Framework & platform
Guardrails
Validasi output model TokenLab dengan Guardrails
Gambaran Umum
Konfigurasikan OpenAI SDK dengan Base URL TokenLab, minta JSON, lalu validasi teks hasilnya dengan Guard.parse.
Tipe: Kerangka kerja validasi dan output terstruktur
Jalur Utama: Chat Completions yang kompatibel dengan OpenAI
Tingkat Dukungan: Jalur yang kompatibel dengan OpenAI didukung
Instalasi
pip install guardrails-ai openaiLingkungan
export TOKENLAB_API_KEY="sk-your-tokenlab-key"Contoh
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)Catatan Endpoint
Guardrails berfokus pada validasi di sekitar panggilan LLM. Gunakan jalur yang kompatibel dengan OpenAI untuk alur chat-completions, atau teruskan callable kustom jika aplikasi Anda memerlukan endpoint TokenLab asli.