Skip to main content
Ce guide montre comment intégrer Novita AI avec MLflow Tracing. En utilisant le point de terminaison compatible OpenAI de Novita AI (https://api.novita.ai/openai), vous pouvez capturer les prompts, les réponses, la latence, l’utilisation des tokens et les métadonnées du modèle dans MLflow.
Détails et chronologie d’une trace MLflow

Prérequis

Avant de commencer, assurez-vous d’avoir :
  • Clé API Novita AI : créez-en une dans Gestion des clés.
  • Un serveur de suivi MLflow en cours d’exécution. Vous pouvez utiliser la valeur locale par défaut http://localhost:5000.
  • Un environnement d’exécution Python ou JavaScript.

Étapes d’intégration

Étape 1 : Installer les dépendances

Étape 2 : Démarrer le serveur MLflow

Si vous disposez d’un environnement Python local >= 3.10, vous pouvez démarrer MLflow avec :
MLflow fournit également une configuration Docker Compose :
Ouvrez ensuite http://localhost:5000 pour confirmer que l’interface utilisateur MLflow est accessible.

Étape 3 : Activer le tracing et appeler Novita AI

Étape 4 : Afficher les traces dans l’interface utilisateur MLflow

Ouvrez votre interface utilisateur MLflow (par exemple http://localhost:5000) et accédez à votre expérience configurée pour inspecter les traces. Vous devriez voir :
  • Le contenu du prompt et de la complétion
  • La latence et l’utilisation des tokens
  • Les métadonnées du modèle et de la requête
  • Les erreurs/exceptions (le cas échéant)

Étape 5 : Références avancées sur le tracing

Streaming et async

MLflow prend en charge le tracing pour les API Novita AI en streaming et async. Voir :

Combiner avec des frameworks ou un tracing manuel

Pour la référence amont complète : Pour les détails des modèles Novita et l’utilisation du point de terminaison, consultez :
  • Guide de l’API LLM Novita : LLM API
Dernière modification le 15 mai 2026