Pré-requisitos
- Um projeto Langfuse Cloud ou uma instância Langfuse auto-hospedada
- Uma conta CometAPI com uma chave de API ativa — obtenha a sua no dashboard
- Pelo menos um model ID do CometAPI selecionado na página de modelos do CometAPI
Configurar a integração
1
Criar uma conexão de LLM no Langfuse
No Langfuse, abra Project Settings → LLM Connections. Inicie o fluxo para adicionar uma chave de API de LLM.
2
Escolher o adaptador OpenAI
Selecione OpenAI como provider. O Langfuse usa esse adaptador para provedores de modelo que oferecem suporte ao esquema de API da OpenAI.
3
Inserir credenciais do CometAPI
Configure a conexão com estes valores:
Se o Langfuse expuser o campo de URL base em Advanced Settings, expanda essa seção antes de salvar a conexão.
4
Testar no Playground
No Langfuse Playground, selecione a conexão de LLM do CometAPI e um dos model IDs configurados. Envie um prompt curto para confirmar que o Langfuse recebe uma resposta.
Usar o CometAPI para LLM-as-a-Judge
Os avaliadores LLM-as-a-Judge do Langfuse podem usar a mesma conexão de LLM. Selecione a conexão do CometAPI na configuração do avaliador e depois escolha um model ID que ofereça suporte a tool calling se o seu prompt de pontuação exigir extração estruturada. Use opções de provider apenas quando o modelo CometAPI selecionado oferecer suporte a esses campos de requisição. Para descobrir modelos, use a página de modelos do CometAPI ou a API/v1/models.
Solução de problemas
O modelo não está visível no Langfuse
O modelo não está visível no Langfuse
Adicione o model ID exato do CometAPI à lista de custom model IDs na conexão de LLM. O Langfuse não descobre automaticamente todos os modelos para provedores personalizados compatíveis com OpenAI.
A requisição usa o caminho de API incorreto
A requisição usa o caminho de API incorreto
Use
https://api.cometapi.com/v1 como URL base. O Langfuse acrescenta o caminho compatível com OpenAI para o adaptador selecionado.As chamadas do avaliador falham
As chamadas do avaliador falham
Confirme que o modelo selecionado oferece suporte aos recursos de requisição usados pelo avaliador, como tool calling ou saída em JSON.