예시: Open AI 모델 통합하기

아래 문서는 Open AI 모델에 대한 사용자 정의 연결에 대한 예시 설정 및 모델 어댑터를 제공합니다.

단계별 가이드는 우리의 문서 모델 어댑터 만드는 방법 및 외부 호스팅 모델에 연결 만들기를 참조해 주세요.

Open AI 모델 어댑터 예시

이 예제를 Foundry에서 사용하려면, Code Repositories 애플리케이션에서 모델 어댑터 라이브러리를 사용하여 모델 어댑터를 게시하고 태그하세요.

이 모델 어댑터는 Open AI의 Azure 호스팅 인스턴스에 연결을 설정합니다. 이는 Python 3.8.17, pandas 1.5.3, 그리고 openai 1.1.0을 사용하여 테스트되었습니다. OpenAI 클라이언트를 구축하기 위해 다음의 다섯 가지 입력이 필요합니다:

base_url - base_url로 제공됨
api_type - 연결 설정에서 제공됨
api_version - 연결 설정에서 제공됨
engine - 연결 설정에서 제공됨
api_key - resolved_credentials로 제공됨

Copied!1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
import palantir_models as pm
import models_api.models_api_executable as executable_api

from typing import Optional

import openai
import logging

logger = logging.getLogger(__name__)

# OpenAIModelAdapter 클래스는 pm.ExternalModelAdapter를 상속받아 OpenAI API와의 연동을 처리합니다.
class OpenAIModelAdapter(pm.ExternalModelAdapter):
  def __init__(self, base_url, api_type, api_version, engine, api_key):
    # 완성을 위해 사용할 엔진을 정의합니다.
    self.engine = engine

    # OpenAI 변수 설정
    openai.api_type = api_type
    openai.api_key = api_key
    openai.api_base = base_url
    openai.api_version = api_version

  @classmethod
  def init_external(cls, external_context) -> "pm.ExternalModelAdapter":
    base_url = external_model_context.external_model.base_url
    api_type = external_model_context.external_model.connection_configuration["api_type"]
    api_version = external_model_context.external_model.connection_configuration["api_version"]
    engine = external_model_context.external_model.connection_configuration["engine"]
    api_key = external_model_context.resolved_credentials["api_key"]
    return cls(
      base_url,
      api_type,
      api_version,
      engine,
      api_key
    )

  @classmethod
  def api(cls):
    inputs = {"df_in": pm.Pandas(columns=[("prompt", str)])}
    outputs = {"df_out": pm.Pandas(columns=[("prompt", str), ("prediction", str)])}
    return inputs, outputs

  # 예측 함수는 입력 데이터 프레임(df_in)을 받아 OpenAI API를 호출하고 결과를 반환합니다.
  def predict(self, df_in):
    predictions = []
    for _, row in df_in.iterrows():
      messages = [{"role": "user", "content": row['prompt']}]
      try:
        response = openai.ChatCompletion.create(
          engine=self.engine,
          messages=messages,
        )
      except openai.error.Timeout as e:
        logger.error(f"OpenAI API request timed out: {e}")
        raise e
      except openai.error.APIError as e:
        logger.error(f"OpenAI API returned an API Error: {e}")
        raise e
      except openai.error.APIConnectionError as e:
        logger.error(f"OpenAI API request failed to connect: {e}")
        raise e
      except openai.error.InvalidRequestError as e:
        logger.error(f"OpenAI API request was invalid: {e}")
        raise e
      except openai.error.AuthenticationError as e:
        logger.error(f"OpenAI API request was not authorized: {e}")
        raise e
      except openai.error.PermissionError as e:
        logger.error(f"OpenAI API request was not permitted: {e}")
        raise e
      except openai.error.RateLimitError as e:
        logger.error(f"OpenAI API request exceeded rate limit: {e}")
        raise e
      predictions.append(response.choices[0].message.content)
    df_in['prediction'] = predictions
    return df_in