budgetforge 0.1.1

BudgetForge SDK — LLM proxy with budget enforcement

BudgetForge SDK Simple

SDK léger et simple pour intégrer BudgetForge dans vos projets Python.

Installation

Aucune installation nécessaire ! Copiez simplement le fichier budgetforge_sdk.py dans votre projet.

from budgetforge_sdk import BudgetForgeLLM, BudgetForgeChat

Utilisation rapide

LLM simple

from budgetforge_sdk import BudgetForgeLLM

llm = BudgetForgeLLM(
    api_key="votre-cle-api-budgetforge",
    model="gpt-4",
    provider="openai"
)

response = llm.invoke("Bonjour, comment vas-tu?")
print(response)

Chat simple

from budgetforge_sdk import BudgetForgeChat

chat = BudgetForgeChat(
    api_key="votre-cle-api-budgetforge",
    model="claude-3-sonnet",
    provider="anthropic"
)

messages = [
    {"role": "user", "content": "Bonjour!"},
    {"role": "assistant", "content": "Bonjour! Comment puis-je vous aider?"},
    {"role": "user", "content": "Explique-moi l'IA"}
]

result = chat.invoke(messages)
print(result["content"])

Streaming

# Streaming LLM
for chunk in llm.stream("Raconte-moi une histoire:"):
    print(chunk, end="", flush=True)

# Streaming Chat
for generation in chat.stream(messages):
    print(generation["content"], end="", flush=True)

Configuration

Paramètres du LLM

• api_key: Votre clé API BudgetForge
• model: Modèle cible ("gpt-4", "claude-3-sonnet", etc.)
• provider: Fournisseur ("openai", "anthropic", "google", etc.)
• api_base_url: URL de base de l'API (défaut: localhost:8000)
• max_tokens: Nombre maximum de tokens par appel
• temperature: Température de réponse (0.0-2.0)
• timeout: Timeout des requêtes en secondes

Fonctionnalités BudgetForge

Le SDK bénéficie automatiquement de toutes les fonctionnalités BudgetForge :

• ✅ Enforcement du budget - Les appels sont bloqués si le budget est dépassé
• ✅ Tracking des coûts - Suivi en temps réel des dépenses par projet
• ✅ Fallback automatique - Bascule vers des providers moins chers
• ✅ Alertes - Notifications email/webhook pour les seuils de budget
• ✅ Analytics détaillées - Breakdown par provider, modèle, agent

Exemples avancés

Appel asynchrone

import asyncio

async def main():
    llm = BudgetForgeLLM(api_key="votre-cle")
    response = await llm.invoke_async("Question asynchrone")
    print(response)

asyncio.run(main())

Paramètres personnalisés

llm = BudgetForgeLLM(
    api_key="votre-cle",
    model="gpt-4",
    temperature=0.5,
    max_tokens=500,
    timeout=60
)

# Paramètres par appel
response = llm.invoke(
    "Prompt complexe",
    temperature=0.8,
    max_tokens=1000
)

Multi-providers

# Différents providers pour différents usages
openai_llm = BudgetForgeLLM(api_key="cle", model="gpt-4", provider="openai")
anthropic_llm = BudgetForgeLLM(api_key="cle", model="claude-3-sonnet", provider="anthropic")

# Utiliser le provider approprié pour chaque tâche
complex_task = openai_llm.invoke("Analyse complexe...")
creative_task = anthropic_llm.invoke("Tâche créative...")

Gestion des erreurs

try:
    response = llm.invoke("Votre prompt")
except ValueError as e:
    if "budget exceeded" in str(e).lower():
        print("Budget épuisé!")
    elif "provider unavailable" in str(e).lower():
        print("Provider indisponible")
    else:
        print(f"Erreur: {e}")

Intégration avec d'autres frameworks

Langchain (manuellement)

from langchain.llms.base import LLM
from typing import Optional, List

class BudgetForgeLangchainWrapper(LLM):
    def __init__(self, api_key: str, model: str = "gpt-4", provider: str = "openai"):
        super().__init__()
        self.budgetforge_llm = BudgetForgeLLM(api_key, model, provider)
    
    def _call(self, prompt: str, stop: Optional[List[str]] = None) -> str:
        return self.budgetforge_llm.invoke(prompt)
    
    @property
    def _llm_type(self) -> str:
        return "budgetforge"

# Utilisation
llm = BudgetForgeLangchainWrapper(api_key="votre-cle")

Support

• Documentation: BudgetForge Docs
• Issues: GitHub Issues
• Email: [e-mail]

Licence

MIT License