Compare commits
12 Commits
2
...
dev-20260911-0347
| Author | SHA1 | Date | |
|---|---|---|---|
 subochev
|
e251ca5326 | ||
|
subochev
|
0fb99060f9 | ||
 subochev
|
c3aaa914fb | ||
|
subochev
|
019af32bf5 | ||
|
subochev
|
85d16eccc3 | ||
|
subochev
|
bad7e13eb8 | ||
|
subochev
|
d75172434e | ||
|
subochev
|
995c5fba0e | ||
|
subochev
|
f213b139da | ||
|
subochev
|
350ef663c0 | ||
 Hermes Agent
|
f45ed0d11c | ||
|
Hermes Agent
|
8fc743860c |
@@ -12,7 +12,7 @@ jobs:
|
||||
- name: 'Build jar'
|
||||
uses: https://git.binom.pw/subochev/devops/build-gradle@main
|
||||
with:
|
||||
target: shadowJar
|
||||
target: fatJar
|
||||
- name: 'Build Docker Image'
|
||||
uses: https://git.binom.pw/subochev/devops/build-docker@main
|
||||
with:
|
||||
|
||||
@@ -2,3 +2,12 @@ build/
|
||||
.gradle/
|
||||
*.jar
|
||||
!gradle/wrapper/gradle-wrapper.jar
|
||||
# локальный конфиг с секретами (ключ API) — не коммитим
|
||||
config.yaml
|
||||
|
||||
# IDE / tooling
|
||||
.idea/
|
||||
.kotlin/
|
||||
.cortexkit/
|
||||
.veai/
|
||||
|
||||
|
||||
@@ -0,0 +1,391 @@
|
||||
# Конфигурация llm-proxy (переход на YAML)
|
||||
|
||||
## Идея
|
||||
|
||||
Вместо переменных среды конфигурация задаётся YAML-файлом. В нём три блока:
|
||||
|
||||
1. **`providers`** — объявлены бэкенды (url + ключ) с нашим внутренним
|
||||
человекочитаемым `id`. По этому `id` ссылаются апстримы. Опционально —
|
||||
`max_concurrency`: лимит по умолчанию для апстримов этого провайдера.
|
||||
2. **`upstreams`** — каталог «удалённых» моделей. Каждая запись: внутренний `id`,
|
||||
ссылка на `providers[].id`, реальное имя модели у провайдера (`model`) и
|
||||
опциональный лимит конкурентности `max_concurrency`. Это и есть то, на что
|
||||
мы проксируем.
|
||||
3. **`models`** — модели, видимые клиенту. Для каждой — «витринное» имя (`name`),
|
||||
список `upstreams` (ссылки на `upstreams[].id`, можно несколько).
|
||||
|
||||
4. **`patch`** — не отдельный блок, а опциональное поле, доступное **на всех
|
||||
уровнях** (`providers`, `upstreams`, `models`). Это JSON-подобная структура
|
||||
(`kotlinx.serialization.json.JsonObject`, в YAML пишется как обычный мап),
|
||||
которая **аккуратно вмердживается** в тело запроса. Пишется нативным YAML,
|
||||
без вложенного JSON-в-строке.
|
||||
|
||||
При запросе к модели прокси берёт **первый из её `upstreams`, на котором прямо
|
||||
сейчас есть свободный слот** (по `max_concurrency`). Это позволяет держать
|
||||
провайдеров, допускающих лишь один одновременный запрос (`max_concurrency: 1`),
|
||||
рядом с многопоточными — и не превышать их лимиты.
|
||||
|
||||
**Лимит конкурентности** апстрима берётся в порядке убывания специфичности:
|
||||
`upstreams[].max_concurrency` (самый конкретный) → `providers[].max_concurrency`
|
||||
(провайдера, на который ссылается апстрим) → безлимит. Т.е. задан у модели —
|
||||
берём её; у модели нет, но есть у провайдера — берём провайдерский.
|
||||
|
||||
**Сборка тела запроса** — берём исходный JSON клиента и накладываем `patch`
|
||||
**послойно, в порядке возрастания специфичности**: сначала `provider.patch`
|
||||
(всё, что идёт через этого провайдера), затем `upstream.patch` (конкретная
|
||||
апстрим-модель),最后 `model.patch` (самый приоритетный, накладывается последним).
|
||||
Мерж — глубокий: вложенные объекты сливаются рекурсивно, скаляры/массивы по ключу
|
||||
заменяются значением из `patch`.
|
||||
|
||||
**Маршрутизация целиком опирается на внутренний учёт** — мы сами считаем, сколько
|
||||
запросов сейчас идёт на каждый апстрим, и по этим счётчикам решаем, брать запрос
|
||||
или нет. Мы **не полагаемся** на `503`/`429` от самого апстрима, чтобы узнать,
|
||||
что он перегружен: такой ответ от провайдера — это уже сбой, а не способ
|
||||
управления нагрузкой. Если выбранный апстрим всё же вернул `5xx`/`429`, мы
|
||||
освобождаем его слот и, при наличии, пробуем **следующий свободный** из списка
|
||||
модели (фейловер); если свободных не осталось — отдаём `503` от прокси.
|
||||
|
||||
## Формат файла
|
||||
|
||||
Путь к файлу: по умолчанию ищем `config.yaml` в **каталоге проекта** (текущем
|
||||
рабочем каталоге, откуда запущен процесс). Переопределить можно через env
|
||||
`CONFIG_PATH` — тогда берётся указанный путь (абсолютный или относительный).
|
||||
|
||||
> **URL — в кавычках.** В YAML значение вида `https://...` парсится как вложенный
|
||||
> мап (`https:` — ключ), поэтому `url` (и любое значение с `://`) **обязательно
|
||||
> берите в кавычки**: `url: "https://routerai.ru/api/v1"`.
|
||||
|
||||
### Блок `server` — биндинг HTTP-сервера
|
||||
|
||||
Блок `server` задаёт, **на какой интерфейс (`host`) и порт (`port`)** слушает
|
||||
прокси. Оба поля опциональны: дефолт `host: 0.0.0.0`, `port: 8100`. При старте
|
||||
сервер логирует фактический биндинг:
|
||||
`[llm-proxy] server: bind host=<host> port=<port>`.
|
||||
|
||||
```yaml
|
||||
server:
|
||||
host: 0.0.0.0 # интерфейс/адрес биндинга (дефолт 0.0.0.0)
|
||||
port: 8100 # порт (дефолт 8100)
|
||||
|
||||
# 1) Бэкенды. id — наш внутренний идентификатор (на него ссылаются апстримы).
|
||||
providers:
|
||||
- id: routerai # любая строка, уникальная в рамках файла
|
||||
url: "https://routerai.ru/api/v1"
|
||||
key: "sk-..." # Bearer-ключ; можно подставлять из env
|
||||
max_concurrency: 4 # опционально; лимит по умолчанию для апстримов
|
||||
patch: # уровень провайдера: ко всем его запросам
|
||||
provider:
|
||||
allow_fallbacks: false
|
||||
|
||||
- id: local-llama
|
||||
url: "http://10.0.0.5:8080/v1"
|
||||
key: "" # пусто, если бэкенд без авторизации
|
||||
max_concurrency: 1 # и локалка — один слот за раз
|
||||
|
||||
# 2) Каталог апстрим-моделей. id — наш внутренний id (на него ссылаются модели).
|
||||
upstreams:
|
||||
- id: routerai-gpt4o # внутренний id апстрима
|
||||
provider: routerai # ссылка на providers[].id
|
||||
model: gpt-4o # реальное имя модели у провайдера
|
||||
max_concurrency: 4 # опционально; сколько одновременных запросов
|
||||
# допустимо (null/0 = безлимит)
|
||||
patch: # уровень апстрима
|
||||
provider:
|
||||
ignore: [deepseek]
|
||||
|
||||
- id: local-qwen
|
||||
provider: local-llama
|
||||
model: qwen2.5-72b-instruct
|
||||
max_concurrency: 1 # однослотовый провайдер: 1 запрос за раз
|
||||
|
||||
# 3) Модели, видимые клиенту.
|
||||
models:
|
||||
- name: my-gpt # имя, под которым клиент запрашивает модель
|
||||
upstreams: # порядок = приоритет: сначала локальная видюха,
|
||||
- local-qwen # потом (фоллбэк) внешний провайдер
|
||||
- routerai-gpt4o
|
||||
patch: # уровень модели (накладывается последним)
|
||||
reasoning:
|
||||
enabled: false
|
||||
|
||||
- name: deepseek-fast-no-think
|
||||
upstreams:
|
||||
- routerai-gpt4o
|
||||
patch:
|
||||
reasoning:
|
||||
enabled: false
|
||||
|
||||
- name: local-qwen-only # только локалка, без фоллбэка
|
||||
upstreams:
|
||||
- local-qwen
|
||||
# patch необязателен на любом уровне — можно не указывать
|
||||
```
|
||||
|
||||
> **Приоритет/фоллбэк.** Порядок записей в `upstreams` модели — это приоритет:
|
||||
> прокси берёт **первый свободный по порядку**. Типовой сценарий — сначала своя
|
||||
> локальная видюха (`max_concurrency: 1`, занята → следующий), а внешний провайдер
|
||||
> идёт вторым и принимает запрос, только когда локалка занята (или упала).
|
||||
> Чтобы внешний НЕ использовался, пока локалка свободна, — просто ставь локалку
|
||||
> первой; фоллбэк сработает автоматически при `claim() == null` у локалки.
|
||||
|
||||
`patch` опционален на **любом** уровне (`providers` / `upstreams` / `models`):
|
||||
если ни одного нет — запрос проксируется как есть (исходное тело клиента).
|
||||
|
||||
### Пример сборки тела (многослойный `patch`)
|
||||
|
||||
Берём модель `my-gpt` (из примера выше), маршрут уходит на апстрим
|
||||
`routerai-gpt4o` (провайдер `routerai`). Клиент шлёт:
|
||||
|
||||
```json
|
||||
{
|
||||
"model": "my-gpt",
|
||||
"messages": [{ "role": "user", "content": "привет" }],
|
||||
"temperature": 0.7
|
||||
}
|
||||
```
|
||||
|
||||
Слои `patch`, накладываемые в порядке `provider → upstream → model`:
|
||||
|
||||
| Слой | Что добавляет |
|
||||
|---|---|
|
||||
| `providers.routerai.patch` | `provider.allow_fallbacks = false` |
|
||||
| `upstreams.routerai-gpt4o.patch` | `provider.ignore = ["deepseek"]` |
|
||||
| `models.my-gpt.patch` | `reasoning.enabled = false` |
|
||||
|
||||
Плюс подмена `model: "my-gpt"` → `model: "gpt-4o"` (реальное имя апстрима).
|
||||
Глубокий мерж сливает `provider` из двух слоёв в один объект. **Итоговое тело**,
|
||||
уходящее на `https://routerai.ru/api/v1/chat/completions`:
|
||||
|
||||
```json
|
||||
{
|
||||
"model": "gpt-4o",
|
||||
"messages": [{ "role": "user", "content": "привет" }],
|
||||
"temperature": 0.7,
|
||||
"provider": {
|
||||
"allow_fallbacks": false,
|
||||
"ignore": ["deepseek"]
|
||||
},
|
||||
"reasoning": {
|
||||
"enabled": false
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
Если бы вместо `routerai-gpt4o` сработал фоллбэк на `local-qwen` — слой
|
||||
`upstreams.routerai-gpt4o.patch` не применился бы (нет у локалки), и в теле не
|
||||
было бы `provider.ignore`/`allow_fallbacks`; модель стала бы `qwen2.5-72b-instruct`,
|
||||
а `model.patch` (`reasoning.enabled=false`) остался бы — он не зависит от апстрима.
|
||||
|
||||
## Ссылка на env в ключах
|
||||
|
||||
Чтобы не хранить ключи в файле, `key` можно резолвить из переменной среды
|
||||
(подстановка вида `${ROUTER_API_KEY}`):
|
||||
|
||||
```yaml
|
||||
providers:
|
||||
- id: routerai
|
||||
url: "https://routerai.ru/api/v1"
|
||||
key: "${ROUTER_API_KEY}"
|
||||
```
|
||||
|
||||
## Что меняется в коде (`Main.kt`)
|
||||
|
||||
> **Старая концепция выпиливается целиком.** Текущий код — это «один апстрим на
|
||||
> одну переменную среды»: `UPSTREAM_URL`, `ROUTER_API_KEY`, `EXCLUDED_PROVIDERS`,
|
||||
> `THINKING_MODELS`, функция `patchBody(...)`, чтение `SGLANG_COMPAT`, а также
|
||||
> дублирование каталога `/v1/models` с суффиксом `-no-think`. Всё это **удаляется**
|
||||
> без обратной совместимости — сервис становится YAML-декларативным роутером
|
||||
> (разделы ниже). Env-переменные конфигурации провайдеров/моделей больше не
|
||||
> поддерживаются; остаётся только `CONFIG_PATH` (порт/интерфейс — в блоке
|
||||
> `server` файла).
|
||||
|
||||
### 1. Модель конфига (сериализуемые классы)
|
||||
|
||||
```kotlin
|
||||
// patch — универсальная JSON-подобная структура (kotlinx JsonObject),
|
||||
// декодируется из YAML-мапа. null = патч отсутствует.
|
||||
@Serializable
|
||||
data class ProviderConf(
|
||||
val id: String,
|
||||
val url: String,
|
||||
val key: String = "",
|
||||
val max_concurrency: Int? = null, // лимит по умолчанию для апстримов провайдера
|
||||
val patch: JsonObject? = null, // ко всем запросам провайдера
|
||||
)
|
||||
|
||||
@Serializable
|
||||
data class UpstreamConf(
|
||||
val id: String, // наш внутренний id апстрима
|
||||
val provider: String, // ссылка на ProviderConf.id
|
||||
val model: String, // реальное имя модели у провайдера
|
||||
val max_concurrency: Int? = null,// опционально; null/0 = безлимит
|
||||
val patch: JsonObject? = null, // к запросам этой апстрим-модели
|
||||
)
|
||||
|
||||
@Serializable
|
||||
data class ModelConf(
|
||||
val name: String, // «витринное» имя для клиента
|
||||
val upstreams: List<String>, // ссылки на UpstreamConf.id
|
||||
val patch: JsonObject? = null, // к запросам этой модели (самый приоритетный)
|
||||
)
|
||||
|
||||
@Serializable
|
||||
data class Config(
|
||||
val providers: List<ProviderConf> = emptyList(),
|
||||
val upstreams: List<UpstreamConf> = emptyList(),
|
||||
val models: List<ModelConf> = emptyList(),
|
||||
)
|
||||
```
|
||||
|
||||
> **Тип `patch`.** В YAML пишется как обычный мап, а yamlkt декодирует его в
|
||||
> `kotlinx.serialization.json.JsonObject` (через `JsonObject.serializer()` /
|
||||
> мост yamlkt→JsonElement). Так `patch` — это аккуратная JSON-структура, а не
|
||||
> строка, и мержить её в тело запроса тривиально.
|
||||
|
||||
Глубокий мерж двух `JsonObject` (поля `patch` перезаписывают/дополняют `base`
|
||||
рекурсивно по вложенным объектам):
|
||||
|
||||
```kotlin
|
||||
fun merge(base: JsonObject, patch: JsonObject): JsonObject {
|
||||
val merged = base.toMutableMap()
|
||||
for ((k, v) in patch) {
|
||||
merged[k] = when {
|
||||
v is JsonObject && merged[k] is JsonObject ->
|
||||
merge(merged[k] as JsonObject, v) // рекурсивно для вложенных
|
||||
else -> v // скаляр/массив — заменяем
|
||||
}
|
||||
}
|
||||
return JsonObject(merged)
|
||||
}
|
||||
```
|
||||
|
||||
Загрузка:
|
||||
|
||||
```kotlin
|
||||
// Дефолт — config.yaml в каталоге проекта (CWD). CONFIG_PATH переопределяет путь.
|
||||
val path = System.getenv("CONFIG_PATH") ?: "config.yaml"
|
||||
val configFile = File(path) // относительный путь резолвится от CWD проекта
|
||||
if (!configFile.exists()) error("config not found: ${configFile.absolutePath}")
|
||||
// Весь YAML читается как YamlElement-дерево, затем маппится в Config вручную
|
||||
// (поле patch сразу конвертируется в kotlinx JsonObject). Вложенный
|
||||
// @Serializable-класс с полем YamlElement yamlkt читает некорректно.
|
||||
val root = Yaml.decodeYamlFromString(configFile.readText(Charsets.UTF_8))
|
||||
val config = parseConfig(root)
|
||||
val providersById = config.providers.associateBy { it.id }
|
||||
val upstreamsById = config.upstreams.associateBy { it.id }
|
||||
```
|
||||
|
||||
### 2. Учёт конкурентности (runtime)
|
||||
|
||||
На старте заводим счётчик активных запросов на каждый апстрим — это **единственный
|
||||
источник истины** про занятость. Никаких опросов апстрима и реакции на его `503`.
|
||||
|
||||
```kotlin
|
||||
// Эффективный лимит апстрима резолвится при старте: свой max_concurrency, иначе
|
||||
// провайдерский, иначе безлимит. На счётчике лежит уже итоговый лимит.
|
||||
val active = config.upstreams.associate {
|
||||
it.id to UpstreamCounter(
|
||||
it.max_concurrency
|
||||
?: providersById[it.provider]?.max_concurrency
|
||||
?: Int.MAX_VALUE,
|
||||
)
|
||||
}
|
||||
```
|
||||
|
||||
Отбор свободного апстрима — атомарно: пытаемся инкрементировать счётчик, только
|
||||
если он меньше лимита. Если ни один из `upstreams` модели не свободен — отдаём
|
||||
`503` (`all upstreams busy`), слоты при этом не трогаем. Слот освобождается
|
||||
(`decrement`) в `finally` по завершении проксирования (успех/ошибка/отмена).
|
||||
|
||||
```kotlin
|
||||
// Атомарно занимает слот у первого свободного апстрима; вернёт null, если все заняты.
|
||||
fun claim(up: List<UpstreamConf>): UpstreamConf? = up.firstOrNull { u ->
|
||||
val counter = active.getValue(u.id)
|
||||
val cur = counter.get()
|
||||
cur < counter.limit && counter.compareAndSet(cur, cur + 1)
|
||||
}
|
||||
|
||||
// Освободить слот (в finally).
|
||||
fun release(u: UpstreamConf) = active.getValue(u.id).decrementAndGet()
|
||||
```
|
||||
|
||||
### 3. `handleChat` — выбор апстрима, подмена модели и мерж `patch`
|
||||
|
||||
Вместо текущей логики с `EXCLUDED_PROVIDERS` / `THINKING_MODELS`:
|
||||
|
||||
- берём из тела `model`;
|
||||
- ищем `config.models.first { it.name == model }` (404, если нет);
|
||||
- резолвим `upstreamsById` для списка `model.upstreams`;
|
||||
- **цикл по свободным апстримам** (наш внутренний учёт):
|
||||
- `claim(...)` занимает слот первого свободного апстрима; если свободных нет —
|
||||
сразу `503` (`all upstreams busy`) — решение по нашим счётчикам, не по апстриму;
|
||||
- резолвим `providersById[upstream.provider]` (ошибка старта, если `id` нет);
|
||||
- подменяем в теле `model` → `upstream.model`;
|
||||
- **накладываем `patch` послойно** (исходное тело → `provider.patch` →
|
||||
`upstream.patch` → `model.patch`), каждый через `merge(...)`; слои с `patch
|
||||
== null` пропускаем. Итог — финальное тело запроса;
|
||||
- шлём на `provider.url + /chat/completions` с `Authorization: Bearer provider.key`;
|
||||
- при ответе `5xx`/`429` от провайдера — `release(upstream)` и переходим к
|
||||
следующему свободному апстриму из списка (фейловер); исчерпали список —
|
||||
отдаём `503` (`all upstreams failed`);
|
||||
- при успехе/отмене клиента — `release(upstream)` в `finally` и выходим.
|
||||
|
||||
`patchBody(excluded, thinking)` и env-переменные `EXCLUDED_PROVIDERS` /
|
||||
`THINKING_MODELS` / `UPSTREAM_URL` / `ROUTER_API_KEY` **убираются** — их
|
||||
функциональность теперь в декларативном `patch` и блоке `upstreams`.
|
||||
|
||||
### 4. `handleModels` — отдаём свой каталог
|
||||
|
||||
Вместо проксирования `/v1/models` на апстрим — формируем ответ из
|
||||
`config.models`, отдавая `id = model.name` для каждой записи. Суффикс `-no-think`
|
||||
как отдельная модель теперь просто объявляется в конфиге (с нужным `patch`),
|
||||
логика дублирования каталога удаляется.
|
||||
|
||||
### 5. Env, которые остаются
|
||||
|
||||
- `CONFIG_PATH` — путь к YAML; по умолчанию `config.yaml` в каталоге проекта
|
||||
(CWD), можно задать абсолютный или относительный путь.
|
||||
|
||||
Порт/интерфейс биндинга больше не задаются через env — они в блоке `server`
|
||||
файла конфига (`server.host`, `server.port`; дефолты `0.0.0.0` / `8100`).
|
||||
|
||||
### 6. Таймаут запроса к апстриму
|
||||
|
||||
Целое время на один запрос к нейронке (от отправки до получения всего ответа,
|
||||
включая стриминг) — константа `UPSTREAM_REQUEST_TIMEOUT_MS` = **5 минут**
|
||||
(`src/commonMain/kotlin/pw/binom/llmproxy/Timeouts.kt`). Задается лимитом
|
||||
`requestTimeout` CIO-движка Ktor — без этого работает дефолт движка **15 секунд**,
|
||||
который обрывает длинные LLM-генерации. По достижении лимита запрос отменяется,
|
||||
слот конкурентности освобождается. Значение выводится в лог при старте.
|
||||
|
||||
### 7. Логирование
|
||||
|
||||
Логируем через `logback` (зависимость `logback-classic` уже в проекте; `println`
|
||||
заменяем на `Logger`). Ключевые события:
|
||||
|
||||
- **Старт**: сколько провайдеров/апстримов/моделей загружено; предупреждение,
|
||||
если `upstreams[].id` или `models[].upstreams` ссылаются на несуществующий
|
||||
`id` (проблема конфигурации).
|
||||
- **Биндинг сервера**: `server: bind host=<host> port=<port>` — фактический
|
||||
интерфейс и порт из блока `server` конфига.
|
||||
- **Таймаут апстрима**: `upstream: request_timeout=<N>ms` — лимит времени на
|
||||
запрос к нейронке (константа из раздела 6).
|
||||
- **Принят запрос** (`model=<витрина>`, upstream=<id>, provider=<id>`): занят
|
||||
слот `active[id]=N/limit`.
|
||||
- **Отклонён запрос** — `503 all upstreams busy` для `model=<витрина>`:
|
||||
состояние слотов всех апстримов модели (`id=N/limit`, ...).
|
||||
- **Фейловер**: `upstream=<id> вернул <status>` → переход к следующему
|
||||
свободному `upstream=<id>`.
|
||||
- **Завершение** (успех/ошибка/отмена клиента): длительность, статус апстрима,
|
||||
освобождён слот `active[id]=N/limit`.
|
||||
- **Ошибка апстрима** (не `5xx`/`429`, а сетевая/таймаут): как сейчас — лог с
|
||||
сообщением.
|
||||
|
||||
Формат строки лога — один префикс `[llm-proxy]`, как сейчас, чтобы не ломать
|
||||
существующий парсинг логов (если он есть).
|
||||
|
||||
## Миграция `podman-compose.yaml`
|
||||
|
||||
Блок `environment` упрощается: вместо `UPSTREAM_URL` / `ROUTER_API_KEY` /
|
||||
`EXCLUDED_PROVIDERS` / `THINKING_MODELS` монтируется файл конфига и задаётся
|
||||
`CONFIG_PATH`, а секреты (ключи) — через env-подстановку `${...}` внутри файла.
|
||||
+1
-1
@@ -1,4 +1,4 @@
|
||||
FROM docker.io/library/eclipse-temurin:17-jre-alpine
|
||||
FROM docker.io/library/eclipse-temurin:21-jre-alpine
|
||||
COPY build/libs/llm-proxy.jar /app/llm-proxy.jar
|
||||
WORKDIR /app
|
||||
EXPOSE 8100
|
||||
|
||||
@@ -1,37 +1,40 @@
|
||||
# llm-proxy
|
||||
|
||||
Прозрачная прослойка OpenAI API перед RouterAI (routerai.ru). Принимает
|
||||
`/v1/chat/completions` и `/v1/models`, модифицирует запрос и проксирует дальше.
|
||||
Прозрачная прослойка/роутер OpenAI API. Принимает `/v1/chat/completions` и
|
||||
`/v1/models`, маршрутизирует между объявленными в YAML апстримами по внутреннему
|
||||
учёту конкурентности и мержит `patch`-слои (`provider` → `upstream` → `model`) в
|
||||
тело запроса. Подробная спецификация конфига — в `CONFIG.md`.
|
||||
|
||||
## Что добавляет в запрос
|
||||
## Конфиг
|
||||
|
||||
1. **`provider.ignore`** — исключение дорогих провайдеров (список из env
|
||||
`EXCLUDED_PROVIDERS`, напр. `deepseek`) + `allow_fallbacks: false`
|
||||
(иначе ignore не жёсткий — RouterAI может уйти на исключённого резервной
|
||||
попыткой).
|
||||
2. **`reasoning: {"enabled": false}`** — для моделей с суффиксом `-no-think`
|
||||
(отключение думанья; проверено на `deepseek/deepseek-v4-flash-0731`:
|
||||
работает `reasoning.enabled=false`, не работает `include_reasoning=false`).
|
||||
Суффикс снимается перед отправкой — RouterAI видит оригинальное имя.
|
||||
Конфигурация — в YAML-файле (по умолчанию `config.yaml` в каталоге проекта,
|
||||
CWD; переопределяется env `CONFIG_PATH`). Блоки: `server` (интерфейс биндинга
|
||||
`host` + `port`, дефолты `0.0.0.0` / `8100`), `providers`, `upstreams`,
|
||||
`models`. Старый механизм env-переменных (`UPSTREAM_URL`, `ROUTER_API_KEY`,
|
||||
`EXCLUDED_PROVIDERS`, `THINKING_MODELS`, `PORT`) удалён — его поведение теперь
|
||||
в декларативном `patch` и блоке `upstreams`, а порт/интерфейс — в блоке
|
||||
`server`.
|
||||
|
||||
## Каталог /v1/models
|
||||
|
||||
Модели, чей id содержит любую из подстрок `THINKING_MODELS`, дублируются в
|
||||
каталоге с суффиксом `-no-think` (напр. `deepseek/deepseek-v4-flash-0731-no-think`).
|
||||
|
||||
## Конфиг (env)
|
||||
Лимит конкурентности `max_concurrency` можно задать и на провайдере (лимит по
|
||||
умолчанию для его апстримов), и на апстриме (перекрывает провайдерский); без
|
||||
обоих — безлимит.
|
||||
|
||||
| Переменная | Default | Описание |
|
||||
|---|---|---|
|
||||
| `PORT` | 8100 | Порт сервера |
|
||||
| `UPSTREAM_URL` | `https://routerai.ru/api/v1` | Куда проксировать |
|
||||
| `ROUTER_API_KEY` | — (обязателен) | Bearer-ключ RouterAI |
|
||||
| `EXCLUDED_PROVIDERS` | пусто | slug'и провайдеров через запятую |
|
||||
| `THINKING_MODELS` | `deepseek/deepseek-v4-flash-0731,deepseek/deepseek-v4-flash` | подстроки id «думающих» моделей |
|
||||
| `CONFIG_PATH` | `config.yaml` (CWD) | Путь к YAML-конфигу |
|
||||
|
||||
| Ключ конфига | Default | Описание |
|
||||
|---|---|---|
|
||||
| `server.host` | `0.0.0.0` | Интерфейс/адрес биндинга |
|
||||
| `server.port` | `8100` | Порт сервера |
|
||||
|
||||
Таймаут на запрос к нейронке (весь ответ, включая стриминг) — константа
|
||||
`UPSTREAM_REQUEST_TIMEOUT_MS` = 5 минут; без неё дефолт CIO-движка Ktor — 15 секунд,
|
||||
и длинные генерации обрываются. Значение логируется при старте.
|
||||
|
||||
## Сборка и деплой
|
||||
|
||||
- CI (Gitea Actions, на release): `./gradlew shadowJar` → образ
|
||||
- CI (Gitea Actions, на release): `./gradlew fatJar` → образ
|
||||
`images.binom.pw/llm-proxy:<tag>` (zot).
|
||||
- Запуск на 76.179 (llm-router): `podman-compose up -d` из `podman-compose.yaml`
|
||||
(образ тянется из `images.binom.pw`, сеть `bifrost_default` — туда же Bifrost
|
||||
|
||||
+42
-23
@@ -1,7 +1,6 @@
|
||||
plugins {
|
||||
kotlin("jvm") version "2.4.10"
|
||||
application
|
||||
id("com.gradleup.shadow") version "8.3.5"
|
||||
alias(libs.plugins.kotlinMultiplatform)
|
||||
alias(libs.plugins.kotlinSerialization)
|
||||
}
|
||||
|
||||
group = "pw.binom"
|
||||
@@ -11,31 +10,51 @@ repositories {
|
||||
mavenCentral()
|
||||
}
|
||||
|
||||
dependencies {
|
||||
implementation("io.ktor:ktor-server-core:3.1.2")
|
||||
implementation("io.ktor:ktor-server-cio:3.1.2")
|
||||
implementation("io.ktor:ktor-server-content-negotiation:3.1.2")
|
||||
implementation("io.ktor:ktor-serialization-kotlinx-json:3.1.2")
|
||||
implementation("org.jetbrains.kotlinx:kotlinx-serialization-json:1.8.1")
|
||||
implementation("ch.qos.logback:logback-classic:1.5.18")
|
||||
}
|
||||
|
||||
application {
|
||||
mainClass.set("pw.binom.llmproxy.MainKt")
|
||||
}
|
||||
|
||||
kotlin {
|
||||
compilerOptions {
|
||||
jvmTarget.set(org.jetbrains.kotlin.gradle.dsl.JvmTarget.JVM_17)
|
||||
jvm()
|
||||
linuxX64()
|
||||
sourceSets {
|
||||
val commonMain by getting {
|
||||
dependencies {
|
||||
implementation(libs.ktor.server.core)
|
||||
implementation(libs.ktor.server.cio)
|
||||
implementation(libs.ktor.client.core)
|
||||
implementation(libs.ktor.client.cio)
|
||||
implementation(libs.ktor.serialization.kotlinx.json)
|
||||
implementation(libs.kotlinx.serialization.json)
|
||||
implementation(libs.yamlkt)
|
||||
implementation(libs.kotlinx.coroutines.core)
|
||||
implementation(libs.kotlinx.datetime)
|
||||
implementation(libs.kotlinx.io.core)
|
||||
}
|
||||
}
|
||||
val commonTest by getting {
|
||||
dependencies {
|
||||
implementation(libs.kotlin.test)
|
||||
}
|
||||
}
|
||||
val jvmMain by getting {
|
||||
dependencies {
|
||||
runtimeOnly(libs.logback.classic)
|
||||
}
|
||||
}
|
||||
val jvmTest by getting {
|
||||
dependencies {
|
||||
implementation(libs.junit.jupiter)
|
||||
runtimeOnly(libs.junit.platform.launcher)
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
java {
|
||||
sourceCompatibility = JavaVersion.VERSION_17
|
||||
targetCompatibility = JavaVersion.VERSION_17
|
||||
tasks.withType<Test> {
|
||||
useJUnitPlatform()
|
||||
}
|
||||
|
||||
tasks.shadowJar {
|
||||
tasks.register<Jar>("fatJar") {
|
||||
archiveFileName.set("llm-proxy.jar")
|
||||
mergeServiceFiles()
|
||||
manifest { attributes("Main-Class" to "pw.binom.llmproxy.MainKt") }
|
||||
duplicatesStrategy = DuplicatesStrategy.EXCLUDE
|
||||
from(kotlin.jvm().compilations["main"].output)
|
||||
from(configurations.getByName("jvmRuntimeClasspath").map { if (it.isDirectory) it else zipTree(it) })
|
||||
}
|
||||
|
||||
@@ -0,0 +1,32 @@
|
||||
[versions]
|
||||
kotlin = "2.4.10"
|
||||
kotlinxSerialization = "1.8.1"
|
||||
ktor = "3.5.2"
|
||||
yamlkt = "0.13.0"
|
||||
logback = "1.5.18"
|
||||
junit = "5.10.2"
|
||||
coroutines = "1.10.2"
|
||||
datetime = "0.6.2"
|
||||
kotlinxIo = "0.9.1"
|
||||
|
||||
[libraries]
|
||||
ktor-server-core = { module = "io.ktor:ktor-server-core", version.ref = "ktor" }
|
||||
ktor-server-cio = { module = "io.ktor:ktor-server-cio", version.ref = "ktor" }
|
||||
ktor-client-core = { module = "io.ktor:ktor-client-core", version.ref = "ktor" }
|
||||
ktor-client-cio = { module = "io.ktor:ktor-client-cio", version.ref = "ktor" }
|
||||
ktor-serialization-kotlinx-json = { module = "io.ktor:ktor-serialization-kotlinx-json", version.ref = "ktor" }
|
||||
kotlinx-serialization-json = { module = "org.jetbrains.kotlinx:kotlinx-serialization-json", version.ref = "kotlinxSerialization" }
|
||||
yamlkt = { module = "net.mamoe.yamlkt:yamlkt", version.ref = "yamlkt" }
|
||||
kotlinx-coroutines-core = { module = "org.jetbrains.kotlinx:kotlinx-coroutines-core", version.ref = "coroutines" }
|
||||
kotlinx-datetime = { module = "org.jetbrains.kotlinx:kotlinx-datetime", version.ref = "datetime" }
|
||||
kotlinx-io-core = { module = "org.jetbrains.kotlinx:kotlinx-io-core", version.ref = "kotlinxIo" }
|
||||
logback-classic = { module = "ch.qos.logback:logback-classic", version.ref = "logback" }
|
||||
kotlin-test = { module = "org.jetbrains.kotlin:kotlin-test" }
|
||||
junit-jupiter = { module = "org.junit.jupiter:junit-jupiter", version.ref = "junit" }
|
||||
junit-platform-launcher = { module = "org.junit.platform:junit-platform-launcher" }
|
||||
|
||||
[plugins]
|
||||
kotlinJvm = { id = "org.jetbrains.kotlin.jvm", version.ref = "kotlin" }
|
||||
kotlinMultiplatform = { id = "org.jetbrains.kotlin.multiplatform", version.ref = "kotlin" }
|
||||
kotlinSerialization = { id = "org.jetbrains.kotlin.plugin.serialization", version.ref = "kotlin" }
|
||||
shadow = { id = "com.gradleup.shadow", version = "8.3.5" }
|
||||
+20
-9
@@ -1,17 +1,28 @@
|
||||
# llm-proxy — прослойка OpenAI API: добавляет provider.ignore (исключение
|
||||
# дорогих провайдеров) + allow_fallbacks:false и reasoning.enabled:false для
|
||||
# моделей с суффиксом "-no-think", проксирует на RouterAI. Ответ — как есть.
|
||||
# llm-proxy — YAML-декларативный роутер OpenAI API (подробности в CONFIG.md).
|
||||
# Принимает /v1/chat/completions и /v1/models, маршрутизирует между апстримами
|
||||
# по внутреннему учёту конкурентности и мержит patch-слои в тело запроса.
|
||||
#
|
||||
# Запуск на 76.179 (llm-router): podman-compose up -d
|
||||
# Образ тянется из нашего реестра (zot): images.binom.pw/llm-proxy:<tag>
|
||||
services:
|
||||
llm-proxy:
|
||||
image: images.binom.pw/llm-proxy:latest
|
||||
container_name: llm-proxy
|
||||
restart: unless-stopped
|
||||
network_mode: bifrost_default
|
||||
networks:
|
||||
- bifrost
|
||||
environment:
|
||||
- PORT=8100
|
||||
- UPSTREAM_URL=https://routerai.ru/api/v1
|
||||
- ROUTER_API_KEY=__SET_FROM_CONFIG_DB__
|
||||
- EXCLUDED_PROVIDERS=deepseek
|
||||
- THINKING_MODELS=deepseek/deepseek-v4-flash-0731,deepseek/deepseek-v4-flash
|
||||
# Путь к конфигу внутри контейнера (файл монтируется ниже).
|
||||
- CONFIG_PATH=/config/config.yaml
|
||||
volumes:
|
||||
# Монтируем свой config.yaml (секреты — через ${...} внутри файла,
|
||||
# резолвятся из env контейнера, напр. ROUTER_API_KEY).
|
||||
- ./config.yaml:/config/config.yaml:ro
|
||||
# Если ключи в config.yaml ссылаются на env (${ROUTER_API_KEY}), пробросим их:
|
||||
# environment:
|
||||
# - ROUTER_API_KEY=__SET_FROM_CONFIG_DB__
|
||||
|
||||
networks:
|
||||
bifrost:
|
||||
external: true
|
||||
name: bifrost_default
|
||||
|
||||
@@ -0,0 +1,17 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
import kotlinx.io.Buffer
|
||||
import kotlinx.io.files.Path
|
||||
import kotlinx.io.files.SystemFileSystem
|
||||
import kotlinx.io.readByteArray
|
||||
|
||||
internal fun readConfigText(path: String): String {
|
||||
val src = SystemFileSystem.source(Path(path))
|
||||
try {
|
||||
val buf = Buffer()
|
||||
while (src.readAtMostTo(buf, Long.MAX_VALUE) > 0L) { }
|
||||
return buf.readByteArray().decodeToString()
|
||||
} finally {
|
||||
src.close()
|
||||
}
|
||||
}
|
||||
@@ -0,0 +1,3 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
expect fun getEnv(name: String): String?
|
||||
@@ -0,0 +1,13 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
enum class LogLevel { INFO, WARN, ERROR }
|
||||
|
||||
fun emitLog(level: LogLevel, message: String) {
|
||||
println("[llm-proxy] ${level.name.lowercase()} $message")
|
||||
}
|
||||
|
||||
object log {
|
||||
inline fun info(lazyMessage: () -> Any?) = emitLog(LogLevel.INFO, lazyMessage()?.toString() ?: "null")
|
||||
inline fun warn(lazyMessage: () -> Any?) = emitLog(LogLevel.WARN, lazyMessage()?.toString() ?: "null")
|
||||
inline fun error(lazyMessage: () -> Any?) = emitLog(LogLevel.ERROR, lazyMessage()?.toString() ?: "null")
|
||||
}
|
||||
@@ -0,0 +1,638 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
import io.ktor.client.HttpClient
|
||||
import io.ktor.client.call.body
|
||||
import io.ktor.client.request.headers
|
||||
import io.ktor.utils.io.readAvailable
|
||||
import io.ktor.http.Headers
|
||||
import io.ktor.client.request.preparePost
|
||||
import io.ktor.client.request.setBody
|
||||
import io.ktor.client.statement.HttpResponse
|
||||
import io.ktor.http.ContentType
|
||||
import io.ktor.http.HttpStatusCode
|
||||
import io.ktor.server.application.Application
|
||||
import io.ktor.server.application.ApplicationCall
|
||||
import io.ktor.server.application.call
|
||||
import io.ktor.server.application.install
|
||||
import io.ktor.server.request.receiveText
|
||||
import io.ktor.server.response.respondBytesWriter
|
||||
import io.ktor.server.response.respondText
|
||||
import io.ktor.server.routing.get
|
||||
import io.ktor.server.routing.post
|
||||
import io.ktor.server.routing.routing
|
||||
import io.ktor.utils.io.ByteReadChannel
|
||||
import io.ktor.utils.io.ByteWriteChannel
|
||||
import io.ktor.utils.io.writeFully
|
||||
import kotlinx.coroutines.CancellationException
|
||||
import kotlinx.coroutines.sync.Mutex
|
||||
import kotlinx.datetime.Clock
|
||||
import kotlinx.serialization.Serializable
|
||||
import kotlinx.serialization.json.Json
|
||||
import kotlinx.serialization.json.JsonArray
|
||||
import kotlinx.serialization.json.JsonElement
|
||||
import kotlinx.serialization.json.JsonNull
|
||||
import kotlinx.serialization.json.JsonObject
|
||||
import kotlinx.serialization.json.JsonPrimitive
|
||||
import kotlinx.serialization.json.jsonArray
|
||||
import kotlinx.serialization.json.jsonObject
|
||||
import kotlinx.serialization.json.jsonPrimitive
|
||||
import net.mamoe.yamlkt.Yaml
|
||||
import net.mamoe.yamlkt.YamlElement
|
||||
import net.mamoe.yamlkt.YamlList
|
||||
import net.mamoe.yamlkt.YamlLiteral
|
||||
import net.mamoe.yamlkt.YamlMap
|
||||
import kotlin.concurrent.Volatile
|
||||
import kotlin.time.Duration.Companion.seconds
|
||||
import kotlin.time.TimeSource
|
||||
|
||||
/**
|
||||
* Прослойка OpenAI API (YAML-декларативный роутер, Kotlin Multiplatform).
|
||||
*
|
||||
* Конфигурация целиком в YAML-файле (см. CONFIG.md): объявляются провайдеры
|
||||
* (`providers`), каталог апстрим-моделей (`upstreams`) и модели, видимые клиенту
|
||||
* (`models`). Маршрутизация между апстримами модели — по внутреннему учёту
|
||||
* конкурентности (AtomicInt на апстрим); в тело запроса послойно
|
||||
* вмердживаются `patch` (provider → upstream → model).
|
||||
*
|
||||
* Env (только эти):
|
||||
* - CONFIG_PATH путь к YAML; default `config.yaml` в каталоге проекта (CWD)
|
||||
*
|
||||
* Порт/интерфейс биндинга задаются блоком `server` в YAML (см. CONFIG.md).
|
||||
*/
|
||||
fun main() {
|
||||
val path = getEnv("CONFIG_PATH") ?: "config.yaml"
|
||||
val root = Yaml.decodeYamlFromString(readConfigText(path))
|
||||
val config = parseConfig(root)
|
||||
val providersById = config.providers.associateBy { it.id }
|
||||
val upstreamsById = config.upstreams.associateBy { it.id }
|
||||
|
||||
config.upstreams.forEach { up ->
|
||||
if (up.provider !in providersById) {
|
||||
log.warn { "[llm-proxy] upstream '${up.id}' ссылается на несуществующего provider '${up.provider}'" }
|
||||
}
|
||||
}
|
||||
config.models.forEach { m ->
|
||||
m.upstreams.forEach { ref ->
|
||||
if (ref !in upstreamsById) {
|
||||
log.warn { "[llm-proxy] model '${m.name}' ссылается на несуществующий upstream '$ref'" }
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
val active = config.upstreams.associate { up ->
|
||||
up.id to UpstreamCounter(effectiveConcurrencyLimit(up, providersById[up.provider]))
|
||||
}
|
||||
|
||||
log.info {
|
||||
"[llm-proxy] загружено: providers=${config.providers.size}, " +
|
||||
"upstreams=${config.upstreams.size}, models=${config.models.size} (config=$path)"
|
||||
}
|
||||
log.info {
|
||||
"[llm-proxy] server: bind host=${config.server.host} port=${config.server.port}"
|
||||
}
|
||||
log.info {
|
||||
"[llm-proxy] upstream: request_timeout=${UPSTREAM_REQUEST_TIMEOUT_MS}ms"
|
||||
}
|
||||
|
||||
val http = createHttpClient()
|
||||
startServer(config.server.host, config.server.port) {
|
||||
proxyModule(config, providersById, upstreamsById, active, http)
|
||||
}
|
||||
}
|
||||
|
||||
private val json = Json { ignoreUnknownKeys = true }
|
||||
|
||||
fun Application.proxyModule(
|
||||
config: Config,
|
||||
providersById: Map<String, ProviderConf>,
|
||||
upstreamsById: Map<String, UpstreamConf>,
|
||||
active: Map<String, UpstreamCounter>,
|
||||
http: HttpClient,
|
||||
) {
|
||||
routing {
|
||||
post("/v1/chat/completions") {
|
||||
handleChat(call, config, providersById, upstreamsById, active, http)
|
||||
}
|
||||
get("/v1/models") {
|
||||
handleModels(call, config)
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
private suspend fun handleChat(
|
||||
call: ApplicationCall,
|
||||
config: Config,
|
||||
providersById: Map<String, ProviderConf>,
|
||||
upstreamsById: Map<String, UpstreamConf>,
|
||||
active: Map<String, UpstreamCounter>,
|
||||
http: HttpClient,
|
||||
) {
|
||||
val raw = call.receiveText()
|
||||
if (raw.isBlank()) {
|
||||
call.respondText(errorJson("empty body"), ContentType.Application.Json, HttpStatusCode.BadRequest)
|
||||
return
|
||||
}
|
||||
val bodyJson = try {
|
||||
json.parseToJsonElement(raw).jsonObject
|
||||
} catch (e: Exception) {
|
||||
call.respondText(errorJson("bad json: ${e.message}"), ContentType.Application.Json, HttpStatusCode.BadRequest)
|
||||
return
|
||||
}
|
||||
|
||||
val modelName = bodyJson["model"]?.jsonPrimitive?.content ?: "?"
|
||||
val modelConf = config.models.firstOrNull { it.name == modelName }
|
||||
if (modelConf == null) {
|
||||
call.respondText(errorJson("unknown model: $modelName"), ContentType.Application.Json, HttpStatusCode.NotFound)
|
||||
return
|
||||
}
|
||||
|
||||
val pool = modelConf.upstreams.mapNotNull { upstreamsById[it] }
|
||||
if (pool.isEmpty()) {
|
||||
call.respondText(errorJson("model $modelName has no valid upstreams"), ContentType.Application.Json, HttpStatusCode.BadGateway)
|
||||
return
|
||||
}
|
||||
|
||||
val clientWantsStream = bodyJson["stream"]?.jsonPrimitive?.content == "true"
|
||||
val failed = mutableSetOf<String>()
|
||||
var anyClaimed = false
|
||||
|
||||
while (true) {
|
||||
val up = pickFreeUpstream(pool, active, failed) ?: break
|
||||
anyClaimed = true
|
||||
val start = TimeSource.Monotonic.markNow()
|
||||
try {
|
||||
val provider = providersById[up.provider]
|
||||
if (provider == null) {
|
||||
log.error { "[llm-proxy] upstream '${up.id}': provider '${up.provider}' не найден (конфиг)" }
|
||||
failed.add(up.id)
|
||||
continue
|
||||
}
|
||||
|
||||
val patched = buildBody(bodyJson, provider, up, modelConf)
|
||||
val forwarded = if (clientWantsStream) {
|
||||
patched
|
||||
} else {
|
||||
val m = patched.toMutableMap().apply {
|
||||
this["stream"] = JsonPrimitive(true)
|
||||
val so = (this["stream_options"] as? JsonObject)?.toMutableMap() ?: mutableMapOf()
|
||||
so["include_usage"] = JsonPrimitive(true)
|
||||
this["stream_options"] = JsonObject(so)
|
||||
}
|
||||
JsonObject(m)
|
||||
}
|
||||
|
||||
val url = provider.url.trimEnd('/') + "/chat/completions"
|
||||
val providerKey = resolveEnv(provider.key)
|
||||
var failover = false
|
||||
var responded = false
|
||||
var upstreamStatus = 0
|
||||
|
||||
http.preparePost(url) {
|
||||
headers {
|
||||
headersToForward(call.request.headers).forEach { (name, values) ->
|
||||
appendAll(name, values)
|
||||
}
|
||||
// Авторизация — всегда наша (ключ провайдера из конфига);
|
||||
// клиентский Authorization не пересылается. Если у провайдера
|
||||
// ключ не задан — Authorization не отправляем вовсе.
|
||||
if (providerKey.isNotEmpty()) {
|
||||
set("Authorization", "Bearer $providerKey")
|
||||
}
|
||||
set("Content-Type", "application/json")
|
||||
}
|
||||
setBody(forwarded.toString())
|
||||
}.execute { resp ->
|
||||
upstreamStatus = resp.status.value
|
||||
if (upstreamStatus >= 500 || upstreamStatus == 429) {
|
||||
log.warn { "[llm-proxy] model=$modelName upstream=${up.id} вернул $upstreamStatus → фейловер" }
|
||||
failed.add(up.id)
|
||||
failover = true
|
||||
return@execute
|
||||
}
|
||||
responded = true
|
||||
if (clientWantsStream) {
|
||||
val ct = resp.headers["Content-Type"] ?: "text/event-stream"
|
||||
val status = HttpStatusCode.fromValue(upstreamStatus)
|
||||
call.respondBytesWriter(ContentType.parse(ct), status) {
|
||||
val ch = resp.body<ByteReadChannel>()
|
||||
val buf = ByteArray(8192)
|
||||
while (true) {
|
||||
val n = ch.readAvailable(buf)
|
||||
if (n == -1) break
|
||||
if (n > 0) {
|
||||
writeFully(buf, 0, n)
|
||||
flush()
|
||||
}
|
||||
}
|
||||
}
|
||||
log.info {
|
||||
"[llm-proxy] chat model=$modelName upstream=${up.id} provider=${provider.id} " +
|
||||
"status=$upstreamStatus за ${start.elapsedNow().inWholeMilliseconds}ms stream=true"
|
||||
}
|
||||
} else {
|
||||
val ct = resp.headers["Content-Type"] ?: "application/json"
|
||||
val full = resp.body<String>()
|
||||
val out = if (ct.contains("text/event-stream")) rebuildFromChunks(full) else full
|
||||
val outCt = runCatching {
|
||||
if (ct.contains("text/event-stream") &&
|
||||
Json.parseToJsonElement(out).jsonObject["error"] != null
|
||||
) {
|
||||
ContentType.Application.Json
|
||||
} else {
|
||||
ContentType.parse(ct)
|
||||
}
|
||||
}.getOrDefault(ContentType.parse(ct))
|
||||
call.respondText(out, outCt, HttpStatusCode.fromValue(upstreamStatus))
|
||||
log.info {
|
||||
"[llm-proxy] chat model=$modelName upstream=${up.id} provider=${provider.id} " +
|
||||
"status=$upstreamStatus за ${start.elapsedNow().inWholeMilliseconds}ms stream=false"
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
if (failover) continue
|
||||
if (responded) return
|
||||
} catch (e: CancellationException) {
|
||||
log.info { "[llm-proxy] chat model=$modelName upstream=${up.id} ОТМЕНЕНО клиентом за ${start.elapsedNow().inWholeMilliseconds}ms" }
|
||||
throw e
|
||||
} catch (e: Exception) {
|
||||
log.error { "[llm-proxy] chat model=$modelName upstream=${up.id} ОШИБКА: ${e.message} за ${start.elapsedNow().inWholeMilliseconds}ms → фейловер" }
|
||||
failed.add(up.id)
|
||||
continue
|
||||
} finally {
|
||||
release(up, active)
|
||||
}
|
||||
}
|
||||
|
||||
if (anyClaimed) {
|
||||
call.respondText(errorJson("all upstreams failed"), ContentType.Application.Json, HttpStatusCode.ServiceUnavailable)
|
||||
} else {
|
||||
call.respondText(errorJson("all upstreams busy"), ContentType.Application.Json, HttpStatusCode.ServiceUnavailable)
|
||||
}
|
||||
}
|
||||
|
||||
private fun errorJson(msg: String): String =
|
||||
"""{"error":{"message":"$msg"}}"""
|
||||
|
||||
/** Hop-by-hop и прокси-специфичные заголовки, которые НЕ пересылаются в апстрим. */
|
||||
private val SKIP_HEADER_NAMES = setOf(
|
||||
"host",
|
||||
"content-length",
|
||||
"transfer-encoding",
|
||||
"te",
|
||||
"connection",
|
||||
"proxy-connection",
|
||||
"keep-alive",
|
||||
"upgrade",
|
||||
// Authorization управляется прокси явно (ключ провайдера), клиентский
|
||||
// не пересылается
|
||||
"authorization",
|
||||
)
|
||||
|
||||
/**
|
||||
* Заголовки входящего запроса для пересылки в апстрим: все, кроме служебных
|
||||
* ([SKIP_HEADER_NAMES]). Тело может быть изменено `patch`, а соединение до
|
||||
* апстрима — другое, поэтому Content-Length/Transfer-Encoding/Host/Connection
|
||||
* управляет сам прокси (клиентский Ktor выставит свои автоматически).
|
||||
* `Authorization` тоже в списке пропусков — прокси управляет им явно
|
||||
* (ключ провайдера из конфига; клиентский не пересылается).
|
||||
*/
|
||||
internal fun headersToForward(request: Headers): Map<String, List<String>> =
|
||||
request.entries()
|
||||
.filter { (name, _) -> name.lowercase() !in SKIP_HEADER_NAMES }
|
||||
.associate { (name, values) -> name to values }
|
||||
|
||||
/**
|
||||
* Сборка тела запроса: подмена `model` на реальное имя апстрима + глубокий
|
||||
* послойный мерж `patch` в порядке provider → upstream → model.
|
||||
*/
|
||||
internal fun buildBody(base: JsonObject, provider: ProviderConf, up: UpstreamConf, model: ModelConf): JsonObject {
|
||||
val withModel = base.toMutableMap().apply { this["model"] = JsonPrimitive(up.model) }
|
||||
var acc = JsonObject(withModel)
|
||||
listOf(provider.patch, up.patch, model.patch).filterNotNull().forEach { patch ->
|
||||
acc = merge(acc, patch)
|
||||
}
|
||||
return acc
|
||||
}
|
||||
|
||||
/** Конвертация YAML-дерева (YamlElement) в kotlinx JsonElement для мержа в тело. */
|
||||
internal fun yamlToJson(el: YamlElement): JsonElement = when (el) {
|
||||
is YamlMap -> JsonObject(el.mapKeys { (k, _) -> yamlKey(k) }.mapValues { (_, v) -> yamlToJson(v) })
|
||||
is YamlList -> JsonArray(el.map { yamlToJson(it) })
|
||||
is YamlLiteral -> yamlLiteralToJson(el)
|
||||
else -> JsonNull
|
||||
}
|
||||
|
||||
internal fun yamlKey(key: YamlElement): String =
|
||||
if (key is YamlLiteral) key.content else key.toString()
|
||||
|
||||
internal fun yamlLiteralToJson(lit: YamlLiteral): JsonPrimitive {
|
||||
val c = lit.content
|
||||
val bool = c.toBooleanStrictOrNull()
|
||||
val lng = c.toLongOrNull()
|
||||
val dbl = c.toDoubleOrNull()
|
||||
return when {
|
||||
bool != null -> JsonPrimitive(bool)
|
||||
lng != null -> JsonPrimitive(lng)
|
||||
dbl != null -> JsonPrimitive(dbl)
|
||||
else -> JsonPrimitive(c)
|
||||
}
|
||||
}
|
||||
|
||||
/** Глубокий мерж: вложенные объекты сливаются рекурсивно, скаляры/массивы заменяются. */
|
||||
internal fun merge(base: JsonObject, patch: JsonObject): JsonObject {
|
||||
val merged = base.toMutableMap()
|
||||
for ((k, v) in patch) {
|
||||
merged[k] = when {
|
||||
v is JsonObject && merged[k] is JsonObject ->
|
||||
merge(merged[k] as JsonObject, v)
|
||||
else -> v
|
||||
}
|
||||
}
|
||||
return JsonObject(merged)
|
||||
}
|
||||
|
||||
/** Подстановка `${ENV}` в строках ключей/url из переменных среды. */
|
||||
internal fun resolveEnv(s: String): String =
|
||||
"""\$\{([^}]+)\}""".toRegex().replace(s) { m -> getEnv(m.groupValues[1]) ?: "" }
|
||||
|
||||
/** Атомарно занять слот у апстрима (по эффективному лимиту); false, если все заняты. */
|
||||
internal fun tryClaim(up: UpstreamConf, active: Map<String, UpstreamCounter>): Boolean =
|
||||
active.getValue(up.id).tryClaim()
|
||||
|
||||
/**
|
||||
* Эффективный лимит конкурентности апстрима: значение у апстрима (модели), если
|
||||
* задано; иначе у провайдера; иначе безлимит.
|
||||
*/
|
||||
internal fun effectiveConcurrencyLimit(up: UpstreamConf, provider: ProviderConf?): Int =
|
||||
up.max_concurrency ?: provider?.max_concurrency ?: Int.MAX_VALUE
|
||||
|
||||
/** Освободить слот апстрима (в finally по завершении проксирования). */
|
||||
internal fun release(up: UpstreamConf, active: Map<String, UpstreamCounter>) {
|
||||
active.getValue(up.id).release()
|
||||
}
|
||||
|
||||
class UpstreamCounter(private val limit: Int, initial: Int = 0) {
|
||||
private val lock = Mutex()
|
||||
@Volatile
|
||||
private var count: Int = initial
|
||||
|
||||
fun tryClaim(): Boolean {
|
||||
if (!lock.tryLock()) return false
|
||||
try {
|
||||
return if (count >= limit) false else {
|
||||
count++
|
||||
true
|
||||
}
|
||||
} finally {
|
||||
lock.unlock()
|
||||
}
|
||||
}
|
||||
|
||||
fun release(): Unit {
|
||||
if (!lock.tryLock()) return
|
||||
try {
|
||||
if (count > 0) count--
|
||||
} finally {
|
||||
lock.unlock()
|
||||
}
|
||||
}
|
||||
|
||||
val current: Int
|
||||
get() {
|
||||
if (!lock.tryLock()) return -1
|
||||
try {
|
||||
return count
|
||||
} finally {
|
||||
lock.unlock()
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
/**
|
||||
* Выбор апстрима для попытки: первый по порядку (приоритету) апстрим из `pool`,
|
||||
* у которого свободен слот и который ещё не в `excluded` (не упал ранее).
|
||||
* Сразу занимает слот (через [tryClaim]). Если свободных нет — возвращает null.
|
||||
*/
|
||||
internal fun pickFreeUpstream(
|
||||
pool: List<UpstreamConf>,
|
||||
active: Map<String, UpstreamCounter>,
|
||||
excluded: Set<String>,
|
||||
): UpstreamConf? =
|
||||
pool.firstOrNull { up -> up.id !in excluded && tryClaim(up, active) }
|
||||
|
||||
private suspend fun handleModels(call: ApplicationCall, config: Config) {
|
||||
val created = TimeSource.Monotonic.markNow().elapsedNow().inWholeSeconds
|
||||
val data = config.models.map { m ->
|
||||
JsonObject(
|
||||
mapOf(
|
||||
"id" to JsonPrimitive(m.name),
|
||||
"object" to JsonPrimitive("model"),
|
||||
"created" to JsonPrimitive(created),
|
||||
"owned_by" to JsonPrimitive("llm-proxy"),
|
||||
),
|
||||
)
|
||||
}
|
||||
val body = JsonObject(mapOf("object" to JsonPrimitive("list"), "data" to JsonArray(data)))
|
||||
call.respondText(body.toString(), ContentType.Application.Json, HttpStatusCode.OK)
|
||||
}
|
||||
|
||||
/**
|
||||
* Собрать полный chat.completion из SSE-чанков апстрима (для non-stream клиентов).
|
||||
* Сохраняются все значимые поля, которые отдаёт апстрим: id/created/model/
|
||||
* system_fingerprint/service_tier, usage, несколько choices (по index) с
|
||||
* role/content/reasoning_content/tool_calls/finish_reason/logprobs.
|
||||
*/
|
||||
internal fun rebuildFromChunks(sse: String): String {
|
||||
var id = ""
|
||||
var created: Long? = null
|
||||
var model = ""
|
||||
var systemFingerprint: String? = null
|
||||
var serviceTier: String? = null
|
||||
var usage: JsonObject? = null
|
||||
var provider: JsonElement? = null
|
||||
var error: JsonObject? = null
|
||||
|
||||
class MutableChoice {
|
||||
var role: String? = null
|
||||
val content = StringBuilder()
|
||||
val reasoning = StringBuilder()
|
||||
var finishReason: String? = null
|
||||
var logprobs: JsonElement? = null
|
||||
val toolCalls = mutableListOf<JsonObject>()
|
||||
}
|
||||
|
||||
val choices = mutableMapOf<Int, MutableChoice>()
|
||||
|
||||
sse.lineSequence().forEach { line ->
|
||||
if (!line.startsWith("data:")) return@forEach
|
||||
val data = line.removePrefix("data:").trim()
|
||||
if (data.isEmpty() || data == "[DONE]") return@forEach
|
||||
val obj = runCatching { json.parseToJsonElement(data).jsonObject }.getOrNull() ?: return@forEach
|
||||
if (id.isEmpty()) id = obj["id"]?.jsonPrimitive?.content ?: ""
|
||||
if (created == null) created = obj["created"]?.jsonPrimitive?.content?.toLongOrNull()
|
||||
if (model.isEmpty()) model = obj["model"]?.jsonPrimitive?.content ?: ""
|
||||
if (systemFingerprint == null) systemFingerprint = obj["system_fingerprint"]?.jsonPrimitive?.content
|
||||
if (serviceTier == null) serviceTier = obj["service_tier"]?.jsonPrimitive?.content
|
||||
if (provider == null) provider = obj["provider"]
|
||||
(obj["error"] as? JsonObject)?.let { error = it }
|
||||
(obj["usage"] as? JsonObject)?.let { usage = it }
|
||||
val chArr = obj["choices"]?.jsonArray ?: return@forEach
|
||||
for (ch in chArr) {
|
||||
val c = ch.jsonObject
|
||||
val idx = c["index"]?.jsonPrimitive?.content?.toIntOrNull() ?: 0
|
||||
val mc = choices.getOrPut(idx) { MutableChoice() }
|
||||
val delta = c["delta"]?.jsonObject
|
||||
if (delta != null) {
|
||||
if (mc.role == null) mc.role = delta["role"]?.jsonPrimitive?.content
|
||||
delta["content"]?.jsonPrimitive?.content?.takeIf { it != "null" }?.let { mc.content.append(it) }
|
||||
delta["reasoning_content"]?.jsonPrimitive?.content?.takeIf { it != "null" }?.let { mc.reasoning.append(it) }
|
||||
delta["tool_calls"]?.jsonArray?.forEach { tc -> (tc as? JsonObject)?.let { mc.toolCalls.add(it) } }
|
||||
}
|
||||
c["finish_reason"]?.jsonPrimitive?.content?.takeIf { it.isNotEmpty() && it != "null" }?.let { mc.finishReason = it }
|
||||
c["logprobs"]?.let { mc.logprobs = it }
|
||||
}
|
||||
}
|
||||
|
||||
// Апстрим вернул ошибку (в SSE она приходит чанком data: {"error":{...}}).
|
||||
// Не «проглатываем» — отдаём клиенту как есть.
|
||||
if (error != null) {
|
||||
return JsonObject(mapOf("error" to error)).toString()
|
||||
}
|
||||
|
||||
val choiceArr = choices.entries.sortedBy { it.key }.map { (idx, mc) ->
|
||||
val msg = mutableMapOf<String, JsonElement>(
|
||||
"role" to JsonPrimitive(mc.role ?: "assistant"),
|
||||
"content" to JsonPrimitive(mc.content.toString()),
|
||||
)
|
||||
if (mc.reasoning.isNotEmpty()) msg["reasoning_content"] = JsonPrimitive(mc.reasoning.toString())
|
||||
if (mc.toolCalls.isNotEmpty()) msg["tool_calls"] = JsonArray(mc.toolCalls)
|
||||
val ch = mutableMapOf<String, JsonElement>(
|
||||
"index" to JsonPrimitive(idx),
|
||||
"message" to JsonObject(msg),
|
||||
"finish_reason" to JsonPrimitive(mc.finishReason ?: "stop"),
|
||||
)
|
||||
mc.logprobs?.let { ch["logprobs"] = it }
|
||||
JsonObject(ch)
|
||||
}
|
||||
|
||||
val root = mutableMapOf<String, JsonElement>(
|
||||
"id" to JsonPrimitive(id),
|
||||
"object" to JsonPrimitive("chat.completion"),
|
||||
"created" to JsonPrimitive(created ?: Clock.System.now().epochSeconds),
|
||||
"model" to JsonPrimitive(model),
|
||||
"choices" to JsonArray(choiceArr),
|
||||
)
|
||||
systemFingerprint?.let { root["system_fingerprint"] = JsonPrimitive(it) }
|
||||
serviceTier?.let { root["service_tier"] = JsonPrimitive(it) }
|
||||
provider?.let { root["provider"] = it }
|
||||
usage?.let { root["usage"] = it }
|
||||
return JsonObject(root).toString()
|
||||
}
|
||||
|
||||
@Serializable
|
||||
data class ProviderConf(
|
||||
val id: String,
|
||||
val url: String,
|
||||
val key: String = "",
|
||||
val max_concurrency: Int? = null,
|
||||
val patch: JsonObject? = null,
|
||||
)
|
||||
|
||||
data class UpstreamConf(
|
||||
val id: String,
|
||||
val provider: String,
|
||||
val model: String,
|
||||
val max_concurrency: Int? = null,
|
||||
val patch: JsonObject? = null,
|
||||
)
|
||||
|
||||
data class ModelConf(
|
||||
val name: String,
|
||||
val upstreams: List<String>,
|
||||
val patch: JsonObject? = null,
|
||||
)
|
||||
|
||||
data class ServerConf(
|
||||
val host: String = "0.0.0.0",
|
||||
val port: Int = 8100,
|
||||
)
|
||||
|
||||
data class Config(
|
||||
val server: ServerConf,
|
||||
val providers: List<ProviderConf>,
|
||||
val upstreams: List<UpstreamConf>,
|
||||
val models: List<ModelConf>,
|
||||
)
|
||||
|
||||
/**
|
||||
* Ручной разбор YAML-дерева (YamlElement) в конфиг. Поле `patch` сразу
|
||||
* конвертируется в kotlinx JsonObject (merge`ить в тело тривиально).
|
||||
* Декодирование всего документа как YamlElement надёжнее, чем вложенный
|
||||
* `@Serializable`-класс с полем YamlElement (yamlkt криво читает списки).
|
||||
*/
|
||||
internal fun parseConfig(root: YamlElement): Config {
|
||||
val rootMap = root as? YamlMap ?: error("config root must be a map")
|
||||
val top = rootMap.toMap()
|
||||
|
||||
fun list(key: String): List<YamlElement> {
|
||||
val v = top[key] ?: return emptyList()
|
||||
return (v as? YamlList)?.map { it } ?: emptyList()
|
||||
}
|
||||
|
||||
val serverMap = (top["server"] as? YamlMap)?.toMap()
|
||||
val server = if (serverMap != null) {
|
||||
ServerConf(
|
||||
host = serverMap.strOrNull("host") ?: "0.0.0.0",
|
||||
port = serverMap.strOrNull("port")?.toIntOrNull() ?: 8100,
|
||||
)
|
||||
} else {
|
||||
ServerConf()
|
||||
}
|
||||
|
||||
val providers = list("providers").map { entry ->
|
||||
val m = (entry as YamlMap).toMap()
|
||||
ProviderConf(
|
||||
id = m.str("id"),
|
||||
url = m.str("url"),
|
||||
key = m.strOrNull("key") ?: "",
|
||||
max_concurrency = m.strOrNull("max_concurrency")?.toIntOrNull(),
|
||||
patch = m.yamlMapOrNull("patch")?.let { yamlToJson(it) as JsonObject },
|
||||
)
|
||||
}
|
||||
|
||||
val upstreams = list("upstreams").map { entry ->
|
||||
val m = (entry as YamlMap).toMap()
|
||||
UpstreamConf(
|
||||
id = m.str("id"),
|
||||
provider = m.str("provider"),
|
||||
model = m.str("model"),
|
||||
max_concurrency = m.strOrNull("max_concurrency")?.toIntOrNull(),
|
||||
patch = m.yamlMapOrNull("patch")?.let { yamlToJson(it) as JsonObject },
|
||||
)
|
||||
}
|
||||
|
||||
val models = list("models").map { entry ->
|
||||
val m = (entry as YamlMap).toMap()
|
||||
ModelConf(
|
||||
name = m.str("name"),
|
||||
upstreams = (m["upstreams"] as? YamlList)?.map { (it as YamlLiteral).content } ?: emptyList(),
|
||||
patch = m.yamlMapOrNull("patch")?.let { yamlToJson(it) as JsonObject },
|
||||
)
|
||||
}
|
||||
|
||||
return Config(server, providers, upstreams, models)
|
||||
}
|
||||
|
||||
/** YamlMap -> Map<String, YamlElement> (ключи YAML — строковые скаляры). */
|
||||
internal fun YamlMap.toMap(): Map<String, YamlElement> =
|
||||
entries.associate { (it.key as YamlLiteral).content to it.value }
|
||||
|
||||
internal fun Map<String, YamlElement>.str(key: String): String =
|
||||
(this[key] as? YamlLiteral)?.content ?: error("config: missing string '$key'")
|
||||
|
||||
internal fun Map<String, YamlElement>.strOrNull(key: String): String? =
|
||||
(this[key] as? YamlLiteral)?.content
|
||||
|
||||
internal fun Map<String, YamlElement>.yamlMapOrNull(key: String): YamlMap? =
|
||||
this[key] as? YamlMap
|
||||
@@ -0,0 +1,10 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
import io.ktor.client.HttpClient
|
||||
import io.ktor.server.application.Application
|
||||
|
||||
/** Платформенное создание HTTP-клиента (движок задаётся в actual). */
|
||||
expect fun createHttpClient(): HttpClient
|
||||
|
||||
/** Платформенный запуск Ktor-сервера (движок задаётся в actual). */
|
||||
expect fun startServer(host: String, port: Int, module: Application.() -> Unit)
|
||||
@@ -0,0 +1,4 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
/** Предел времени на весь запрос к апстриму, мс: от отправки до приёма всего ответа (включая стриминг). */
|
||||
const val UPSTREAM_REQUEST_TIMEOUT_MS: Long = 5 * 60_000L
|
||||
@@ -0,0 +1,357 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
import kotlin.test.Test
|
||||
import kotlin.test.assertEquals
|
||||
import kotlin.test.assertFalse
|
||||
import kotlin.test.assertTrue
|
||||
import io.ktor.http.headersOf
|
||||
import kotlinx.serialization.json.Json
|
||||
import kotlinx.serialization.json.JsonObject
|
||||
import kotlinx.serialization.json.jsonArray
|
||||
import kotlinx.serialization.json.jsonObject
|
||||
import kotlinx.serialization.json.jsonPrimitive
|
||||
import net.mamoe.yamlkt.Yaml
|
||||
|
||||
class ConfigLogicTest {
|
||||
|
||||
@Test
|
||||
fun mergeDeepMergesNestedObjectsAndReplacesScalars() {
|
||||
val base = Json.parseToJsonElement("""{"a":{"x":1,"y":2},"b":1}""").jsonObject
|
||||
val patch = Json.parseToJsonElement("""{"a":{"y":3,"z":4},"c":5}""").jsonObject
|
||||
val merged = merge(base, patch)
|
||||
assertEquals("""{"a":{"x":1,"y":3,"z":4},"b":1,"c":5}""", merged.toString())
|
||||
}
|
||||
|
||||
@Test
|
||||
fun mergeReplacesArraysByKey() {
|
||||
val base = Json.parseToJsonElement("""{"provider":{"ignore":["a"]}}""").jsonObject
|
||||
val patch = Json.parseToJsonElement("""{"provider":{"ignore":["b","c"]}}""").jsonObject
|
||||
assertEquals("""{"provider":{"ignore":["b","c"]}}""", merge(base, patch).toString())
|
||||
}
|
||||
|
||||
@Test
|
||||
fun parseConfigReadsAllBlocksAndConvertsPatchToJsonObject() {
|
||||
val yaml = """
|
||||
providers:
|
||||
- id: p1
|
||||
url: "https://x.ru/api/v1"
|
||||
key: "k"
|
||||
max_concurrency: 4
|
||||
patch:
|
||||
provider:
|
||||
allow_fallbacks: false
|
||||
upstreams:
|
||||
- id: u1
|
||||
provider: p1
|
||||
model: real-1
|
||||
max_concurrency: 2
|
||||
patch:
|
||||
provider:
|
||||
ignore: [deepseek]
|
||||
- id: bad
|
||||
provider: missing
|
||||
model: x
|
||||
models:
|
||||
- name: m1
|
||||
upstreams: [u1, bad]
|
||||
patch:
|
||||
reasoning:
|
||||
enabled: false
|
||||
""".trimIndent()
|
||||
|
||||
val cfg = parseConfig(Yaml.decodeYamlFromString(yaml))
|
||||
|
||||
assertEquals(1, cfg.providers.size)
|
||||
assertEquals("https://x.ru/api/v1", cfg.providers[0].url)
|
||||
assertEquals(4, cfg.providers[0].max_concurrency)
|
||||
assertEquals(2, cfg.upstreams.size)
|
||||
assertEquals(2, cfg.upstreams[0].max_concurrency)
|
||||
assertEquals(listOf("u1", "bad"), cfg.models[0].upstreams)
|
||||
|
||||
assertEquals("""{"provider":{"allow_fallbacks":false}}""", cfg.providers[0].patch.toString())
|
||||
assertEquals("""{"provider":{"ignore":["deepseek"]}}""", cfg.upstreams[0].patch.toString())
|
||||
assertEquals("""{"reasoning":{"enabled":false}}""", cfg.models[0].patch.toString())
|
||||
}
|
||||
|
||||
@Test
|
||||
fun parseConfigReadsServerBlock() {
|
||||
val yaml = """
|
||||
server:
|
||||
host: 127.0.0.1
|
||||
port: 9200
|
||||
models:
|
||||
- name: m1
|
||||
upstreams: []
|
||||
""".trimIndent()
|
||||
|
||||
val cfg = parseConfig(Yaml.decodeYamlFromString(yaml))
|
||||
|
||||
assertEquals("127.0.0.1", cfg.server.host)
|
||||
assertEquals(9200, cfg.server.port)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun parseConfigServerDefaultsWhenBlockAbsent() {
|
||||
val yaml = """
|
||||
models:
|
||||
- name: m1
|
||||
upstreams: []
|
||||
""".trimIndent()
|
||||
|
||||
val cfg = parseConfig(Yaml.decodeYamlFromString(yaml))
|
||||
|
||||
assertEquals("0.0.0.0", cfg.server.host)
|
||||
assertEquals(8100, cfg.server.port)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun parseConfigServerFieldDefaultsPerField() {
|
||||
val yaml = """
|
||||
server:
|
||||
host: 192.168.88.10
|
||||
models:
|
||||
- name: m1
|
||||
upstreams: []
|
||||
""".trimIndent()
|
||||
|
||||
val cfg = parseConfig(Yaml.decodeYamlFromString(yaml))
|
||||
|
||||
assertEquals("192.168.88.10", cfg.server.host)
|
||||
assertEquals(8100, cfg.server.port)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun parseConfigOmitsPatchWhenAbsent() {
|
||||
val yaml = """
|
||||
providers:
|
||||
- id: p1
|
||||
url: "https://x.ru/api/v1"
|
||||
upstreams:
|
||||
- id: u1
|
||||
provider: p1
|
||||
model: real-1
|
||||
models:
|
||||
- name: m1
|
||||
upstreams: [u1]
|
||||
""".trimIndent()
|
||||
val cfg = parseConfig(Yaml.decodeYamlFromString(yaml))
|
||||
assertEquals(null, cfg.providers[0].patch)
|
||||
assertEquals(null, cfg.models[0].patch)
|
||||
assertEquals(null, cfg.upstreams[0].max_concurrency)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun buildBodySubstitutesModelAndAppliesLayersInOrder() {
|
||||
val provider = ProviderConf(
|
||||
"p1", "https://x", "", null,
|
||||
Json.parseToJsonElement("""{"provider":{"allow_fallbacks":false}}""").jsonObject,
|
||||
)
|
||||
val up = UpstreamConf(
|
||||
"u1", "p1", "real-1", null,
|
||||
Json.parseToJsonElement("""{"provider":{"ignore":["deepseek"]}}""").jsonObject,
|
||||
)
|
||||
val model = ModelConf(
|
||||
"m1", listOf("u1"),
|
||||
Json.parseToJsonElement("""{"reasoning":{"enabled":false}}""").jsonObject,
|
||||
)
|
||||
val body = Json.parseToJsonElement(
|
||||
"""{"model":"m1","messages":[],"temperature":0.7}""",
|
||||
).jsonObject
|
||||
|
||||
val out = buildBody(body, provider, up, model)
|
||||
assertEquals(
|
||||
"""{"model":"real-1","messages":[],"temperature":0.7,"provider":{"allow_fallbacks":false,"ignore":["deepseek"]},"reasoning":{"enabled":false}}""",
|
||||
out.toString(),
|
||||
)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun buildBodyWithNoPatchesReturnsClientBodyWithSubstitutedModel() {
|
||||
val provider = ProviderConf("p1", "https://x", "")
|
||||
val up = UpstreamConf("u1", "p1", "real-1", null, null)
|
||||
val model = ModelConf("m1", listOf("u1"), null)
|
||||
val body = Json.parseToJsonElement("""{"model":"m1","a":1}""").jsonObject
|
||||
assertEquals("""{"model":"real-1","a":1}""", buildBody(body, provider, up, model).toString())
|
||||
}
|
||||
|
||||
@Test
|
||||
fun resolveEnvSubstitutesMissingVarWithEmptyAndPassesLiteralThrough() {
|
||||
assertEquals("", resolveEnv("\${LLM_PROXY_TEST_MISSING_VAR}"))
|
||||
assertEquals("plain", resolveEnv("plain"))
|
||||
assertEquals("pre--post", resolveEnv("pre-\${LLM_PROXY_TEST_MISSING_VAR}-post"))
|
||||
}
|
||||
|
||||
@Test
|
||||
fun tryClaimRespectsMaxConcurrencyAndReleaseFreesSlot() {
|
||||
val active = mapOf("u1" to UpstreamCounter(1))
|
||||
val up = UpstreamConf("u1", "p", "m", 1, null)
|
||||
assertTrue(tryClaim(up, active))
|
||||
assertFalse(tryClaim(up, active))
|
||||
release(up, active)
|
||||
assertTrue(tryClaim(up, active))
|
||||
}
|
||||
|
||||
@Test
|
||||
fun tryClaimUnlimitedWhenMaxConcurrencyIsNull() {
|
||||
val active = mapOf("u2" to UpstreamCounter(Int.MAX_VALUE))
|
||||
val up = UpstreamConf("u2", "p", "m", null, null)
|
||||
assertTrue(tryClaim(up, active))
|
||||
assertTrue(tryClaim(up, active))
|
||||
}
|
||||
|
||||
@Test
|
||||
fun effectiveConcurrencyLimitPrefersUpstreamThenProvider() {
|
||||
val providerWithLimit = ProviderConf("p1", "https://x", "", 3, null)
|
||||
val providerWithoutLimit = ProviderConf("p2", "https://x", "", null, null)
|
||||
assertEquals(
|
||||
2,
|
||||
effectiveConcurrencyLimit(UpstreamConf("u1", "p1", "m", 2, null), providerWithLimit),
|
||||
)
|
||||
assertEquals(
|
||||
3,
|
||||
effectiveConcurrencyLimit(UpstreamConf("u1", "p1", "m", null, null), providerWithLimit),
|
||||
)
|
||||
assertEquals(
|
||||
Int.MAX_VALUE,
|
||||
effectiveConcurrencyLimit(UpstreamConf("u1", "p2", "m", null, null), providerWithoutLimit),
|
||||
)
|
||||
assertEquals(
|
||||
Int.MAX_VALUE,
|
||||
effectiveConcurrencyLimit(UpstreamConf("u1", "missing", "m", null, null), null),
|
||||
)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun pickFreeUpstreamReturnsFirstFreeInDeclarationOrder() {
|
||||
val active = mapOf("u1" to UpstreamCounter(1), "u2" to UpstreamCounter(2))
|
||||
val pool = listOf(
|
||||
UpstreamConf("u1", "p", "m", 1, null),
|
||||
UpstreamConf("u2", "p", "m", 2, null),
|
||||
)
|
||||
val up = pickFreeUpstream(pool, active, emptySet())
|
||||
assertEquals("u1", up?.id)
|
||||
// слот реально занят
|
||||
assertEquals(1, active.getValue("u1").current)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun pickFreeUpstreamSkipsExcluded() {
|
||||
val active = mapOf("u1" to UpstreamCounter(1), "u2" to UpstreamCounter(2))
|
||||
val pool = listOf(
|
||||
UpstreamConf("u1", "p", "m", 1, null),
|
||||
UpstreamConf("u2", "p", "m", 2, null),
|
||||
)
|
||||
val up = pickFreeUpstream(pool, active, setOf("u1"))
|
||||
assertEquals("u2", up?.id)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun pickFreeUpstreamReturnsNullWhenAllBusy() {
|
||||
val active = mapOf("u1" to UpstreamCounter(1, 1)) // уже на лимите 1
|
||||
val pool = listOf(UpstreamConf("u1", "p", "m", 1, null))
|
||||
assertEquals(null, pickFreeUpstream(pool, active, emptySet()))
|
||||
}
|
||||
|
||||
@Test
|
||||
fun pickFreeUpstreamImplementsFailoverOrder() {
|
||||
// dead исключён (упал ранее) — выбирается следующий живой u1
|
||||
val active = mapOf("dead" to UpstreamCounter(1), "u1" to UpstreamCounter(1))
|
||||
val pool = listOf(
|
||||
UpstreamConf("dead", "p", "m", 1, null),
|
||||
UpstreamConf("u1", "p", "m", 1, null),
|
||||
)
|
||||
val up = pickFreeUpstream(pool, active, setOf("dead"))
|
||||
assertEquals("u1", up?.id)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun pickFreeUpstreamExhaustsConcurrencyThenReturnsNull() {
|
||||
val active = mapOf("u1" to UpstreamCounter(1), "u2" to UpstreamCounter(1))
|
||||
val pool = listOf(
|
||||
UpstreamConf("u1", "p", "m", 1, null),
|
||||
UpstreamConf("u2", "p", "m", 1, null),
|
||||
)
|
||||
assertEquals("u1", pickFreeUpstream(pool, active, emptySet())?.id)
|
||||
assertEquals("u2", pickFreeUpstream(pool, active, emptySet())?.id)
|
||||
assertEquals(null, pickFreeUpstream(pool, active, emptySet())?.id)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun headersToForwardKeepsUnknownAndDropsServiceHeaders() {
|
||||
val req = headersOf(
|
||||
"X-Opencode-Session" to listOf("abc-123"),
|
||||
"X-Custom" to listOf("a", "b"),
|
||||
"Host" to listOf("proxy:8100"),
|
||||
"Content-Length" to listOf("42"),
|
||||
"Transfer-Encoding" to listOf("chunked"),
|
||||
"Connection" to listOf("keep-alive"),
|
||||
"TE" to listOf("trailers"),
|
||||
"Proxy-Connection" to listOf("keep-alive"),
|
||||
"Upgrade" to listOf("h2c"),
|
||||
"Authorization" to listOf("Bearer client-secret"),
|
||||
"Accept" to listOf("*/*"),
|
||||
)
|
||||
val out = headersToForward(req)
|
||||
assertEquals(listOf("abc-123"), out["X-Opencode-Session"])
|
||||
assertEquals(listOf("a", "b"), out["X-Custom"])
|
||||
assertEquals(listOf("*/*"), out["Accept"])
|
||||
assertEquals(3, out.size)
|
||||
assertEquals(null, out["Authorization"])
|
||||
}
|
||||
|
||||
@Test
|
||||
fun headersToForwardIsCaseInsensitiveOnSkipSet() {
|
||||
val out = headersToForward(
|
||||
headersOf(
|
||||
"HOST" to listOf("x"),
|
||||
"Content-length" to listOf("1"),
|
||||
"x-opencode-session" to listOf("s"),
|
||||
),
|
||||
)
|
||||
assertEquals(1, out.size)
|
||||
assertEquals(listOf("s"), out["x-opencode-session"])
|
||||
}
|
||||
|
||||
@Test
|
||||
fun rebuildFromChunksPreservesAllUpstreamFields() {
|
||||
val sse = """
|
||||
data: {"id":"c1","object":"chat.completion.chunk","created":123,"model":"m","provider":"Baidu","system_fingerprint":"sf1","choices":[{"index":0,"delta":{"role":"assistant","content":"He"},"finish_reason":null}]}
|
||||
|
||||
data: {"id":"c1","created":123,"model":"m","provider":"Baidu","choices":[{"index":0,"delta":{"content":"llo"},"finish_reason":null}]}
|
||||
|
||||
data: {"id":"c1","created":123,"model":"m","provider":"Baidu","choices":[{"index":1,"delta":{"content":"B"},"finish_reason":null}]}
|
||||
|
||||
data: {"id":"c1","created":123,"model":"m","provider":"Baidu","choices":[{"index":0,"delta":{},"finish_reason":"stop"},{"index":1,"delta":{},"finish_reason":"stop"}]}
|
||||
|
||||
data: {"id":"c1","created":123,"model":"m","provider":"Baidu","usage":{"prompt_tokens":1,"completion_tokens":2,"total_tokens":3}}
|
||||
|
||||
data: [DONE]
|
||||
""".trimIndent()
|
||||
|
||||
val out = Json.parseToJsonElement(rebuildFromChunks(sse)).jsonObject
|
||||
assertEquals("c1", out["id"]?.jsonPrimitive?.content)
|
||||
assertEquals("m", out["model"]?.jsonPrimitive?.content)
|
||||
assertEquals("Baidu", out["provider"]?.jsonPrimitive?.content)
|
||||
assertEquals("sf1", out["system_fingerprint"]?.jsonPrimitive?.content)
|
||||
assertEquals("chat.completion", out["object"]?.jsonPrimitive?.content)
|
||||
assertEquals(123, out["created"]?.jsonPrimitive?.content?.toLong())
|
||||
assertEquals(3, out["usage"]?.jsonObject?.get("total_tokens")?.jsonPrimitive?.content?.toInt())
|
||||
val choices = out["choices"]?.jsonArray ?: error("no choices")
|
||||
assertEquals(2, choices.size)
|
||||
assertEquals("Hello", choices[0].jsonObject["message"]?.jsonObject?.get("content")?.jsonPrimitive?.content)
|
||||
assertEquals("B", choices[1].jsonObject["message"]?.jsonObject?.get("content")?.jsonPrimitive?.content)
|
||||
assertEquals("stop", choices[0].jsonObject["finish_reason"]?.jsonPrimitive?.content)
|
||||
}
|
||||
|
||||
@Test
|
||||
fun rebuildFromChunksReturnsUpstreamErrorVerbatim() {
|
||||
val sse = """
|
||||
data: {"id":"c1","error":{"message":"Unsupported field 'foo'","type":"invalid_request"},"choices":[]}
|
||||
|
||||
data: [DONE]
|
||||
""".trimIndent()
|
||||
val out = Json.parseToJsonElement(rebuildFromChunks(sse)).jsonObject
|
||||
val err = out["error"]?.jsonObject ?: error("error block missing")
|
||||
assertEquals("Unsupported field 'foo'", err["message"]?.jsonPrimitive?.content)
|
||||
}
|
||||
}
|
||||
@@ -0,0 +1,3 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
actual fun getEnv(name: String): String? = System.getenv(name)
|
||||
@@ -0,0 +1,19 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
import io.ktor.client.HttpClient
|
||||
import io.ktor.client.engine.cio.CIO
|
||||
import io.ktor.server.application.Application
|
||||
import io.ktor.server.cio.CIO as ServerCIO
|
||||
import io.ktor.server.engine.embeddedServer
|
||||
|
||||
actual fun createHttpClient(): HttpClient = HttpClient(CIO) {
|
||||
engine {
|
||||
requestTimeout = UPSTREAM_REQUEST_TIMEOUT_MS
|
||||
}
|
||||
}
|
||||
|
||||
actual fun startServer(host: String, port: Int, module: Application.() -> Unit) {
|
||||
embeddedServer(ServerCIO, port = port, host = host) {
|
||||
module()
|
||||
}.start(wait = true)
|
||||
}
|
||||
@@ -0,0 +1,8 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
import kotlinx.cinterop.ExperimentalForeignApi
|
||||
import kotlinx.cinterop.toKString
|
||||
import platform.posix.getenv
|
||||
|
||||
@OptIn(ExperimentalForeignApi::class)
|
||||
actual fun getEnv(name: String): String? = getenv(name)?.toKString()
|
||||
@@ -0,0 +1,19 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
import io.ktor.client.HttpClient
|
||||
import io.ktor.client.engine.cio.CIO
|
||||
import io.ktor.server.application.Application
|
||||
import io.ktor.server.cio.CIO as ServerCIO
|
||||
import io.ktor.server.engine.embeddedServer
|
||||
|
||||
actual fun createHttpClient(): HttpClient = HttpClient(CIO) {
|
||||
engine {
|
||||
requestTimeout = UPSTREAM_REQUEST_TIMEOUT_MS
|
||||
}
|
||||
}
|
||||
|
||||
actual fun startServer(host: String, port: Int, module: Application.() -> Unit) {
|
||||
embeddedServer(ServerCIO, port = port, host = host) {
|
||||
module()
|
||||
}.start(wait = true)
|
||||
}
|
||||
@@ -1,196 +0,0 @@
|
||||
package pw.binom.llmproxy
|
||||
|
||||
import io.ktor.http.ContentType
|
||||
import io.ktor.http.HttpStatusCode
|
||||
import io.ktor.server.application.Application
|
||||
import io.ktor.server.application.ApplicationCall
|
||||
import io.ktor.server.application.install
|
||||
import io.ktor.server.cio.CIO
|
||||
import io.ktor.server.engine.embeddedServer
|
||||
import io.ktor.server.request.receiveText
|
||||
import io.ktor.server.response.respondBytes
|
||||
import io.ktor.server.response.respondOutputStream
|
||||
import io.ktor.server.routing.get
|
||||
import io.ktor.server.routing.post
|
||||
import io.ktor.server.routing.routing
|
||||
import kotlinx.serialization.json.Json
|
||||
import kotlinx.serialization.json.JsonArray
|
||||
import kotlinx.serialization.json.JsonObject
|
||||
import kotlinx.serialization.json.JsonPrimitive
|
||||
import kotlinx.serialization.json.jsonArray
|
||||
import kotlinx.serialization.json.jsonObject
|
||||
import kotlinx.serialization.json.jsonPrimitive
|
||||
import java.net.URI
|
||||
import java.net.http.HttpClient
|
||||
import java.net.http.HttpRequest
|
||||
import java.net.http.HttpResponse
|
||||
import java.time.Duration
|
||||
|
||||
/**
|
||||
* Прослойка OpenAI API: принимает chat/completions, добавляет в JSON
|
||||
* `provider.ignore` (исключение дорогих провайдеров) + `allow_fallbacks: false`
|
||||
* и прозрачно проксирует на RouterAI (routerai.ru/api/v1). Ответ — как есть,
|
||||
* включая SSE-стрим.
|
||||
*
|
||||
* Трюк «-no-think»: модели из [THINKING_MODELS] в каталоге /v1/models дублируются
|
||||
* с суффиксом `-no-think`; запрос на такой id получает `reasoning: {"enabled": false}`
|
||||
* (модель не думает — не жрёт токены на reasoning). Проверено на
|
||||
* deepseek/deepseek-v4-flash-0731: reasoning.enabled=false глушит думанье.
|
||||
*
|
||||
* Конфиг (env):
|
||||
* - PORT (default 8100)
|
||||
* - UPSTREAM_URL (default https://routerai.ru/api/v1)
|
||||
* - ROUTER_API_KEY — Bearer-ключ RouterAI (обязателен)
|
||||
* - EXCLUDED_PROVIDERS — slug'и провайдеров через запятую (напр. "deepseek")
|
||||
* - THINKING_MODELS — подстроки id «думающих» моделей через запятую
|
||||
* (напр. "deepseek/deepseek-v4-flash-0731,deepseek/deepseek-r1")
|
||||
*/
|
||||
fun main() {
|
||||
val port = System.getenv("PORT")?.toIntOrNull() ?: 8100
|
||||
val upstream = System.getenv("UPSTREAM_URL") ?: "https://routerai.ru/api/v1"
|
||||
val apiKey = System.getenv("ROUTER_API_KEY")
|
||||
?: throw IllegalStateException("ROUTER_API_KEY required")
|
||||
val excluded = (System.getenv("EXCLUDED_PROVIDERS") ?: "")
|
||||
.split(",").map { it.trim() }.filter { it.isNotEmpty() }.distinct()
|
||||
val thinking = (System.getenv("THINKING_MODELS") ?: "deepseek/deepseek-v4-flash-0731,deepseek/deepseek-v4-flash")
|
||||
.split(",").map { it.trim() }.filter { it.isNotEmpty() }.distinct()
|
||||
|
||||
embeddedServer(CIO, port = port, host = "0.0.0.0") {
|
||||
proxyModule(upstream, apiKey, excluded, thinking)
|
||||
}.start(wait = true)
|
||||
}
|
||||
|
||||
private val json = Json { ignoreUnknownKeys = true }
|
||||
|
||||
/** Прокси-клиент: один на процесс (HttpClient потокобезопасен). */
|
||||
private val http = HttpClient.newBuilder()
|
||||
.connectTimeout(Duration.ofSeconds(15))
|
||||
.build()
|
||||
|
||||
fun Application.proxyModule(upstream: String, apiKey: String, excluded: List<String>, thinking: List<String>) {
|
||||
routing {
|
||||
post("/v1/chat/completions") {
|
||||
handleChat(call, upstream, apiKey, excluded, thinking)
|
||||
}
|
||||
get("/v1/models") {
|
||||
handleModels(call, upstream, apiKey, thinking)
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
private suspend fun handleChat(
|
||||
call: ApplicationCall,
|
||||
upstream: String,
|
||||
apiKey: String,
|
||||
excluded: List<String>,
|
||||
thinking: List<String>,
|
||||
) {
|
||||
val raw = call.receiveText()
|
||||
if (raw.isBlank()) {
|
||||
call.respondBytes(
|
||||
"""{"error":{"message":"empty body"}}""".toByteArray(),
|
||||
ContentType.Application.Json, HttpStatusCode.BadRequest,
|
||||
)
|
||||
return
|
||||
}
|
||||
val patched = try {
|
||||
patchBody(raw, excluded, thinking)
|
||||
} catch (e: Exception) {
|
||||
call.respondBytes(
|
||||
"""{"error":{"message":"bad json: ${e.message}"}}""".toByteArray(),
|
||||
ContentType.Application.Json, HttpStatusCode.BadRequest,
|
||||
)
|
||||
return
|
||||
}
|
||||
|
||||
val req = HttpRequest.newBuilder()
|
||||
.uri(URI.create(upstream.trimEnd('/') + "/chat/completions"))
|
||||
.header("Authorization", "Bearer $apiKey")
|
||||
.header("Content-Type", "application/json")
|
||||
.POST(HttpRequest.BodyPublishers.ofString(patched))
|
||||
.build()
|
||||
|
||||
val stream = json.parseToJsonElement(raw).jsonObject["stream"]?.jsonPrimitive?.content == "true"
|
||||
if (stream) {
|
||||
// SSE-стрим: транслируем как есть, чанк за чанком.
|
||||
val resp = http.send(req, HttpResponse.BodyHandlers.ofInputStream())
|
||||
val ct = resp.headers().firstValue("content-type").orElse("text/event-stream")
|
||||
call.respondOutputStream(ContentType.parse(ct), HttpStatusCode.fromValue(resp.statusCode())) {
|
||||
resp.body().use { input -> input.copyTo(this, 8192) }
|
||||
}
|
||||
} else {
|
||||
val resp = http.send(req, HttpResponse.BodyHandlers.ofByteArray())
|
||||
val ct = resp.headers().firstValue("content-type").orElse("application/json")
|
||||
call.respondBytes(resp.body(), ContentType.parse(ct), HttpStatusCode.fromValue(resp.statusCode()))
|
||||
}
|
||||
}
|
||||
|
||||
/**
|
||||
* Патч запроса: (1) если модель оканчивается на "-no-think" — снять суффикс и
|
||||
* добавить `reasoning: {"enabled": false}` (не думать); (2) добавить
|
||||
* `provider.ignore` (объединяя с присланным клиентом) и `allow_fallbacks: false` —
|
||||
* иначе ignore не жёсткий: RouterAI может уйти на исключённого провайдера
|
||||
* резервной попыткой (см. гайд provider-selection).
|
||||
*/
|
||||
internal fun patchBody(raw: String, excluded: List<String>, thinking: List<String>): String {
|
||||
val root = json.parseToJsonElement(raw).jsonObject.toMutableMap()
|
||||
|
||||
val model = root["model"]?.jsonPrimitive?.content ?: ""
|
||||
if (model.endsWith("-no-think")) {
|
||||
root["model"] = JsonPrimitive(model.removeSuffix("-no-think"))
|
||||
if (root["reasoning"] == null) {
|
||||
root["reasoning"] = JsonObject(mapOf("enabled" to JsonPrimitive(false)))
|
||||
}
|
||||
}
|
||||
|
||||
val provider = root["provider"]?.jsonObject?.toMutableMap() ?: mutableMapOf()
|
||||
val existing = provider["ignore"]?.jsonArray?.map { it.jsonPrimitive.content } ?: emptyList()
|
||||
provider["ignore"] = JsonArray((existing + excluded).distinct().map { JsonPrimitive(it) })
|
||||
if (provider["allow_fallbacks"] == null) {
|
||||
provider["allow_fallbacks"] = JsonPrimitive(false)
|
||||
}
|
||||
root["provider"] = JsonObject(provider)
|
||||
return JsonObject(root).toString()
|
||||
}
|
||||
|
||||
private suspend fun handleModels(
|
||||
call: ApplicationCall,
|
||||
upstream: String,
|
||||
apiKey: String,
|
||||
thinking: List<String>,
|
||||
) {
|
||||
val req = HttpRequest.newBuilder()
|
||||
.uri(URI.create(upstream.trimEnd('/') + "/models"))
|
||||
.header("Authorization", "Bearer $apiKey")
|
||||
.GET()
|
||||
.build()
|
||||
val resp = http.send(req, HttpResponse.BodyHandlers.ofByteArray())
|
||||
val ct = resp.headers().firstValue("content-type").orElse("application/json")
|
||||
val body = if (thinking.isNotEmpty()) {
|
||||
patchModelsCatalog(String(resp.body(), Charsets.UTF_8), thinking).toByteArray(Charsets.UTF_8)
|
||||
} else {
|
||||
resp.body()
|
||||
}
|
||||
call.respondBytes(body, ContentType.parse(ct), HttpStatusCode.fromValue(resp.statusCode()))
|
||||
}
|
||||
|
||||
/**
|
||||
* Дублировать «думающие» модели в каталоге с суффиксом "-no-think":
|
||||
* каждая модель, чей id содержит любую из подстрок [thinking], получает копию
|
||||
* с id = "<оригинал>-no-think".
|
||||
*/
|
||||
internal fun patchModelsCatalog(raw: String, thinking: List<String>): String {
|
||||
val root = json.parseToJsonElement(raw).jsonObject.toMutableMap()
|
||||
val data = root["data"]?.jsonArray?.map { it.jsonObject } ?: emptyList()
|
||||
if (data.isEmpty()) return raw
|
||||
val copies = data.filter { m ->
|
||||
val id = m["id"]?.jsonPrimitive?.content ?: ""
|
||||
thinking.any { id.contains(it) }
|
||||
}.map { m ->
|
||||
val id = m["id"]?.jsonPrimitive?.content ?: ""
|
||||
JsonObject(m.toMutableMap().apply { this["id"] = JsonPrimitive(id + "-no-think") })
|
||||
}
|
||||
if (copies.isEmpty()) return raw
|
||||
root["data"] = JsonArray(data + copies)
|
||||
return JsonObject(root).toString()
|
||||
}
|
||||
Reference in New Issue
Block a user