هنگامی که با ارائهدهندهها و مدلهای متعدد کار میکنید،
اغلب مفید است که آنها را در یک مکان مرکزی مدیریت کنید و از طریق رشتههای متنی ساده به آنها دسترسی داشته باشید.
AI SDK برای این منظور دو قابلیت custom providers و provider registry را ارائه میدهد:
با custom providers میتوانید تنظیمات مدل را از پیش پیکربندی کرده، نامهای مستعار (Aliases) برای مدلها ارائه دهید و مدلهای در دسترس را محدود کنید
provider registry به شما این امکان را میدهد که چندین ارائهدهنده را ترکیب کرده و از طریق رشتههای متنی ساده به آنها دسترسی پیدا کنید
شما میتوانید custom providers , provider registry و middleware را در برنامه خود با هم ترکیب و استفاده کنید.
Custom Providers
شما میتوانید ارائهدهنده شخصی خود را با استفاده از customProvider ایجاد کنید.
مثال: تنظیمات سفارشی مدل
ممکن است بخواهید تنظیمات پیشفرض مدل را برای یک ارائهدهنده بازنویسی کنید
یا برای مدل، یک نام مستعار (Alias) با تنظیمات از پیشتعریفشده ایجاد کنید.
کپی
import { customProvider, generateText } from 'ai';
import { createOpenAI as originalOpenAI } from '@ai-sdk/openai';
import { config } from 'dotenv';
config();
const my_model = originalOpenAI({
baseURL: process.env.BASE_URL!,
apiKey: process.env.LIARA_API_KEY!,
});
// custom provider with different model settings:
export const openai = customProvider({
languageModels: {
// replacement model with custom settings:
'gpt-4.1': my_model('openai/gpt-4.1', { structuredOutputs: true }),
// alias model with custom settings:
'gpt-4o-mini-structured': my_model('gpt-4o-mini', {
structuredOutputs: true,
}),
},
fallbackProvider: my_model,
});
const { text } = await generateText({
model: openai.languageModel('gpt-4.1'),
prompt: 'Hey buddy, how are you?',
});
console.log(text);
مثال: نام مستعار برای مدل
شما میتوانید نامهای مستعار برای مدلها تعریف کنید، تا در آینده بتوانید نسخهی مدل را تنها در یک مکان بهروزرسانی کنید:
کپی
import { customProvider, generateText } from 'ai';
import { createOpenAI as originalOpenAI } from '@ai-sdk/openai';
import { config } from 'dotenv';
config();
const my_model = originalOpenAI({
baseURL: process.env.BASE_URL!,
apiKey: process.env.LIARA_API_KEY!,
});
export const anthropic = customProvider({
languageModels: {
opus: my_model('anthropic/claude-opus-4'),
sonnet: my_model('anthropic/claude-sonnet-4'),
thinking_sonnet: my_model('anthropic/claude-3.7-sonnet:thinking'),
},
fallbackProvider: my_model,
});
const { text } = await generateText({
model: anthropic.languageModel('thinking_sonnet'),
prompt: 'Hey buddy, how are you?',
});
console.log(text);
محدودسازی مدلهای در دسترس
میتوانید مدلهای در دسترس در سیستم را محدود کنید.
میتوانید با استفاده از تابع createProviderRegistry یک رجیستری ایجاد کنید که شامل چندین مدل است.
راه اندازی
میتوانید یک فایل به نام registry.ts ایجاد کنید و قطعه کد
زیر را درون آن، قرار دهید:
کپی
import { createProviderRegistry } from 'ai';
import { createOpenAI } from '@ai-sdk/openai';
import { config } from 'dotenv';
import { anthropic } from '@ai-sdk/anthropic';
config();
export const registry = createProviderRegistry({
// register provider with prefix and custom setup:
anthropic,
openai: createOpenAI({
apiKey: process.env.LIARA_API_KEY,
baseURL: process.env.BASE_URL,
}),
});
راهاندازی با Custom Separator
بهصورت پیشفرض، رجیستری از : بهعنوان جداکننده بین شناسههای ارائهدهنده و مدل استفاده میکند. میتوانید این جداکننده را سفارشیسازی کنید:
کپی
import { createProviderRegistry } from 'ai';
import { createOpenAI } from '@ai-sdk/openai';
import { config } from 'dotenv';
config();
export const registry = createProviderRegistry(
// register provider with prefix and custom setup:
{
openai: createOpenAI({
apiKey: process.env.LIARA_API_KEY,
baseURL: process.env.BASE_URL,
}),
},
{ separator: ' > ' },
);
مثال: استفاده از مدلها
میتوانید از طریق متد languageModel در رجیستری، به مدلها دسترسی پیدا کنید. در این حالت، شناسه ارائهدهنده (Provider ID) بهعنوان پیشوند شناسه مدل قرار میگیرد:
کپی
import { generateText } from 'ai';
import { registry } from './registry';
const { text } = await generateText({
model: registry.languageModel('openai:openai/gpt-4o-mini'), // default separator
// or with custom separator:
// model: customSeparatorRegistry.languageModel('openai > openai/gpt-4o-mini'),
prompt: 'Invent a new holiday and describe its traditions.',
});
استفاده از مدلهای embedding
میتوانید از طریق متد textEmbeddingModel در رجیستری به مدلهای Text Embedding دسترسی پیدا کنید. در این حالت، شناسه ارائهدهنده (Provider ID) بهعنوان پیشوند شناسه مدل قرار میگیرد:
کپی
import { embed } from 'ai';
import { registry } from './registry';
const { embedding } = await embed({
model: registry.textEmbeddingModel('openai:openai:text-embedding-3-small'),
value: 'sunny day at the beach',
});