yhydev/llmproxy
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
912b027864d0468898feba7abae54fcd4d40b12e
llmproxy/docs/multi_backend_final_design.md
Vertex-AI-Step-Builder fa419ccac4 多后端支持文档
2025-12-31 15:22:40 +00:00

37 KiB
Raw Blame History

多后端大模型支持实现方案（最终版）

版本：v2.0 更新日期：2025-12-31 状态：待确认

📋 方案概述

核心设计理念

  1. ✅ Provider-Based 架构：单个适配器实例支持同一提供商的多个模型
  2. ✅ OpenAI 兼容接口：适配器参数和返回值完全对标 OpenAI API
  3. ✅ 简洁配置 + 代码实现：配置文件只存数据，复杂逻辑用代码实现
  4. ✅ 统一标准化接口：所有适配器遵循相同的接口规范

适用场景

  • 标准 OpenAI 兼容 API
  • 不同认证方式的 API（API-Key、签名等）
  • 不同请求/响应格式的 API
  • 需要特殊处理的 API

一、架构设计

1.1 整体架构图

┌─────────────────────────────────────────────────────────┐
│                   Client Request                        │
│        {"model": "gpt-4", "messages": [...]}           │
└─────────────────────┬───────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────────┐
│              Chat Completions API                       │
│              /v1/chat/completions                       │
└─────────────────────┬───────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────────┐
│              Model Router (模型路由器)                   │
│  - 根据 model 字段查找对应的 provider                    │
│  - 缓存 adapter 实例（按 provider 缓存）                 │
│  - 动态加载适配器（generic 或 custom）                   │
│                                                         │
│  例: "gpt-4" → OpenAI Provider → GenericAdapter         │
│      "gpt-3.5-turbo" → OpenAI Provider → GenericAdapter  │
│      (同一个 adapter 实例)                               │
└─────────────────────┬───────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────────┐
│              Model Adapter (适配器)                      │
│  ┌─────────────────────────────────────────────────┐   │
│  │ BaseAdapter (基类)                               │   │
│  │  - chat() / stream_chat()                       │   │
│  │  - get_headers()      → 可重写（认证）           │   │
│  │  - format_request()   → 可重写（请求转换）       │   │
│  │  - parse_response()   → 可重写（响应转换）       │   │
│  └─────────────────────────────────────────────────┘   │
│                        ↓                                │
│  ┌─────────────────────────────────────────────────┐   │
│  │ GenericAdapter (通用适配器)                      │   │
│  │  适用于标准 OpenAI 兼容 API                      │   │
│  └─────────────────────────────────────────────────┘   │
│                        ↓                                │
│  ┌─────────────────────────────────────────────────┐   │
│  │ CustomAdapter (自定义适配器)                     │   │
│  │  重写方法处理非标准接口                          │   │
│  │  - get_headers()      → 自定义认证               │   │
│  │  - format_request()   → 请求格式转换             │   │
│  │  - parse_response()   → 响应格式转换             │   │
│  └─────────────────────────────────────────────────┘   │
└─────────────────────┬───────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────────┐
│           Backend LLM API (各大厂商)                     │
└─────────────────────────────────────────────────────────┘
                      ↓
┌─────────────────────────────────────────────────────────┐
│              Standardized Response                       │
│           (OpenAI compatible format)                    │
└─────────────────────────────────────────────────────────┘

1.2 核心组件

组件 文件路径 作用
配置管理器 app/core/model_config.py 加载配置，提供 provider/model 查询
数据模型 app/models.py OpenAI 格式的请求/响应数据结构
适配器基类 app/model_adapters/base.py 定义统一的适配器接口
通用适配器 app/model_adapters/generic_adapter.py 处理标准 OpenAI 兼容 API
自定义适配器 app/model_adapters/custom_*.py 处理各种非标准接口
模型路由器 app/services.py 动态加载适配器，管理实例缓存
API 接口 app/main.py FastAPI 路由，处理 HTTP 请求

1.3 设计决策

决策点 选择 理由
适配器粒度 Provider-based（按提供商） 单个适配器支持多个模型，复用连接池
接口格式 OpenAI 兼容 行业标准，易于理解和迁移
配置方式 简洁 YAML 只存数据，不存逻辑
复杂逻辑 代码实现 易调试、易维护、更灵活
缓存策略 按 provider 缓存 复用 HTTP 连接，减少实例数

二、配置文件设计（极简版）

2.1 配置结构 (config/models.yaml)

# ========================================
# 版本信息
# ========================================
version: "2.0"

# ========================================
# 默认模型
# ========================================
default_model: gpt-3.5-turbo

# ========================================
# 提供商配置
# ========================================
providers:
  # -------------------- 标准 OpenAI 兼容 API --------------------
  openai:
    adapter_type: generic
    api_url: https://api.openai.com/v1/chat/completions
    api_key_env: OPENAI_API_KEY
    description: "OpenAI API"
    models:
      - name: gpt-4
        display_name: "GPT-4"
        max_tokens: 8192
      - name: gpt-4-turbo
        display_name: "GPT-4 Turbo"
        max_tokens: 128000
      - name: gpt-3.5-turbo
        display_name: "GPT-3.5 Turbo"
        max_tokens: 4096

  # -------------------- Anthropic (需要自定义适配器)--------------------
  anthropic:
    adapter_type: custom
    adapter_class: app.model_adapters.anthropic.AnthropicAdapter
    api_url: https://api.anthropic.com/v1/messages
    api_key_env: ANTHROPIC_API_KEY
    description: "Anthropic Claude API"
    models:
      - name: claude-3-opus
        display_name: "Claude 3 Opus"
        max_tokens: 200000
      - name: claude-3-sonnet
        display_name: "Claude 3 Sonnet"
        max_tokens: 200000

  # -------------------- DashScope (阿里云) --------------------
  dashscope:
    adapter_type: generic
    api_url: https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
    api_key_env: DASHSCOPE_API_KEY
    description: "阿里云 DashScope"
    models:
      - name: qwen-max
        display_name: "Qwen Max"
        max_tokens: 6000
      - name: qwen-plus
        display_name: "Qwen Plus"
        max_tokens: 30000

  # -------------------- 自定义认证 API --------------------
  custom_auth_api:
    adapter_type: custom
    adapter_class: app.model_adapters.custom_auth.CustomAuthAdapter
    api_url: https://custom-api.com/v1/chat
    api_key_env: CUSTOM_API_KEY
    description: "使用 X-API-Key 认证的 API"
    models:
      - name: custom-model-v1
        display_name: "Custom Model V1"

  # -------------------- 需要签名的 API --------------------
  signed_api:
    adapter_type: custom
    adapter_class: app.model_adapters.signed.SignedApiAdapter
    api_url: https://signed-api.com/v1/chat
    api_key_env: SIGNED_API_KEY
    api_secret_env: SIGNED_API_SECRET
    description: "需要 HMAC 签名的 API"
    models:
      - name: signed-model
        display_name: "Signed Model"

  # -------------------- 本地 Ollama --------------------
  local:
    adapter_type: generic
    api_url: http://localhost:11434/v1/chat/completions
    api_key_env: LOCAL_LLM_API_KEY
    description: "本地 Ollama"
    models:
      - name: llama2
        display_name: "Llama 2"
      - name: mistral
        display_name: "Mistral"

2.2 配置项说明

字段 类型 必需 说明
adapter_type string ✅ generic（通用）或 custom（自定义）
adapter_class string ⚠️ 自定义适配器类路径（adapter_type=custom 时必需）
api_url string ✅ API 端点 URL
api_key_env string ✅ API Key 环境变量名
api_secret_env string ❌ API Secret 环境变量名（签名 API 需要）
description string ❌ 描述信息
models array ✅ 模型列表

2.3 模型配置

models:
  - name: str              # 模型名称（必需，唯一标识）
    display_name: str      # 显示名称（必需）
    max_tokens: int        # 最大 token 数（可选）
    default_params:        # 默认参数（可选）
      temperature: 0.7
      top_p: 0.9

三、数据模型设计（OpenAI 兼容）

3.1 请求模型 (app/models.py)

from typing import List, Dict, Any, Optional, Union
from pydantic import BaseModel, Field
from enum import Enum

class MessageRole(str, Enum):
    """消息角色枚举"""
    SYSTEM = "system"
    USER = "user"
    ASSISTANT = "assistant"
    TOOL = "tool"

class ChatMessage(BaseModel):
    """聊天消息（与 OpenAI API 格式一致）"""
    role: MessageRole
    content: Optional[str] = None
    name: Optional[str] = None
    tool_calls: Optional[List[Dict[str, Any]]] = None
    tool_call_id: Optional[str] = None

    def model_dump(self, **kwargs) -> Dict[str, Any]:
        """序列化为字典，过滤 None 值"""
        data = super().model_dump(exclude_none=True, **kwargs)
        if "role" in data and isinstance(data["role"], MessageRole):
            data["role"] = data["role"].value
        return data

class ToolFunction(BaseModel):
    """工具函数定义"""
    name: str
    description: str
    parameters: Dict[str, Any]

class Tool(BaseModel):
    """工具定义（OpenAI 格式）"""
    type: str = "function"
    function: ToolFunction

class AdapterRequest(BaseModel):
    """
    标准化的适配器请求参数
    完全对标 OpenAI Chat Completions API
    """
    # ========== 必需参数 ==========
    messages: List[ChatMessage]
    model: str

    # ========== 可选参数 ==========
    temperature: Optional[float] = Field(None, ge=0, le=2)
    max_tokens: Optional[int] = Field(None, gt=0)
    top_p: Optional[float] = Field(None, ge=0, le=1)
    n: Optional[int] = Field(1, ge=1)
    stream: bool = False

    # ========== 工具相关 ==========
    tools: Optional[List[Tool]] = None
    tool_choice: Optional[Union[str, Dict]] = None

    # ========== 停止条件 ==========
    stop: Optional[Union[str, List[str]]] = None

    # ========== 其他参数 ==========
    presence_penalty: Optional[float] = Field(None, ge=-2, le=2)
    frequency_penalty: Optional[float] = Field(None, ge=-2, le=2)

    # ========== 扩展参数（厂商特定） ==========
    extra: Dict[str, Any] = Field(default_factory=dict)

3.2 响应模型 (app/models.py)

class ToolCall(BaseModel):
    """工具调用（OpenAI 格式）"""
    id: str
    type: str = "function"
    function: Dict[str, Any]  # {name, arguments}

class ResponseMessage(BaseModel):
    """响应消息"""
    role: str = "assistant"
    content: Optional[str] = None
    tool_calls: Optional[List[ToolCall]] = None

class Choice(BaseModel):
    """选择项（非流式）"""
    index: int = 0
    message: ResponseMessage
    finish_reason: Optional[str] = None

class Usage(BaseModel):
    """Token 使用统计"""
    prompt_tokens: int
    completion_tokens: int
    total_tokens: int

class AdapterResponse(BaseModel):
    """
    标准化的适配器响应
    完全对标 OpenAI Chat Completions API 响应格式
    """
    id: str
    object: str = "chat.completion"
    created: int
    model: str
    choices: List[Choice]
    usage: Optional[Usage] = None

四、适配器实现

4.1 适配器基类 (app/model_adapters/base.py)

from abc import ABC, abstractmethod
from typing import AsyncGenerator, Optional, Dict, Any
import httpx
import logging
import time
import uuid

from ..models import AdapterRequest, AdapterResponse
from ..core.model_config import ProviderConfig

logger = logging.getLogger(__name__)

class BaseAdapter(ABC):
    """
    适配器基类

    所有适配器必须实现此类，提供统一的接口
    """

    def __init__(self, config: ProviderConfig):
        """
        初始化适配器

        Args:
            config: 提供商配置
        """
        self.config = config
        self.client: Optional[httpx.AsyncClient] = None
        self._is_initialized = False

    # ========== 核心接口（必须实现）==========

    @abstractmethod
    async def chat(self, request: AdapterRequest) -> AdapterResponse:
        """
        非流式聊天

        Args:
            request: 标准化的请求（OpenAI 格式）

        Returns:
            AdapterResponse: 标准化的响应（OpenAI 格式）
        """
        pass

    @abstractmethod
    async def stream_chat(self, request: AdapterRequest) -> AsyncGenerator[bytes, None]:
        """
        流式聊天

        Args:
            request: 标准化的请求（OpenAI 格式）

        Yields:
            bytes: SSE 格式数据块 "data: {json}\n\n"
        """
        pass

    # ========== 辅助方法（可重写以处理非标准接口）==========

    def get_headers(self) -> Dict[str, str]:
        """
        获取请求头（包含认证信息）

        可重写此方法以实现自定义认证逻辑

        Returns:
            Dict[str, str]: 请求头字典
        """
        return {
            "Authorization": f"Bearer {self.config.api_key}",
            "Content-Type": "application/json"
        }

    def format_request(self, request: AdapterRequest) -> Dict[str, Any]:
        """
        将 OpenAI 格式请求转换为厂商 API 格式

        可重写此方法以处理非标准请求格式

        Args:
            request: OpenAI 格式请求

        Returns:
            Dict: 厂商 API 需要的请求体
        """
        from ..models import Tool

        payload = {
            "model": request.model,
            "messages": [msg.model_dump() for msg in request.messages],
            "stream": request.stream
        }

        # 添加可选参数
        if request.temperature is not None:
            payload["temperature"] = request.temperature
        if request.max_tokens is not None:
            payload["max_tokens"] = request.max_tokens
        if request.top_p is not None:
            payload["top_p"] = request.top_p
        if request.stop is not None:
            payload["stop"] = request.stop
        if request.tools:
            payload["tools"] = [tool.model_dump() for tool in request.tools]
        if request.tool_choice is not None:
            payload["tool_choice"] = request.tool_choice

        # 合并额外参数
        payload.update(request.extra)

        return payload

    def parse_response(self, response_data: Dict, request: AdapterRequest) -> AdapterResponse:
        """
        将厂商 API 响应转换为 OpenAI 格式

        可重写此方法以处理非标准响应格式

        Args:
            response_data: 厂商 API 返回的原始数据
            request: 原始请求

        Returns:
            AdapterResponse: OpenAI 格式响应
        """
        # 默认实现（假设已经是 OpenAI 格式）
        return AdapterResponse(**response_data)

    # ========== 工具方法 ==========

    async def __aenter__(self):
        """异步上下文管理器入口"""
        if not self._is_initialized:
            self.client = httpx.AsyncClient(
                timeout=httpx.Timeout(60.0, connect=10.0),
                limits=httpx.Limits(max_connections=100, max_keepalive_connections=20)
            )
            self._is_initialized = True
        return self

    async def __aexit__(self, exc_type, exc_val, exc_tb):
        """异步上下文管理器出口"""
        if self.client:
            await self.client.aclose()
            self._is_initialized = False

    @staticmethod
    def generate_response_id() -> str:
        """生成响应 ID"""
        return f"chatcmpl-{uuid.uuid4().hex[:24]}"

    @staticmethod
    def get_current_timestamp() -> int:
        """获取当前时间戳"""
        return int(time.time())

4.2 通用适配器 (app/model_adapters/generic_adapter.py)

from typing import AsyncGenerator
import httpx
import json
import logging

from .base import BaseAdapter
from ..models import AdapterRequest, AdapterResponse, Choice, ResponseMessage, Usage
from ..core.model_config import ProviderConfig

logger = logging.getLogger(__name__)

class GenericAdapter(BaseAdapter):
    """
    通用适配器

    适用于标准 OpenAI 兼容的 API
    """

    async def chat(self, request: AdapterRequest) -> AdapterResponse:
        """非流式聊天（通过流式实现）"""
        full_content = ""
        tool_calls = []
        finish_reason = None

        request.stream = True

        async with self:
            async for chunk in self.stream_chat(request):
                if not chunk.startswith(b"data: "):
                    continue

                data_str = chunk[6:].decode().strip()
                if data_str == "[DONE]":
                    break

                try:
                    data = json.loads(data_str)
                    choices = data.get("choices", [])
                    if choices:
                        delta = choices[0].get("delta", {})

                        if "content" in delta:
                            full_content += delta["content"]

                        if "tool_calls" in delta:
                            self._merge_tool_calls(tool_calls, delta["tool_calls"])

                        finish_reason = choices[0].get("finish_reason")

                except json.JSONDecodeError:
                    pass

        return AdapterResponse(
            id=self.generate_response_id(),
            object="chat.completion",
            created=self.get_current_timestamp(),
            model=request.model,
            choices=[Choice(
                index=0,
                message=ResponseMessage(
                    role="assistant",
                    content=full_content or None,
                    tool_calls=tool_calls or None
                ),
                finish_reason=finish_reason
            )],
            usage=Usage(prompt_tokens=0, completion_tokens=0, total_tokens=0)
        )

    async def stream_chat(self, request: AdapterRequest) -> AsyncGenerator[bytes, None]:
        """流式聊天"""
        if not self._is_initialized:
            raise RuntimeError("Adapter not initialized")

        headers = self.get_headers()
        payload = self.format_request(request)

        try:
            async with self.client.stream(
                "POST",
                self.config.api_url,
                headers=headers,
                json=payload
            ) as response:
                response.raise_for_status()
                async for chunk in response.aiter_bytes():
                    yield chunk

        except httpx.HTTPStatusError as e:
            logger.error(f"API error: {e.response.status_code}")
            yield self._format_error(f"API error: {e.response.status_code}", "api_error")

        except Exception as e:
            logger.error(f"Request failed: {e}")
            yield self._format_error(str(e), "request_error")

    def _merge_tool_calls(self, tool_calls: list, new_calls: list):
        """合并增量工具调用"""
        for call in new_calls:
            index = call.get("index", 0)
            while len(tool_calls) <= index:
                tool_calls.append({
                    "id": "",
                    "type": "function",
                    "function": {"name": "", "arguments": ""}
                })

            tc = tool_calls[index]
            if "id" in call:
                tc["id"] = call["id"]
            if "function" in call:
                func = call["function"]
                if "name" in func:
                    tc["function"]["name"] += func["name"]
                if "arguments" in func:
                    tc["function"]["arguments"] += func["arguments"]

    def _format_error(self, message: str, error_type: str) -> bytes:
        """格式化错误为 SSE"""
        error_data = {"error": {"message": message, "type": error_type}}
        return f"data: {json.dumps(error_data)}\n\n".encode()

4.3 自定义适配器示例

示例 1: 自定义认证

# app/model_adapters/custom_auth.py
from typing import Dict
from .base import BaseAdapter

class CustomAuthAdapter(BaseAdapter):
    """
    使用 X-API-Key 认证的适配器

    配置:
    adapter_type: custom
    adapter_class: app.model_adapters.custom_auth.CustomAuthAdapter
    """

    def get_headers(self) -> Dict[str, str]:
        """重写认证逻辑"""
        return {
            "X-API-Key": self.config.api_key,  # 自定义认证 header
            "Content-Type": "application/json",
            "X-Custom-Header": "my-proxy"      # 可以添加其他固定 header
        }

    # 其他方法使用基类实现
    # chat() 和 stream_chat() 继承自 GenericAdapter

示例 2: 请求格式不同

# app/model_adapters/different_request.py
from typing import Dict
from .base import BaseAdapter
from ..models import AdapterRequest, AdapterResponse

class DifferentRequestAdapter(BaseAdapter):
    """
    请求字段名不同的适配器

    API 格式差异:
    - messages -> msgs
    - model -> model_name
    - temperature -> temp
    """

    def format_request(self, request: AdapterRequest) -> Dict:
        """重写请求格式转换"""
        # 转换为非标准格式
        custom_payload = {
            "model_name": request.model,
            "msgs": [msg.model_dump() for msg in request.messages],
            "stream": request.stream
        }

        # 映射可选字段
        if request.temperature is not None:
            custom_payload["temp"] = request.temperature
        if request.max_tokens is not None:
            custom_payload["max_tokens"] = request.max_tokens

        # 工具相关字段映射
        if request.tools:
            custom_payload["functions"] = [tool.model_dump() for tool in request.tools]
        if request.tool_choice is not None:
            choice = request.tool_choice
            if choice == "auto":
                custom_payload["function_call"] = "auto"
            elif choice == "none":
                custom_payload["function_call"] = "none"

        return custom_payload

示例 3: 响应格式不同

# app/model_adapters/different_response.py
from typing import Dict
from .base import BaseAdapter
from ..models import AdapterRequest, AdapterResponse, Choice, ResponseMessage

class DifferentResponseAdapter(BaseAdapter):
    """
    响应结构不同的适配器

    API 返回: {"results": [{"text": "...", "stop_reason": "..."}]}
    需要转换为: {"choices": [{"message": {"content": "..."}}]}
    """

    def parse_response(self, response_data: Dict, request: AdapterRequest) -> AdapterResponse:
        """重写响应解析"""
        # 从非标准格式提取数据
        results = response_data.get("results", [])
        if not results:
            raise ValueError("Empty response")

        first_result = results[0]

        # 构建标准 OpenAI 格式响应
        return AdapterResponse(
            id=response_data.get("id", self.generate_response_id()),
            object="chat.completion",
            created=response_data.get("created", self.get_current_timestamp()),
            model=request.model,
            choices=[Choice(
                index=0,
                message=ResponseMessage(
                    role="assistant",
                    content=first_result.get("text")
                ),
                finish_reason=first_result.get("stop_reason")
            )],
            usage=None
        )

示例 4: 需要签名

# app/model_adapters/signed_api.py
import hmac
import hashlib
import time
from typing import Dict
from .base import BaseAdapter

class SignedApiAdapter(BaseAdapter):
    """
    需要 HMAC-SHA256 签名的 API 适配器

    配置需要:
    - api_key_env
    - api_secret_env
    """

    def get_headers(self) -> Dict[str, str]:
        """重写认证逻辑，添加签名"""
        timestamp = str(int(time.time()))

        # 构建签名字符串
        sign_str = f"api_key={self.config.api_key}&timestamp={timestamp}"

        # 计算签名
        signature = hmac.new(
            self.config.api_secret.encode(),
            sign_str.encode(),
            hashlib.sha256
        ).hexdigest()

        return {
            "Content-Type": "application/json",
            "X-API-Key": self.config.api_key,
            "X-Timestamp": timestamp,
            "X-Signature": signature
        }

五、核心组件实现

5.1 配置管理器 (app/core/model_config.py)

from pydantic import BaseModel
from typing import Dict, Optional, List
import yaml
import os
import logging

logger = logging.getLogger(__name__)

class ModelInfo(BaseModel):
    """模型信息"""
    name: str
    display_name: str
    max_tokens: Optional[int] = None
    default_params: Dict = {}

class ProviderConfig(BaseModel):
    """提供商配置"""
    name: str
    adapter_type: str                      # generic 或 custom
    adapter_class: Optional[str] = None    # 自定义适配器类路径
    api_url: str
    api_key_env: str
    api_secret_env: Optional[str] = None
    api_key: Optional[str] = None
    api_secret: Optional[str] = None
    description: Optional[str] = None
    models: List[ModelInfo] = []
    raw_config: Dict = {}

    @property
    def model_names(self) -> List[str]:
        return [model.name for model in self.models]

class ModelConfigManager:
    """模型配置管理器"""

    def __init__(self, config_path: str = "config/models.yaml"):
        self.config_path = config_path
        self.providers: Dict[str, ProviderConfig] = {}
        self.model_to_provider: Dict[str, str] = {}
        self.default_model: Optional[str] = None
        self.load_config()

    def load_config(self):
        """加载配置文件"""
        try:
            with open(self.config_path, 'r', encoding='utf-8') as f:
                config = yaml.safe_load(f)

            for provider_name, provider_config in config.get('providers', {}).items():
                api_key = os.getenv(provider_config.get('api_key_env', ''))
                api_secret = os.getenv(provider_config.get('api_secret_env', ''))

                models_data = provider_config.get('models', [])
                models = [ModelInfo(**model_data) for model_data in models_data]

                self.providers[provider_name] = ProviderConfig(
                    name=provider_name,
                    api_key=api_key,
                    api_secret=api_secret,
                    models=models,
                    raw_config=provider_config,
                    **{k: v for k, v in provider_config.items()
                       if k not in ['models', 'api_key_env', 'api_secret_env']}
                )

                for model in models:
                    if model.name in self.model_to_provider:
                        logger.warning(f"Duplicate model '{model.name}'")
                    self.model_to_provider[model.name] = provider_name

            self.default_model = config.get('default_model')

            logger.info(f"Loaded {len(self.providers)} providers, {len(self.model_to_provider)} models")

        except Exception as e:
            logger.error(f"Failed to load config: {e}")
            raise

    def get_provider_for_model(self, model_name: str) -> Optional[ProviderConfig]:
        """根据模型名称获取提供商配置"""
        provider_name = self.model_to_provider.get(model_name)
        return self.providers.get(provider_name) if provider_name else None

    def list_models(self) -> List[str]:
        """列出所有模型"""
        return list(self.model_to_provider.keys())

    def get_default_model(self) -> Optional[str]:
        """获取默认模型"""
        return self.default_model

    def model_exists(self, model_name: str) -> bool:
        """检查模型是否存在"""
        return model_name in self.model_to_provider

5.2 模型路由器 (app/services.py)

from typing import Dict, Optional, Tuple
from importlib import import_module
import logging

from .core.model_config import ModelConfigManager, ProviderConfig
from .model_adapters.base import BaseAdapter
from .model_adapters.generic_adapter import GenericAdapter

logger = logging.getLogger(__name__)

class ModelRouter:
    """
    模型路由器

    功能:
    1. 根据 model 字段查找对应的 provider
    2. 缓存 adapter 实例（按 provider 缓存）
    3. 动态加载适配器（generic 或 custom）
    """

    def __init__(self, config_manager: ModelConfigManager):
        self.config_manager = config_manager
        self._adapter_cache: Dict[str, BaseAdapter] = {}

    def get_adapter(self, model_name: str) -> Optional[Tuple[BaseAdapter, str]]:
        """
        根据模型名称获取适配器

        Args:
            model_name: 模型名称

        Returns:
            Tuple[BaseAdapter, str]: (适配器实例, 实际模型名称)
        """
        actual_model = self._resolve_model_name(model_name)
        provider_config = self.config_manager.get_provider_for_model(actual_model)

        if not provider_config:
            logger.error(f"Model '{actual_model}' not found")
            return None

        # 检查缓存
        if provider_config.name in self._adapter_cache:
            return self._adapter_cache[provider_config.name], actual_model

        # 创建适配器
        adapter = self._create_adapter(provider_config)
        if not adapter:
            return None

        # 缓存
        self._adapter_cache[provider_config.name] = adapter

        logger.info(f"Created adapter for provider '{provider_config.name}' "
                   f"(type: {provider_config.adapter_type}), "
                   f"supports models: {provider_config.model_names}")

        return adapter, actual_model

    def _create_adapter(self, config: ProviderConfig) -> Optional[BaseAdapter]:
        """根据 adapter_type 创建适配器实例"""
        adapter_type = config.adapter_type

        if adapter_type == "generic":
            return GenericAdapter(config)

        elif adapter_type == "custom":
            if not config.adapter_class:
                logger.error(f"Provider '{config.name}': adapter_class not specified")
                return None

            try:
                module_path, class_name = config.adapter_class.rsplit('.', 1)
                module = import_module(module_path)
                adapter_class = getattr(module, class_name)
                return adapter_class(config)

            except Exception as e:
                logger.error(f"Failed to load adapter '{config.adapter_class}': {e}")
                return None

        else:
            logger.error(f"Unknown adapter_type: {adapter_type}")
            return None

    def _resolve_model_name(self, model_name: Optional[str]) -> str:
        """解析模型名称"""
        if not model_name:
            default_model = self.config_manager.get_default_model()
            if not default_model:
                raise ValueError("No model specified and no default model")
            return default_model
        return model_name

# 全局实例
_model_config_manager = ModelConfigManager()
model_router = ModelRouter(_model_config_manager)

六、实现步骤

阶段一：基础设施（1-2天）

  • 创建 app/core/model_config.py，实现配置管理器
  • 更新 app/models.py，添加标准化数据模型
  • 创建 app/model_adapters/base.py，定义适配器基类
  • 更新 config/models.yaml，采用简洁配置
  • 更新 .env，添加各厂商 API Key

阶段二：适配器实现（2-3天）

  • 实现 GenericAdapter（通用 OpenAI 兼容适配器）
  • 实现 2-3 个自定义适配器示例（custom_auth, signed_api 等）
  • 添加单元测试

阶段三：路由和服务集成（1-2天）

  • 在 app/services.py 中实现 ModelRouter
  • 更新服务函数，使用 ModelRouter
  • 更新 app/main.py 中的 API 接口
  • 处理 model 参数

阶段四：测试和验证（1-2天）

  • 单元测试：配置加载、适配器、路由器
  • 集成测试：完整的请求/响应流程
  • 多模型测试：验证不同模型的调用
  • 自定义适配器测试：验证非标准接口处理

阶段五：文档和部署（1天）

  • 更新 README.md
  • 编写配置指南
  • 编写适配器开发指南
  • 部署到生产环境

七、使用示例

7.1 标准配置示例

# 最简单的配置（标准 OpenAI 兼容）
openai:
  adapter_type: generic
  api_url: https://api.openai.com/v1/chat/completions
  api_key_env: OPENAI_API_KEY
  models:
    - name: gpt-3.5-turbo
      display_name: "GPT-3.5 Turbo"

7.2 自定义适配器示例

# 需要特殊处理的 API
custom_api:
  adapter_type: custom
  adapter_class: app.model_adapters.my_adapter.MyAdapter
  api_url: https://custom-api.com/v1/chat
  api_key_env: CUSTOM_API_KEY
  models:
    - name: custom-model
      display_name: "Custom Model"

7.3 客户端请求示例

// 使用不同的模型
{
  "model": "gpt-4",
  "messages": [{"role": "user", "content": "Hello!"}],
  "stream": true
}

{
  "model": "custom-model",
  "messages": [{"role": "user", "content": "Hello!"}],
  "stream": false
}

八、总结

8.1 核心优势

  • ✅ Provider-Based：单个适配器支持多个模型，资源利用率高
  • ✅ OpenAI 兼容：接口完全对标 OpenAI API，易于理解
  • ✅ 配置简洁：只存数据，不存逻辑
  • ✅ 代码灵活：复杂逻辑在代码中实现，易调试
  • ✅ 易于扩展：添加新模型只需配置，添加新 API 只需写适配器

8.2 配置与代码职责

方面 配置文件 代码
API URL ✅ ❌
模型列表 ✅ ❌
认证方式 ❌ ✅（get_headers）
请求转换 ❌ ✅（format_request）
响应转换 ❌ ✅（parse_response）
流式处理 ❌ ✅（stream_chat）

8.3 项目结构

app/
├── model_adapters/
│   ├── __init__.py
│   ├── base.py                      # 适配器基类
│   ├── generic_adapter.py           # 通用适配器
│   ├── custom_auth.py               # 自定义认证示例
│   ├── different_request.py         # 请求格式不同
│   ├── different_response.py        # 响应格式不同
│   └── signed_api.py                # 签名 API
├── core/
│   └── model_config.py              # 配置管理器
├── models.py                        # 数据模型
└── services.py                      # 服务层（ModelRouter）

config/
└── models.yaml                      # 配置文件

状态: ⏳ 待用户确认

下一步: 确认后开始实现代码