Portkey 集成

使用 LangChain Python 与 Portkey 集成。

Portkey 是 AI 应用的控制面板。凭借其流行的 AI 网关和可观察性套件，数百个团队可以部署 可靠、成本高效、快速 的应用。

LangChain 的 LLMOps

Portkey 为 LangChain 带来了生产就绪能力。使用 Portkey，您可以

• 通过统一 API 连接到 150+ 个模型，
• 查看 42+ 个 指标和日志 以监控所有请求，
• 启用 语义缓存 以降低延迟和成本，
• 为失败的请求实现自动 重试和回退，
• 为请求添加 自定义标签 以更好地跟踪和分析和 更多。

快速入门 - portkey & LangChain

由于 Portkey 完全兼容 OpenAI 签名，您可以通过 @[ChatOpenAI] 接口连接到 Portkey AI 网关。

• 将 base_url 设置为 PORTKEY_GATEWAY_URL
• 使用 createHeaders 辅助方法添加 default_headers 以消耗 Portkey 所需的头部信息。

首先，通过 在此注册 获取您的 Portkey API 密钥。（点击左下角的个人资料图标，然后点击“复制 API 密钥”）或部署开源 AI 网关到 您自己的环境。

接下来，安装 Portkey SDK

pip install -U portkey_ai

现在，通过更新 LangChain 中的 @[ChatOpenAI] 模型，我们可以连接到 Portkey AI 网关

from langchain_openai import ChatOpenAI
from portkey_ai import createHeaders, PORTKEY_GATEWAY_URL

PORTKEY_API_KEY = "..." # Not needed when hosting your own gateway
PROVIDER_API_KEY = "..." # Add the API key of the AI provider being used

portkey_headers = createHeaders(api_key=PORTKEY_API_KEY,provider="openai")

llm = ChatOpenAI(api_key=PROVIDER_API_KEY, base_url=PORTKEY_GATEWAY_URL, default_headers=portkey_headers)

llm.invoke("What is the meaning of life, universe and everything?")

请求会通过您的 Portkey AI 网关路由到指定的 provider。Portkey 还会记录您帐户中所有请求的日志，使调试变得极其简单。

通过 AI 网关使用 150+ 个模型

AI 网关的强大功能体现在您能够使用上述代码片段连接到通过 AI 网关支持的 20 多家提供商的 150 多个模型。

让我们修改上述代码以调用 Anthropic 的 claude-opus-4-8 模型。

Portkey 支持 虚拟密钥，它们是安全保险库中存储和管理 API 密钥的便捷方式。让我们尝试使用虚拟密钥进行 LLM 调用。您可以在 Portkey 中的虚拟密钥选项卡中为 Anthropic 创建一个新的密钥。

virtual_key 参数设置了正在使用的 AI 提供商的认证和提供商。在我们的案例中，我们使用的是 Anthropic 虚拟密钥。

注意，api_key 可以留空，因为该认证不会被使用。

from langchain_openai import ChatOpenAI
from portkey_ai import createHeaders, PORTKEY_GATEWAY_URL

PORTKEY_API_KEY = "..."
VIRTUAL_KEY = "..." # Anthropic's virtual key we copied above

portkey_headers = createHeaders(api_key=PORTKEY_API_KEY,virtual_key=VIRTUAL_KEY)

llm = ChatOpenAI(api_key="X", base_url=PORTKEY_GATEWAY_URL, default_headers=portkey_headers, model="claude-opus-4-8")

llm.invoke("What is the meaning of life, universe and everything?")

Portkey AI 网关将认证对 Anthropic 的 API 请求，并将响应以 OpenAI 格式返回供您使用。

AI 网关扩展了 LangChain 的 @[ChatOpenAI] 类，使其成为调用任何提供商和任何模型的单一接口。

高级路由 - 负载均衡、回退、重试

Portkey AI 网关通过配置优先的方法为 LangChain 带来了负载均衡、回退、实验和金丝雀测试等功能。

让我们以一个 示例 来说明我们可能希望将流量在 gpt-4 和 claude-opus 之间 50:50 分流以测试这两个大型模型。此网关配置如下：

config = {
    "strategy": {
         "mode": "loadbalance"
    },
    "targets": [{
        "virtual_key": "openai-25654", # OpenAI's virtual key
        "override_params": {"model": "gpt4"},
        "weight": 0.5
    }, {
        "virtual_key": "anthropic-25654", # Anthropic's virtual key
        "override_params": {"model": "claude-opus-4-8"},
        "weight": 0.5
    }]
}

然后，我们可以在从 langchain 发起的请求中使用此配置。

portkey_headers = createHeaders(
    api_key=PORTKEY_API_KEY,
    config=config
)

llm = ChatOpenAI(api_key="X", base_url=PORTKEY_GATEWAY_URL, default_headers=portkey_headers)

llm.invoke("What is the meaning of life, universe and everything?")

当 LLM 被调用时，Portkey 将按定义的权重比例将请求分配给 gpt-4 和 claude-opus-4-8。

您可以找到更多 Portkey 配置示例。

跟踪链和智能体

Portkey 的 LangChain 集成让您可以完全了解智能体的运行情况。让我们以一个 流行的智能体工作流 为例。

我们只需要修改 @[ChatOpenAI] 类以使用上述 AI 网关。

from langchain_classic import hub
from langchain_classic.agents import AgentExecutor, create_openai_tools_agent
from langchain_openai import ChatOpenAI
from langchain.tools import tool
from portkey_ai import PORTKEY_GATEWAY_URL, createHeaders

prompt = hub.pull("hwchase17/openai-tools-agent")

portkey_headers = createHeaders(
    api_key=PORTKEY_API_KEY,
    virtual_key=OPENAI_VIRTUAL_KEY,
    trace_id="uuid-uuid-uuid-uuid"
)

@tool
def multiply(first_int: int, second_int: int) -> int:
    """Multiply two integers together."""
    return first_int * second_int


@tool
def exponentiate(base: int, exponent: int) -> int:
    "Exponentiate the base to the exponent power."
    return base**exponent


tools = [multiply, exponentiate]

model = ChatOpenAI(api_key="X", base_url=PORTKEY_GATEWAY_URL, default_headers=portkey_headers, temperature=0)

# Construct the OpenAI Tools agent
agent = create_openai_tools_agent(model, tools, prompt)

# Create an agent executor by passing in the agent and tools
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

agent_executor.invoke({
    "input": "Take 3 to the fifth power and multiply that by thirty six, then square the result"
})

您可以在 Portkey 仪表板上查看请求的日志以及跟踪 ID：

此处还有其他文档：

• 可观察性 - portkey.ai/docs/product/observability-modern-monitoring-for-llms
• AI 网关 - portkey.ai/docs/product/ai-gateway-streamline-llm-integrations
• 提示词库 - portkey.ai/docs/product/prompt-library

您可以在 github.com/portkey-ai/gateway 查看我们流行的开源 AI 网关。

有关每个功能的详细信息以及如何使用它，请参阅 Portkey 文档。如果您有任何问题或需要进一步协助，请通过 Twitter 联系我们. 或我们的 支持邮箱。

---

官方原文：src/oss/python/integrations/providers/portkey/index.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。