ghcr.io/berriai/litellm-database:1.89.0-rc.1

🚅 LiteLLM

LiteLLM AI网关

支持100+ LLM的开源AI网关。可自托管。企业级就绪。以OpenAI格式调用任何LLM。

LiteLLM Proxy Server (AI Gateway) | Hosted Proxy | Enterprise Tier | Website

---

什么是 LiteLLM

LiteLLM 是一个开源 AI 网关，为您提供单一、统一的接口，可使用 OpenAI 格式调用 100+ LLM 提供商——包括 OpenAI、Anthropic、Gemini、Bedrock、Azure 等。

您可以将其用作Python SDK进行直接库集成，或将AI网关（代理服务器） 部署为团队或组织的集中式服务。

跳转到 LiteLLM 代理（LLM 网关）文档 跳转到支持的 LLM 提供商

---

为什么选择 LiteLLM

跨提供商管理 LLM 调用很快会变得复杂——每个模型都有不同的 SDK、身份验证模式、请求格式和错误类型。LiteLLM 消除了这种摩擦：

• 统一 API —— 一个接口支持 100+ LLM，无需处理特定于提供商的 SDK
• 即插即用的 OpenAI 兼容性 —— 无需重写代码即可切换提供商
• 生产就绪的网关 —— 开箱即用地提供虚拟密钥、支出跟踪、安全护栏、负载均衡和管理仪表板
• 8ms P95 延迟（在 1k RPS 下）(基准测试)

开源采用者

Netflix

---

功能

LLM - 调用 100+ LLM（Python SDK + AI 网关）

所有支持的端点 - /chat/completions、/responses、/embeddings、/images、/audio、/batches、/rerank、/a2a、/messages 等。

Python SDK

uv add litellm

from litellm import completion
import os

os.environ["OPENAI_API_KEY"] = "your-openai-key"
os.environ["ANTHROPIC_API_KEY"] = "your-anthropic-key"

# OpenAI
response = completion(model="openai/gpt-4o", messages=[{"role": "user", "content": "Hello!"}])

# Anthropic
response = completion(model="anthropic/claude-sonnet-4-20250514", messages=[{"role": "user", "content": "Hello!"}])

AI 网关（代理服务器）

快速开始 - 端到端教程 - 设置虚拟密钥，发送首个请求

uv tool install 'litellm[proxy]'
litellm --model gpt-4o

import openai

client = openai.OpenAI(api_key="anything", base_url="http://0.0.0.0:4000")
response = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "Hello!"}]
)

文档：LLM 提供商

代理 - 调用 A2A 代理（Python SDK + AI 网关）

支持的提供商 - LangGraph、Vertex AI Agent Engine、Azure AI Foundry、Bedrock AgentCore、Pydantic AI

Python SDK - A2A 协议

from litellm.a2a_protocol import A2AClient
from a2a.types import SendMessageRequest, MessageSendParams
from uuid import uuid4

client = A2AClient(base_url="http://localhost:10001")

request = SendMessageRequest(
id=str(uuid4()),
params=MessageSendParams(
message={
"role": "user",
"parts": [{"kind": "text", "text": "Hello!"}],
"messageId": uuid4().hex,
}
)
)
response = await client.send_message(request)

AI 网关（代理服务器）

步骤 1. 将您的代理添加到 AI 网关

步骤 2. 通过 A2A SDK 调用代理

from a2a.client import A2ACardResolver, A2AClient
from a2a.types import MessageSendParams, SendMessageRequest
from uuid import uuid4
import httpx

base_url = "http://localhost:4000/a2a/my-agent" # LiteLLM 代理 + 代理名称
headers = {"Authorization": "Bearer sk-1234"} # LiteLLM 虚拟密钥

async with httpx.AsyncClient(headers=headers) as httpx_client:
resolver = A2ACardResolver(httpx_client=httpx_client, base_url=base_url)
agent_card = await resolver.get_agent_card()
client = A2AClient(httpx_client=httpx_client, agent_card=agent_card)

request = SendMessageRequest(
id=str(uuid4()),
params=MessageSendParams(
message={
"role": "user",
"parts": [{"kind": "text", "text": "Hello!"}],
"messageId": uuid4().hex,
}
)
)
response = await client.send_message(request)

文档：A2A 代理网关

MCP 工具 - 将 MCP 服务器连接到任何 LLM（Python SDK + AI 网关）

Python SDK - MCP 桥接

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
from litellm import experimental_mcp_client
import litellm

server_params = StdioServerParameters(command="python", args=["mcp_server.py"])

async with stdio_client(server_params) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()

# 以 OpenAI 格式加载 MCP 工具
tools = await experimental_mcp_client.load_mcp_tools(session=session, format="openai")

# 与任何 LiteLLM 模型配合使用
response = await litellm.acompletion(
model="gpt-4o",
messages=[{"role": "user", "content": "What's 3 + 5?"}],
tools=tools
)

AI 网关 - MCP 网关

步骤 1. 将您的 MCP 服务器添加到 AI 网关

步骤 2. 通过 /chat/completions 调用 MCP 工具

curl -X POST 'http://0.0.0.0:4000/v1/chat/completions' \
-H 'Authorization: Bearer sk-1234' \
-H 'Content-Type: application/json' \
-d '{
"model": "gpt-4o",
"messages": [{"role": "user", "content": "Summarize the latest open PR"}],
"tools": [{
"type": "mcp",
"server_url": "litellm_proxy/mcp/github",
"server_label": "github_mcp",
"require_approval": "never"
}]
}'

与 Cursor IDE 配合使用

{
"mcpServers": {
"LiteLLM": {
"url": "http://localhost:4000/mcp/",
"headers": {
"x-litellm-api-key": "Bearer sk-1234"
}
}
}
}

文档：MCP 网关

支持的提供商 (网站支持的模型 | 文档)

开发者模式运行

服务

1. 在根目录设置 .env 文件
2. 运行依赖服务 docker-compose up db prometheus

后端

1. （在根目录）创建虚拟环境 python -m venv .venv
2. 激活虚拟环境 source .venv/bin/activate
3. 安装依赖 uv sync --all-extras --group proxy-dev
4. 运行 uv run prisma generate
5. 运行 prisma generate
6. 启动代理后端 python litellm/proxy/proxy_cli.py

前端

1. 导航至 ui/litellm-dashboard
2. 安装依赖 npm install
3. 运行 npm run dev 启动仪表盘

提交哈希在加密学上是不可变的，因此这是确保您使用原始签名密钥的最可靠方法：

cosign verify \
--key https://raw.githubusercontent.com/BerriAI/litellm/0112e53046018d726492c814b3644b7d376029d0/cosign.pub \
ghcr.io/berriai/litellm:

使用发布标签验证（便捷方式）：

此仓库中的标签受到保护，并且解析为相同的密钥。此选项更易读，但依赖于标签保护规则：

cosign verify \
--key https://raw.githubusercontent.com/BerriAI/litellm/ /cosign.pub \
ghcr.io/berriai/litellm:

将 替换为您要部署的版本（例如 v1.83.0-stable）。

---

企业版

面向需要更优安全性、用户管理和专业支持的企业

获取企业版许可证 与创始人交流

包含以下内容：

• ✅ LiteLLM 商业许可证下的功能：
• ✅ 功能优先级
• ✅ 自定义集成
• ✅ 专业支持 - 专属 *** + Slack
• ✅ 自定义 SLA
• ✅ 单点登录安全访问

贡献指南

我们欢迎对 LiteLLM 的贡献！无论是修复错误、添加功能还是改进文档，我们都感谢您的帮助。

贡献者快速入门

这需要安装 uv。

git clone https://github.com/BerriAI/litellm.git
cd litellm
make install-dev # 安装开发依赖
make format # 格式化代码
make lint # 运行所有代码检查
make test-unit # 运行单元测试
make format-check # 仅检查格式化

有关详细的贡献指南，请参阅 CONTRIBUTING.md。

[!NOTE] 贡献文档？LiteLLM 文档已迁移到单独的仓库：https://github.com/BerriAI/litellm-docs%E3%80%82%E8%AF%B7%E5%9C%A8%E8%AF%A5%E4%BB%93%E5%BA%93%E6%8F%90%E4%BA%A4%E6%96%87%E6%A1%A3 PR。文档托管于 docs.litellm.ai。

代码质量 / 代码检查

LiteLLM 遵循 https://google.github.io/styleguide/pyguide.html%E3%80%82

我们的自动化检查包括：

• Black 用于代码格式化
• Ruff 用于代码检查和代码质量
• MyPy 用于类型检查
• 循环导入检测
• 导入安全性检查

所有这些检查必须通过，您的 PR 才能被合并。

支持 / 与创始人交流

• 预约演示 👋
• 社区 *** 💭
• 社区 Slack 💭
• 我们的*** ✉️ 是 *** / ***

贡献者