Inicio rápido de Unity Gateway

Envía tu primera solicitud a través de Unity Gateway desde el endpoint compatible con OpenAI.

Requisitos

Authenticate

Para empezar, utiliza un token de acceso personal. OAuth se recomienda para casos de uso en producción. Establece DATABRICKS_TOKEN en el token de tu espacio de trabajo.

Token de acceso personal

Exporta un token de acceso personal:

export DATABRICKS_TOKEN=<your-personal-access-token>

OAuth

Sustituye <workspace-url> por la URL de tu espacio de trabajo de Azure Databricks. Luego inicia sesión con la CLI de Azure Databricks y exporta un token OAuth de corta duración:

databricks auth login --host https://<workspace-url>
export DATABRICKS_TOKEN=$(databricks auth token --host https://<workspace-url> | jq -r .access_token)

Elige un modelo

Azure Databricks ofrece modelos listos para usar que puedes consultar en la interfaz de usuario bajo el system.ai esquema, o consultar la lista completa de modelos compatibles aquí.

En este inicio rápido se usa system.ai.gpt-5-2. Para consultar un modelo diferente, sustitúyelo por su nombre completo.

Envía tu solicitud

Sustituye <workspace-url> por la URL de tu espacio de trabajo de Azure Databricks.

Bash

curl https://<workspace-url>/ai-gateway/mlflow/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DATABRICKS_TOKEN" \
  -d '{
    "model": "system.ai.gpt-5-2",
    "max_output_tokens": 256,
    "input": [
      {
        "role": "user",
        "content": [{"type": "input_text", "text": "Hello!"}]
      },
      {
        "role": "assistant",
        "content": [{"type": "output_text", "text": "Hello! How can I assist you today?"}]
      },
      {
        "role": "user",
        "content": [{"type": "input_text", "text": "What is Databricks?"}]
      }
    ]
  }'

Python

from openai import OpenAI
import os

client = OpenAI(
  api_key=os.environ.get("DATABRICKS_TOKEN"),
  base_url="https://<workspace-url>/ai-gateway/mlflow/v1",
)

response = client.responses.create(
  model="system.ai.gpt-5-2",
  max_output_tokens=256,
  input=[
    {"role": "user", "content": [{"type": "input_text", "text": "Hello!"}]},
    {"role": "assistant", "content": [{"type": "output_text", "text": "Hello! How can I assist you today?"}]},
    {"role": "user", "content": [{"type": "input_text", "text": "What is Databricks?"}]},
  ],
)

print(response.output)

TypeScript

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.DATABRICKS_TOKEN,
  baseURL: 'https://<workspace-url>/ai-gateway/mlflow/v1',
});

const response = await client.responses.create({
  model: 'system.ai.gpt-5-2',
  max_output_tokens: 256,
  input: [
    { role: 'user', content: [{ type: 'input_text', text: 'Hello!' }] },
    { role: 'assistant', content: [{ type: 'output_text', text: 'Hello! How can I assist you today?' }] },
    { role: 'user', content: [{ type: 'input_text', text: 'What is Databricks?' }] },
  ],
});

console.log(response.output);

Consulta tu solicitud

Abre el modelo que has consultado (system.ai.gpt-5-2) en el Explorador de Catálogos y selecciona la pestaña de Métricas para ver la solicitud que acabas de enviar en el historial de uso, junto con su uso de tokens y latencia. Consulta la observabilidad de Unity Gateway.

Pasos siguientes

  • Last updated on