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
Mensagem pronta para colar
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-hostingOu 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.mdConteúdo 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.
Popularidade
- Estrelas no GitHub
- 48 mil
- Posição no ranking
- #3649
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
00-andruia-consultant
Ajuda seu agente a iniciar ou melhorar projetos de IA. Ele analisa código, sugere ferramentas e cria planos de ação em espanhol.
sickn33/agentic-awesome-skills
007
Faz seu agente realizar auditorias de segurança e modelagem de ameaças. É útil para proteger projetos contra ataques e vulnerabilidades.
sickn33/agentic-awesome-skills
10-andruia-skill-smith
Ajuda seu agente a criar ou melhorar ferramentas de IA. Ele define como as ferramentas funcionam, escreve a documentação e valida a estrutura.
sickn33/agentic-awesome-skills
20-andruia-niche-intelligence
Faz seu agente criar um resumo sobre um setor específico. É útil para entender o contexto, regras, padrões de uso e riscos de um projeto, usando fontes confiáveis.
sickn33/agentic-awesome-skills
Skills parecidas
agent-architecture-audit
Faz seu agente verificar se tudo está funcionando corretamente. Ele encontra e conserta problemas em sistemas de IA, garantindo que funcionem como esperado.
affaan-m/ECC
agent-eval
Ajuda seu agente a comparar diferentes ferramentas de programação de IA. Ele mede qual é mais rápido, barato e confiável para realizar tarefas específicas.
affaan-m/ECC
agent-harness-construction
Faz seu agente entender melhor como realizar tarefas. Ele otimiza as ferramentas e instruções que o agente usa para aumentar suas chances de sucesso.
affaan-m/ECC