Repolode
Azure-Samples

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. 1

    Установите uv (Linux/macOS) с помощью официального скрипта установки из README.

  2. 2

    Клонируйте репозиторий.

    git clone https://github.com/Azure-Samples/AI-Gateway.git
  3. 3

    Перейдите в папку проекта и создайте виртуальное окружение с зависимостями.

    cd AI-Gateway && uv sync
  4. 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

Подборка из более чем 50 запускаемых учебных Jupyter-ноутбуков по методам создания GenAI-агентов — от простых чат-ботов до мультиагентных систем.

24,8 тыс.+105 за неделю4,2 тыс.Jupyter NotebookOtherАктивно поддерживаетсяОбновлён 5 дней назад

API-шлюз с открытым исходным кодом, который направляет запросы к LLM через совместимый с OpenAI интерфейс, поддерживает управление ключами и аналитику использования.

1,7 тыс.+8 за неделю201TypeScriptOtherОбновлён 19 часов назад

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.

10,9 тыс.+7 за неделю1,2 тыс.GoOtherОбновлён 15 часов назад