cortiq-gateway/docs/PROTOCOLS.ru.md

Read this in English.

Протоколы Cortiq Gateway

Контракты входящих протоколов и кросс-стандартных механизмов. Каждый протокол включается флагом в [protocols]. Внутри всё приводится к канонической модели (см. ARCHITECTURE.md).

Общее правило маршрутизации во всех протоколах:

• model = "cortiq-auto" → включить интеллектуальный роутинг через cortiq-router.
• model = "cortiq-auto:quality-first" → роутинг с указанным policy-профилем (cost-saver | balanced | quality-first).
• model = "<реальный id из конфига>" → passthrough к этой модели без роутинга.

---

Оглавление

1. OpenAI Chat Completions
2. OpenAI Completions (legacy)
3. OpenAI Embeddings
4. OpenAI Models
5. Anthropic Messages
6. MCP (Model Context Protocol)
7. Native passthrough
8. Кросс-стандарты

---

1. OpenAI Chat Completions

POST /v1/chat/completions — основной endpoint, де-факто стандарт для агентов.

Запрос

{
  "model": "cortiq-auto",                 // роутинг; или реальный id для passthrough
  "messages": [
    { "role": "system", "content": "You are a helpful assistant." },
    { "role": "user", "content": "Solve x^2 - 5x + 6 = 0" }
  ],
  "temperature": 0.7,
  "max_tokens": 1024,
  "stream": false,
  "tools": [ /* function-calling, проксируется к провайдеру как есть */ ],
  "tool_choice": "auto",
  "stop": ["\n\n"],
  "top_p": 1.0,
  "response_format": { "type": "json_object" }
}

Поддерживаются стандартные поля OpenAI; неизвестные поля проксируются к провайдеру без изменений (forward-compatible) — кроме служебных ключей, которые чат-интерфейсы добавляют в payload для собственных нужд (chat_id, session_id, metadata, features, …): они отбрасываются, чтобы строгий upstream не отклонил вызов.

Парсер намеренно терпим к тем формам, которые реально шлют клиенты: content может быть строкой, null или массивом content-частей (текстовые части склеиваются, изображения и прочие нетекстовые пропускаются); tools может быть null; reasoning_effort — строкой (low | medium | high) или бюджетом токенов; max_completion_tokens принимается как синоним max_tokens. Если тело всё-таки не читается, возвращается OpenAI-конверт ошибки с HTTP 400 — но не «голый» 422, который OpenAI-клиенты не умеют разбирать (для пользователя это выглядит как отсутствие ответа).

Ответ (без стриминга)

{
  "id": "chatcmpl-9f...",
  "object": "chat.completion",
  "created": 1718800000,
  "model": "cortiq-auto",                 // модель, которую ЗАПРОСИЛ клиент — возвращается как есть
  "choices": [
    {
      "index": 0,
      "message": { "role": "assistant", "content": "x = 2 или x = 3" },
      "finish_reason": "stop"               // всегда одно из stop|length|tool_calls|content_filter
    }
  ],
  "usage": {
    "prompt_tokens": 24,
    "completion_tokens": 11,
    "total_tokens": 35
  },
  "cortiq": {                             // расширение (включается cortiq.echo=true)
    "task_label": "math",
    "complexity": { "score": 0.22, "tier": "low" },
    "selected_model": "local-qwen",
    "route_source": "router",             // router | cache | fallback | pinned
    "router_request_id": "req_...",
    "cost_usd": 0.0
  }
}

model возвращает тот id, который запросил клиент, — ровно как это делает OpenAI: клиенты сопоставляют ответ с отправленным id. Модель, которая реально ответила, — в cortiq.selected_model и в заголовке X-Cortiq-Selected-Model.

Необязательные поля не сериализуются вместо того, чтобы приходить как null: если tool-вызовов нет, ключа tool_calls в ответе нет вообще. "tool_calls": null не входит в схему OpenAI и ломает строгие клиенты.

Поле cortiq — необязательное расширение. OpenAI-SDK его игнорируют. Если клиент не хочет «лишних» полей — выключите cortiq.echo, метаданные останутся в заголовках.

Стриминг (stream: true) отдаёт строгие события chat.completion.chunk: поток всегда открывается дельтой с role, содержит ровно один финальный finish_reason и завершается data: [DONE] — даже если upstream оборвался или упал на середине (тогда ошибка приходит SSE-событием error). Клиент никогда не остаётся ждать недосказанный поток.

Метаданные в заголовках (всегда)

X-Cortiq-Request-Id: req_...
X-Cortiq-Task-Label: math
X-Cortiq-Complexity-Score: 0.22
X-Cortiq-Complexity-Tier: low
X-Cortiq-Selected-Model: local-qwen
X-Cortiq-Route-Source: router
X-Cortiq-Cost-Usd: 0.000000

Ответ (стриминг, stream: true)

SSE, формат OpenAI: серия чанков chat.completion.chunk, завершается data: [DONE]. Шлюз проксирует чанки провайдера один-в-один (без буферизации), добавив метаданные роутинга в HTTP-заголовки до начала потока.

data: {"id":"chatcmpl-9f","object":"chat.completion.chunk","choices":[{"delta":{"role":"assistant"},"index":0}]}

data: {"id":"chatcmpl-9f","object":"chat.completion.chunk","choices":[{"delta":{"content":"x = 2"},"index":0}]}

data: {"id":"chatcmpl-9f","object":"chat.completion.chunk","choices":[{"delta":{},"finish_reason":"stop","index":0}]}

data: [DONE]

---

2. OpenAI Completions (legacy)

POST /v1/completions — для старых интеграций. Внутри prompt оборачивается в одно user-сообщение и идёт по тому же пути. Ответ — object: "text_completion".

// запрос
{ "model": "cortiq-auto", "prompt": "Translate to French: hello", "max_tokens": 64 }
// ответ
{ "object": "text_completion", "model": "local-qwen",
  "choices": [ { "text": "bonjour", "index": 0, "finish_reason": "stop" } ],
  "usage": { "prompt_tokens": 6, "completion_tokens": 2, "total_tokens": 8 } }

---

3. OpenAI Embeddings

POST /v1/embeddings. Два режима (настраивается):

• provider — проксировать к embedding-модели из пула;
• router — вернуть эмбеддинг энкодером cortiq-router (тот же вектор, что роутер использует для классификации — удобно для согласованного RAG).

// запрос
{ "model": "cortiq-embed", "input": ["first text", "second text"] }
// ответ
{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.01, -0.02, /* ... */] },
    { "object": "embedding", "index": 1, "embedding": [0.03,  0.00, /* ... */] }
  ],
  "model": "cortiq-embed",
  "usage": { "prompt_tokens": 4, "total_tokens": 4 }
}

---

4. OpenAI Models

GET /v1/models — автодискавери для клиентов. Возвращает виртуальные модели шлюза (cortiq-auto, cortiq-embed), все модели пула [[models]] и все управляемые локальные модели [[cmf.servers]] — чтобы клиент мог напрямую закрепить локальный .cmf.

{
  "object": "list",
  "data": [
    { "id": "cortiq-auto", "object": "model", "created": 1718800000, "owned_by": "cortiq" },
    { "id": "gpt-4o-mini", "object": "model", "created": 1718800000, "owned_by": "openai" },
    { "id": "claude-opus", "object": "model", "created": 1718800000, "owned_by": "anthropic" },
    { "id": "cmf-qwen3-4b", "object": "model", "created": 1718800000, "owned_by": "cortiq-cmf",
      "cortiq": { "kind": "cmf", "local": true, "running": true, "healthy": true } }
  ]
}

Управляемые CMF-модели попадают в список сразу, как только настроены; их живое состояние — в нестандартном поле cortiq (клиенты его игнорируют). По здоровью они не фильтруются: крупный .cmf грузится минутами, и модель, исчезающая из списка на время прогрева, хуже модели, помеченной «ещё не готова».

---

5. Anthropic Messages

POST /v1/messages — для Claude-нативных агентов и Anthropic SDK.

// запрос
{
  "model": "cortiq-auto",
  "max_tokens": 1024,
  "system": "You are a helpful assistant.",
  "messages": [ { "role": "user", "content": "Solve x^2 - 5x + 6 = 0" } ],
  "stream": false
}
// ответ
{
  "id": "msg_...",
  "type": "message",
  "role": "assistant",
  "model": "local-qwen",
  "content": [ { "type": "text", "text": "x = 2 или x = 3" } ],
  "stop_reason": "end_turn",
  "usage": { "input_tokens": 24, "output_tokens": 11 }
}

Стриминг — нативные Anthropic-события (message_start, content_block_delta, message_delta, message_stop). Если выбранная модель — не-Anthropic-провайдер, шлюз транслирует через каноническую модель в обе стороны.

---

6. MCP (Model Context Protocol)

Шлюз поднимает MCP-сервер (JSON-RPC 2.0 поверх HTTP+SSE или stdio) и публикует маршрутизацию как инструменты для MCP-нативных оркестраторов.

Публикуемые инструменты:

Инструмент	Назначение
route_and_complete	классифицировать + выполнить на выбранной модели, вернуть ответ
classify_task	только классификация (тип задачи + сложность), без выполнения

tools/list отдаёт JSON-схемы. Пример вызова tools/call:

// запрос (JSON-RPC)
{
  "jsonrpc": "2.0", "id": 1, "method": "tools/call",
  "params": {
    "name": "route_and_complete",
    "arguments": { "prompt": "Solve x^2 - 5x + 6 = 0", "profile": "balanced" }
  }
}
// ответ
{
  "jsonrpc": "2.0", "id": 1,
  "result": {
    "content": [ { "type": "text", "text": "x = 2 или x = 3" } ],
    "isError": false,
    "_meta": { "task_label": "math", "tier": "low", "selected_model": "local-qwen" }
  }
}

---

7. Native passthrough

POST /route — тонкая обёртка над cortiq-router /v1/route для клиентов, которым нужно только решение (без выполнения). Тело и ответ совпадают с контрактом роутера (см. cortiq-router/docs/ФОРМАТ_ЗАПРОСА_И_ОТВЕТА.md). Полезно для отладки и для тех, кто хочет сам управлять вызовом LLM.

---

8. Кросс-стандарты

Едины для всех HTTP-протоколов.

8.1 Аутентификация

Authorization: Bearer sk-gw-...

Виртуальный ключ шлюза. Маппится на аккаунт ([[api_keys]]). Если ключи не настроены — открытый режим (для локальной разработки). Ключи провайдеров наружу не отдаются.

8.2 Идемпотентность

Idempotency-Key: <уникальный-id-операции>

Повтор с тем же ключом в окне idempotency.ttl отдаёт сохранённый ответ (безопасные ретраи агентов, без двойного вызова LLM и двойного биллинга).

8.3 Rate-limit

На 429 возвращаются:

Retry-After: 2
X-RateLimit-Limit: 600
X-RateLimit-Remaining: 0
X-RateLimit-Reset: 1718800060

8.4 Трассировка

Приём и проброс W3C traceparent; OpenTelemetry-спаны inbound→route→provider. В ответе — X-Request-Id. Это позволяет сшить сквозной трейс агент → шлюз → провайдер.

8.5 Формат ошибки (OpenAI-совместимый)

{
  "error": {
    "message": "no healthy model available for tier 'high'",
    "type": "upstream_unavailable",      // invalid_request_error | authentication_error | rate_limit_error | upstream_unavailable | internal_error
    "code": "no_healthy_model",
    "param": null
  }
}

OpenAI/Anthropic SDK парсят такой конверт нативно. Сопоставление статусов:

Тип	HTTP	retriable
invalid_request_error	400	нет
authentication_error	401	нет
rate_limit_error	429	да
upstream_unavailable	502/503	да
internal_error	500	да

8.6 Учёт стоимости

usage отдаётся в формате протокола (OpenAI/Anthropic). Дополнительно — стоимость в заголовке X-Cortiq-Cost-Usd и в cortiq.cost_usd (если включено cortiq.echo). Цена считается из price_in/price_out модели в конфиге × токены.