Frameworks & Plattformen
Guardrails
Validieren Sie TokenLab-Modellausgaben mit Guardrails
Übersicht
Konfiguriere das OpenAI SDK mit der TokenLab Base URL, fordere JSON an und validiere den zurückgegebenen Text mit Guard.parse.
Typ: Validierungs- und Framework für strukturierte Ausgaben
Primärer Pfad: OpenAI-kompatible Chat Completions
Support-Status: Unterstützter OpenAI-kompatibler Pfad
Installation
pip install guardrails-ai openaiUmgebung
export TOKENLAB_API_KEY="sk-your-tokenlab-key"Beispiel
import os
from guardrails import Guard
from openai import OpenAI
from pydantic import BaseModel, Field
class Pet(BaseModel):
pet_type: str = Field(description="Species of pet")
name: str = Field(description="A unique pet name")
guard = Guard.for_pydantic(output_class=Pet)
client = OpenAI(
api_key=os.environ["TOKENLAB_API_KEY"],
base_url="https://api.tokenlab.sh/v1",
)
response = client.chat.completions.create(
model="claude-sonnet-5",
response_format={"type": "json_object"},
messages=[{
"role": "user",
"content": "Suggest a pet. Return only JSON with string fields pet_type and name.",
}],
)
outcome = guard.parse(response.choices[0].message.content)
print(outcome.validated_output)Hinweise zu Endpunkten
Guardrails konzentriert sich auf die Validierung rund um den LLM-Aufruf. Verwenden Sie den OpenAI-kompatiblen Pfad für Chat-Completions-Abläufe oder übergeben Sie ein benutzerdefiniertes Callable, falls Ihre Anwendung einen nativen TokenLab-Endpunkt benötigt.