https://api.novita.ai/openai), você pode capturar prompts, respostas, latência, uso de tokens e metadados do modelo no MLflow.

Pré-requisitos
Antes de começar, certifique-se de ter:- Chave de API da Novita AI: crie uma em Gerenciamento de Chaves.
- Um servidor de rastreamento MLflow em execução. Você pode usar o padrão local
http://localhost:5000. - Runtime Python ou JavaScript.
Etapas de integração
Etapa 1: Instalar dependências
Etapa 2: Iniciar o servidor MLflow
Se você tiver um ambiente Python local >= 3.10, poderá iniciar o MLflow com:http://localhost:5000 para confirmar que a UI do MLflow está acessível.
Etapa 3: Habilitar tracing e chamar a Novita AI
Etapa 4: Visualizar traces na UI do MLflow
Abra sua UI do MLflow (por exemplo,http://localhost:5000) e acesse o experimento configurado para inspecionar os traces.
Você deverá ver:
- Conteúdo do prompt e da conclusão
- Latência e uso de tokens
- Metadados do modelo e da solicitação
- Erros/exceptions (se houver)
Etapa 5: Referências avançadas de tracing
Streaming e assíncrono
O MLflow oferece suporte a tracing para APIs de streaming e assíncronas da Novita AI. Consulte:Combinar com frameworks ou tracing manual
- Página de integração MLflow Novita AI: Tracing Novita AI
- Documentação de tracing OpenAI do MLflow: OpenAI Tracing
- Guia da API LLM da Novita: LLM API