интеграции инструментов.
Подборка из более чем 50 запускаемых учебных Jupyter-ноутбуков по методам создания GenAI-агентов — от простых чат-ботов до мультиагентных систем.
API-шлюз с открытым исходным кодом, который направляет запросы к LLM через совместимый с OpenAI интерфейс, поддерживает управление ключами и аналитику использования.
API- и AI-шлюз с открытым исходным кодом на Go для проксирования трафика REST, GraphQL, TCP, gRPC и MCP с аутентификацией, ограничением частоты запросов и аналитикой.