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.

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 :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 exemplehttp://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
- Page d’intégration MLflow Novita AI : Tracing Novita AI
- Documentation MLflow sur le tracing OpenAI : OpenAI Tracing
- Guide de l’API LLM Novita : LLM API