🍱🔗 BentoChain - 在BentoML上部署LangChain

参考：Medium 文章

BentoChain是一个使用🍱 BentoML部署🦜️🔗 LangChain的示例，灵感来自langchain-gradio-template。这个示例展示了如何使用OpenAI API、Transformers语音模型、Gradio和BentoML创建一个语音聊天机器人。聊天机器人从麦克风接收输入，然后使用语音识别模型将其转换为文本。

聊天机器人以文本形式回应用户的输入，然后可以使用文本到语音模型将其播放给用户。

演示

https://user-images.githubusercontent.com/6267065/235378103-54dd7c5b-16d1-4be7-b44a-fedde094c516.mp4

为什么要使用BentoML部署LangChain应用？

🐳 将LangChain应用容器化为标准OCI镜像。

🎱 自动生成OpenAPI和gRPC端点。

☁️ 将模型部署为在最优硬件上运行并独立扩展的微服务。

使用说明

安装Python依赖。

poetry install
poetry shell

下载并保存语音识别和文本到语音模型。

python train.py

在本地启动应用。

bentoml serve

访问http://0.0.0.0:3000获取OpenAPI Swagger页面，访问http://0.0.0.0:3000/chatbot获取聊天机器人的Gradio UI。请注意，由于端点不是HTTPS，麦克风输入功能可能在Google Chrome等浏览器上无法使用。但是，在部署到BentoCloud后，麦克风输入功能将正常工作。

将应用构建成可分发的Bento工件。

bentoml build

构建BentoML服务"voicegpt:vmjw2vucbodwkcvj"，构建上下文为"/Users/ssheng/github/BentoChain"。
打包模型"speecht5_tts_processor:7pjfnkucbgjzycvj"
打包模型"speecht5_tts_vocoder:7suthpucbgjzycvj"
打包模型"whisper_processor:7s6wbnecbgjzycvj"
打包模型"whisper_model:7td75iucbgjzycvj"
打包模型"speecht5_tts_model:7pkfc3ecbgjzycvj"

██████╗░███████╗███╗░░██╗████████╗░█████╗░███╗░░░███╗██╗░░░░░
██╔══██╗██╔════╝████╗░██║╚══██╔══╝██╔══██╗████╗░████║██║░░░░░
██████╦╝█████╗░░██╔██╗██║░░░██║░░░██║░░██║██╔████╔██║██║░░░░░
██╔══██╗██╔══╝░░██║╚████║░░░██║░░░██║░░██║██║╚██╔╝██║██║░░░░░
██████╦╝███████╗██║░╚███║░░░██║░░░╚█████╔╝██║░╚═╝░██║███████╗
╚═════╝░╚══════╝╚═╝░░╚══╝░░░╚═╝░░░░╚════╝░╚═╝░░░░░╚═╝╚══════╝

成功构建Bento(标签="voicegpt:vmjw2vucbodwkcvj")。

可能的下一步：

 * 使用`bentoml containerize`将您的Bento容器化：
    $ bentoml containerize voicegpt:vmjw2vucbodwkcvj

 * 使用`bentoml push`推送到BentoCloud：
    $ bentoml push voicegpt:vmjw2vucbodwkcvj

生产部署

BentoML提供了多种部署选项。为文本嵌入服务设置生产就绪端点的最简单方法是通过BentoCloud，这是由BentoML团队为BentoML构建的无服务器云平台。

后续步骤：

在这里注册BentoCloud账户。
获取API令牌，参见此处的说明。
将您的Bento推送到BentoCloud：
```
bentoml push voicegpt:vmjw2vucbodwkcvj
```
通过Web UI部署，参见在BentoCloud上部署

然后推送到BentoCloud。