Llama Stack¶

vLLM 也可以通过 Llama Stack 使用。

要安装 Llama Stack，请运行

pip install llama-stack -q

使用 OpenAI 兼容 API 进行推理¶

然后启动 Llama Stack 服务器，并使用以下设置将其配置为指向您的 vLLM 服务器：

inference:
  - provider_id: vllm0
    provider_type: remote::vllm
    config:
      url: http://127.0.0.1:8000

有关此远程 vLLM 提供者的更多详细信息，请参阅此指南。

还提供了一个内联提供者。以下是使用该方法的配置示例：

inference:
  - provider_type: vllm
    config:
      model: Llama3.1-8B-Instruct
      tensor_parallel_size: 4