DB-GPT项目中OpenAILLMClient因Httpx版本升级导致的代理参数废弃问题分析
问题背景
在DB-GPT项目的模型管理模块中,OpenAILLMClient组件近期出现了调用异常。当开发者尝试使用该客户端与GPT-4模型交互时,系统返回了"LLMServer Generate Error"错误,提示AsyncClient.init()收到了意外的关键字参数'proxies'。
技术分析
根本原因
这一问题源于HTTP客户端库Httpx在v0.28.0版本中的重大变更。根据Httpx的更新日志,该版本正式移除了长期标记为废弃的proxies参数。这一变更属于向后不兼容的API修改,直接影响了依赖此参数的代码。
在DB-GPT项目的_build_openai_client函数实现中,创建Httpx异步客户端时显式传递了proxies参数:
http_client=httpx.AsyncClient(proxies=init_params.proxies)
版本差异对比
-
v0.27.2及之前版本: Httpx的AsyncClient构造函数接受
proxies参数,允许开发者通过字典配置不同协议(HTTP/HTTPS)的代理设置 -
v0.28.0及之后版本: 该参数被完全移除,仅保留单一的
proxy参数用于全局代理配置。这一变更是为了简化API设计,减少配置复杂性
影响范围
此问题影响所有满足以下条件的DB-GPT用户:
- 使用源码安装方式部署项目
- 环境中安装了Httpx v0.28.0或更高版本
- 尝试通过OpenAILLMClient与OpenAI API交互
解决方案
临时解决方案
对于需要立即解决问题的用户,可以采取以下任一方法:
- 降级Httpx到v0.27.2或更早版本
pip install httpx==0.27.2 - 手动修改项目代码,移除
proxies参数传递
长期修复方案
项目代码需要进行以下修改:
def _build_openai_client(init_params: OpenAIParameters) -> Tuple[str, ClientType]:
import httpx
openai_params, api_type, api_version, api_azure_deployment = _initialize_openai_v1(
init_params
)
if api_type == "azure":
from openai import AsyncAzureOpenAI
return api_type, AsyncAzureOpenAI(
api_key=openai_params["api_key"],
api_version=api_version,
azure_deployment=api_azure_deployment,
azure_endpoint=openai_params["base_url"],
http_client=httpx.AsyncClient(), # 移除proxies参数
)
else:
from openai import AsyncOpenAI
return api_type, AsyncOpenAI(
**openai_params, http_client=httpx.AsyncClient() # 移除proxies参数
)
技术建议
-
依赖版本锁定:建议在项目requirements中明确指定Httpx的版本范围,避免类似兼容性问题
-
代理配置替代方案:如果需要保留代理功能,可以考虑:
- 使用环境变量配置代理(如HTTP_PROXY/HTTPS_PROXY)
- 通过transport层自定义代理设置
-
兼容性测试:建议增加对依赖库重大版本更新的自动化测试,提前发现兼容性问题
总结
此次问题展示了开源项目依赖管理的重要性。随着Httpx v0.28.0的发布,所有依赖proxies参数的代码都需要相应调整。DB-GPT项目团队已意识到这一问题,并提供了修复方案。开发者应及时更新代码或锁定依赖版本,确保系统稳定运行。
对于开源项目维护者而言,这提醒我们需要密切关注上游依赖的变更日志,及时调整项目代码,同时建立完善的版本兼容性测试机制,为用户提供更稳定的使用体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00