vLLM - GoModel

GoModel 通过 vLLM 兼容 OpenAI 的 HTTP 服务器与其通信。包含斜杠的 Hugging Face 模型 ID（例如 meta-llama/Llama-3.1-8B-Instruct）可以正常使用——GoModel 只会在第一个斜杠处拆分带提供商限定的选择器。首先启动 vLLM：

vllm serve meta-llama/Llama-3.1-8B-Instruct
# 如果希望 vLLM 要求 Bearer 认证，请添加 --api-key token-abc123

配置

VLLM_BASE_URL=http://host.docker.internal:8000/v1   # 需包含 /v1
# VLLM_API_KEY=token-abc123                         # 仅当 vLLM 以 --api-key 启动时需要
GOMODEL_MASTER_KEY=change-me

这些示例假设 GoModel 运行在 Docker 中，而 vLLM 运行在主机的 localhost:8000 上——因此使用 host.docker.internal。如果两者运行在同一个 Docker 网络中，请使用 vLLM 的服务名称。如果 GoModel 直接运行在主机上，请使用 http://localhost:8000/v1。

运行 GoModel

docker run --rm -p 8080:8080 --env-file .env enterpilot/gomodel

docker run --rm -p 8080:8080 \
  -e GOMODEL_MASTER_KEY="change-me" \
  -e VLLM_BASE_URL="http://host.docker.internal:8000/v1" \
  enterpilot/gomodel

make build
./bin/gomodel

验证

curl -s http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer change-me" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vllm/meta-llama/Llama-3.1-8B-Instruct",
    "messages": [{"role": "user", "content": "Reply with exactly ok."}]
  }'

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8080/v1", api_key="change-me")

completion = client.chat.completions.create(
    model="vllm/meta-llama/Llama-3.1-8B-Instruct",
    messages=[{"role": "user", "content": "Reply with exactly ok."}],
)

print(completion.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "http://localhost:8080/v1",
  apiKey: "change-me",
});

const completion = await client.chat.completions.create({
  model: "vllm/meta-llama/Llama-3.1-8B-Instruct",
  messages: [{ role: "user", content: "Reply with exactly ok." }],
});

console.log(completion.choices[0].message.content);

GET /v1/models 返回带有提供商名称前缀的 vLLM 模型 ID，例如 vllm/meta-llama/Llama-3.1-8B-Instruct。

多个 vLLM 实例

使用带后缀的环境变量，无需 YAML 即可注册多个实例：

VLLM_BASE_URL=http://host.docker.internal:8000/v1
VLLM_TEST_BASE_URL=http://host.docker.internal:8001/v1

VLLM_BASE_URL 注册 vllm。VLLM_TEST_BASE_URL 注册 vllm-test（后缀会转换为小写，下划线变为连字符）。

vLLM 透传

透传默认启用。可将其用于 vLLM 特有的端点，例如 /tokenize、/detokenize、/pooling、/rerank：

curl -s http://localhost:8080/p/vllm/tokenize \
  -H "Authorization: Bearer change-me" \
  -H "Content-Type: application/json" \
  -d '{"model": "meta-llama/Llama-3.1-8B-Instruct", "prompt": "Hello"}'

import httpx

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8080", api_key="change-me")
tokens = client.post(
    "/p/vllm/tokenize",
    cast_to=httpx.Response,
    body={
        "model": "meta-llama/Llama-3.1-8B-Instruct",
        "prompt": "Hello",
    },
)

print(tokens.json())

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "http://localhost:8080",
  apiKey: "change-me",
});

const tokens = await client.post("/p/vllm/tokenize", {
  body: {
    model: "meta-llama/Llama-3.1-8B-Instruct",
    prompt: "Hello",
  },
});

console.log(tokens);

GoModel 会在转发之前剥离客户端的认证请求头，并在已配置时将 VLLM_API_KEY 应用于上游请求。

透传路由按提供商类型限定在 /p/vllm/... 下。如需在多 vLLM 部署中指定某个命名实例，请使用经过翻译的 /v1/... 请求，并配合带提供商限定的模型 ID（例如 vllm-test/meta-llama/Llama-3.1-8B-Instruct）。

尚未集成

vLLM 原生批处理 API。
兼容 OpenAI 的文件生命周期。
Responses 生命周期工具类端点。

​配置

​运行 GoModel

​验证

​多个 vLLM 实例

​vLLM 透传

​尚未集成

配置

运行 GoModel

验证

多个 vLLM 实例

vLLM 透传

尚未集成