​
作用

Generation Server 用于部署大语言模型（LLM），并通过接收 Prompt Server 提供的输入完成响应生成。当前使用 vLLM 作为模型部署后端。

​
参数说明

/images/yaml.svgservers/generation/parameter.yaml
model_name: openbmb/MiniCPM4-8B # model name or path
base_url: http://localhost:8000/v1 # vllm server url

# init vllm server configs
port: 8000
gpu_ids: "0,1"
api_key: ""

# generation parameters
sampling_params:
  temperature: 0.7
  top_p: 0.8
  max_tokens: 2048
  extra_body:
    top_k: 20
    chat_template_kwargs:
      enable_thinking: false # as qwen3, switch to true if you want to enable thinking
    include_stop_str_in_output: true # use in search-o1 pipeline
  # stop: [ "<|im_end|>", "<|end_search_query|>" ] # use in search-o1 pipeline
  • model_name：使用的生成模型名称或路径
  • base_url：vLLM 模型服务的 HTTP 接口地址
  • port：本地 vLLM 服务监听的端口
  • gpu_ids：指定 gpu 设备
  • api_key：调用模型服务所需的 API Key
  • sampling_params：vLLM 支持的生成参数，如 temperature、top-p、max_length等；

​
工具说明

  • initialize_local_vllm：在本地启动一个 vLLM 模型服务，并等待其准备就绪，最终返回该服务的 base_url。
  • generate：接收 Prompt Server 提供的 prompt 输入，调用支持 OpenAI API 协议的 LLM 接口进行生成，最终返回回答字符串列表。