Pular para o conteúdo
Skillpedia
Agentes48 mil · #3649

multi-tenant-llm-hosting

Ajuda seu agente a projetar plataformas seguras para hospedar modelos de IA. Ele garante que cada cliente tenha seu espaço isolado, com controle de uso e políticas de segurança.

O que ela faz

Esta ferramenta permite que várias equipes ou clientes usem a mesma infraestrutura de inteligência artificial (IA) de forma segura e controlada. Ela garante que cada um tenha seus recursos, limites e políticas de uso, evitando que um interfira no outro.

Quando usar

  • ✓Ao oferecer serviços de IA para diferentes clientes.
  • ✓Ao gerenciar o uso de IA por várias equipes internas.
  • ✓Ao precisar controlar custos e performance por usuário ou grupo.

Exemplo do que pedir para a IA

“Como posso configurar limites de uso para a equipe 'alfa'?”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/multi-tenant-llm-hosting/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/sickn33/agentic-awesome-skills/blob/main/plugins/agentic-awesome-skills-claude/skills/multi-tenant-llm-hosting/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

A ferramenta separa o acesso e os recursos de IA para cada cliente usando identificadores únicos e configurações específicas. Ela monitora o uso para garantir que os limites de cada um sejam respeitados e para controlar os custos.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add sickn33/agentic-awesome-skills --skill multi-tenant-llm-hosting

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/multi-tenant-llm-hosting/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Hospedagem de LLM Multi-Tenant

Hospede muitas equipes/clientes em infraestrutura de inferência compartilhada sem sacrificar segurança, desempenho ou governança de custos.

Pré-requisitos

  • Cluster Kubernetes com pools de nós de GPU
  • Gateway de API ou gateway de LLM (LiteLLM, Envoy, Kong)
  • Prometheus + Grafana para observabilidade por tenant
  • Redis ou equivalente para estado de limitação de taxa
  • Sistema de faturamento ou banco de dados de atribuição de custos

Modelo de Isolamento

  • Identidade forte do tenant em cada solicitação
  • Chaves de API por tenant e acesso a modelos com escopo
  • Isolamento de namespace ou workload para tenants de alto risco
  • Controles rigorosos de retenção de dados e particionamento de logs

Servidor Multi-Modelo vLLM

# vllm-deployment.yaml - Multi-model serving with vLLM
apiVersion: apps/v1
kind: Deployment
metadata:
  name: vllm-gpt4o-equivalent
  namespace: llm-serving
  labels:
    app: vllm
    model-tier: premium
spec:
  replicas: 3
  selector:
    matchLabels:
      app: vllm
      model-tier: premium
  template:
    metadata:
      labels:
        app: vllm
        model-tier: premium
      annotations:
        prometheus.io/scrape: "true"
        prometheus.io/port: "8080"
    spec:
      containers:
        - name: vllm
          image: vllm/vllm-openai:v0.4.1
          args:
            - "--model=/models/llama-3.1-70b"
            - "--tensor-parallel-size=2"
            - "--max-model-len=8192"
            - "--gpu-memory-utilization=0.90"
            - "--max-num-seqs=128"
            - "--enable-prefix-caching"
          ports:
            - containerPort: 8000
              name: inference
            - containerPort: 8080
              name: metrics
          resources:
            requests:
              nvidia.com/gpu: 2
              cpu: "8"
              memory: "64Gi"
            limits:
              nvidia.com/gpu: 2
              cpu: "16"
              memory: "128Gi"
          volumeMounts:
            - name: model-weights
              mountPath: /models
              readOnly: true
      volumes:
        - name: model-weights
          persistentVolumeClaim:
            claimName: premium-model-weights
      tolerations:
        - key: nvidia.com/gpu
          operator: Exists
          effect: NoSchedule
      nodeSelector:
        gpu-type: a100
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: vllm-economy
  namespace: llm-serving
  labels:
    app: vllm
    model-tier: economy
spec:
  replicas: 2
  selector:
    matchLabels:
      app: vllm
      model-tier: economy
  template:
    metadata:
      labels:
        app: vllm
        model-tier: economy
    spec:
      containers:
        - name: vllm
          image: vllm/vllm-openai:v0.4.1
          args:
            - "--model=/models/llama-3.1-8b"
            - "--max-model-len=4096"
            - "--gpu-memory-utilization=0.85"
            - "--max-num-seqs=256"
            - "--enable-prefix-caching"
          ports:
            - containerPort: 8000
              name: inference
            - containerPort: 8080
              name: metrics
          resources:
            requests:
              nvidia.com/gpu: 1
              cpu: "4"
              memory: "32Gi"
            limits:
              nvidia.com/gpu: 1
              cpu: "8"
              memory: "64Gi"
          volumeMounts:
            - name: model-weights
              mountPath: /models
              readOnly: true
      volumes:
        - name: model-weights
          persistentVolumeClaim:
            claimName: economy-model-weights
      tolerations:
        - key: nvidia.com/gpu
          operator: Exists
          effect: NoSchedule

Configuração de Cotas por Tenant

# tenant-quotas-configmap.yaml
apiVersion: v1
kind: ConfigMap
metadata:
  name: tenant-quotas
  namespace: llm-serving
data:
  quotas.yaml: |
    tenants:
      acme-corp:
        tier: enterprise
        models_allowed:
          - llama-3.1-70b
          - llama-3.1-8b
          - nomic-embed-text
        rate_limits:
          requests_per_minute: 300
          tokens_per_minute: 500000
          concurrent_requests: 50
        budget:
          daily_limit_usd: 500.00
          monthly_limit_usd: 10000.00
          alert_threshold_percent: 80
        priority: high

      startup-xyz:
        tier: standard
        models_allowed:
          - llama-3.1-8b
          - nomic-embed-text
        rate_limits:
          requests_per_minute: 60
          tokens_per_minute: 100000
          concurrent_requests: 10
        budget:

…
Perguntas frequentes

O que é 'multi-tenant'?

Significa que um único sistema (neste caso, de IA) pode servir a vários clientes ou grupos ao mesmo tempo, mas de forma isolada, como se cada um tivesse seu próprio sistema.

Como a segurança é garantida?

Cada cliente tem suas próprias chaves de acesso e os dados são mantidos separados. Para clientes de maior risco, é possível criar ambientes ainda mais isolados.

É possível controlar quanto cada um gasta?

Sim, a ferramenta permite definir orçamentos diários e mensais, além de limites de uso, e pode alertar quando esses limites estão próximos de serem atingidos.

Detalhes

Descrição original do autor

Design secure, multi-tenant LLM hosting platforms with tenant isolation, quotas, billing attribution, noisy-neighbor protection, and per-tenant policy controls.

repo: sickn33/agentic-awesome-skills

Popularidade

Estrelas no GitHub
48 mil
Posição no ranking
#3649
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas