Dostawcy LLM i połączenia

Połączenie Dostawca LLM to miejsce, w którym wybierasz model zasilający AI w Twoim obszarze roboczym. Przechowuje dostawcę, Twój klucz API, model domyślny i stałe instrukcje — i jest punktem, w którym administrator decyduje, na ile model może sobie pozwolić.

Co zawiera połączenie

Pole	Do czego służy
Dostawca	Anthropic, OpenAI, Google Gemini, xAI Grok, Azure OpenAI lub GitHub Models.
Klucz API	Twój własny. Użycie jest rozliczane na Twoim koncie u tego dostawcy, a nie odsprzedawane przez PlaidCloud.
Model domyślny	Wybierany z aktualnej oferty samego dostawcy, pobieranej za pomocą Twojego klucza API. Opcja Inne… przyjmuje wpisany identyfikator modelu, dla wszystkiego, czego lista nie zawiera.
Bazowy adres URL	Wyświetlany tylko dla dostawców, którzy go odczytują: wymagany dla Azure OpenAI (punkt końcowy Twojego zasobu) oraz opcjonalne zastąpienie dla OpenAI, Grok i GitHub Models. Anthropic i Gemini go nie używają.
Wersja API	Tylko Azure OpenAI.
Reguły	Stałe instrukcje dołączane na początku każdego komunikatu systemowego — konwencje firmy, ton, czego nigdy nie robić.
Dostęp agenta	Pułap tego, co mogą robić agenty i kroki korzystające z tego połączenia. Tylko do odczytu, dopóki go nie podniesiesz.

Nazwę, notatkę i to, kto widzi połączenie, również ustawia się tutaj, a Testuj połączenie sprawdza klucz, zanim zaczniesz na nim polegać.

Obszar roboczy może mieć kilka połączeń; jedno jest oznaczone jako domyślne. Krok przepływu pracy może przypiąć konkretne połączenie, gdy potrzebuje innego modelu niż domyślny dla obszaru roboczego.

Obszar roboczy może też zawierać starsze połączenie Anthropic Claude, sprzed czasu, gdy dostawca stał się polem jednego typu połączenia. Ma te same ustawienia i otwiera się w tym samym edytorze, z dostawcą na stałe ustawionym na Anthropic. Nowe połączenia twórz jako Dostawca LLM.

Wskazówka

Lista modeli pochodzi od dostawcy, a nie od PlaidCloud. Otwarcie połączenia powoduje zapytanie dostawcy, do jakich modeli ma dostęp Twój klucz, więc model wydany dziś rano jest oferowany bez czekania na wydanie PlaidCloud. Modele, które nie potrafią odpowiadać na prompty — osadzania, mowa, obrazy i moderacja — są pomijane.

Jeśli nie można połączyć się z dostawcą (klucz, który nie został jeszcze wpisany, błędny klucz lub awaria), lista wraca do wbudowanej listy PlaidCloud i informuje o tym. Opcja Inne… nadal przyjmuje każdy wpisany identyfikator modelu.

Dostawcy i adaptery

Sześciu dostawców widocznych dla użytkownika odpowiada czterem adapterom wykonawczym. Adapter decyduje, jak jest kształtowane żądanie i do czego model może sięgnąć. Poniższe nazwy dostawców to etykiety widoczne w liście rozwijanej formularza połączenia.

Dostawca	Adapter	Uwagi
Anthropic (Claude)	anthropic	Jedyna ścieżka z ograniczonymi powiązaniami tabel, wymiarów i dokumentów.
OpenAI (ChatGPT)	openai_compatible
xAI (Grok)	openai_compatible
GitHub Models	openai_compatible	Modele hostowane przez GitHub dla zespołów skoncentrowanych na GitHubie.
Google (Gemini)	gemini
Azure OpenAI	azure	Punkt końcowy Twojego zasobu; „modelem” jest Twoja nazwa wdrożenia, a wersja API pochodzi z połączenia.

Uwaga

GitHub Copilot nie jest tutaj dostępną opcją i nie jest to przeoczenie. Copilot nie ma samodzielnego API czatu, na które można skierować serwer — wymienia token OAuth na uprawnienie edytora. Ścieżką Microsoftu dla modeli GPT klasy Copilot jest Azure OpenAI (lub GitHub Models). GitHub Copilot jako klient IDE łączący się z PlaidCloud to zupełnie co innego i działa — zobacz GitHub Copilot.

Jak pośredniczy się w wywołaniach narzędzi

LLM jest tutaj użyteczny tylko wtedy, gdy może wywoływać narzędzia PlaidCloud. W przypadku interaktywnego asystenta istnieją dwa mechanizmy, a który z nich działa, zależy od dostawcy. (Działający bez nadzoru krok przepływu pracy LLM działa inaczej; przeczytaj także tę sekcję.)

Konektor po stronie serwera — Anthropic

API Anthropic samo łączy się z Twoim punktem końcowym MCP PlaidCloud, niosąc krótkotrwały delegowany token. Anthropic zarządza katalogiem narzędzi po swojej stronie, więc model widzi wszystko, co token może wywołać, i wykrywa narzędzia bez pomocy.

Jest to także jedyna ścieżka obsługująca ograniczone powiązania — zobacz niżej.

Pętla po stronie klienta — wszyscy pozostali

Pozostali dostawcy nie mają odpowiednika takiego konektora, więc PlaidCloud sam prowadzi pętlę: łączy się z własnym serwerem MCP jako klient, wyświetla narzędzia, przekazuje je modelowi jako natywne definicje funkcji, wykonuje wywołania, o które prosi model, zwraca wyniki i powtarza, aż model sformułuje odpowiedź.

Dwa ograniczenia zapewniają przewidywalność:

• Ograniczona powierzchnia narzędzi. Dostawcy ograniczają liczbę funkcji, które może zadeklarować jedno żądanie, a każdy schemat zużywa tokeny promptu. Udostępniany zestaw jest ograniczony, a metanarzędzia wykrywania są zawsze obecne, dzięki czemu model nadal może znaleźć i wywołać wszystko spoza listy bezpośredniej.
• Stały limit rund. Pętla narzędzi, która wymknęła się spod kontroli, zatrzymuje się, zamiast bez końca spalać tokeny.

Notatka

Inny pośrednik, to samo egzekwowanie. Pętla po stronie klienta wywołuje ten sam serwer MCP z tym samym delegowanym tokenem, więc zakresy, listy ACL, Dostęp agenta i lista zabronionych obowiązują dokładnie tak samo jak na ścieżce Anthropic.

Krok przepływu pracy LLM jest inny

Wszystko powyżej opisuje interaktywną AI. Działający bez nadzoru krok przepływu pracy LLM w ogóle nie używa pętli po stronie klienta, a ta różnica warta jest zrozumienia, zanim wybierzesz dostawcę dla takiego kroku.

Dostawca w połączeniu kroku	Co krok może zrobić
Anthropic	Sięga do Twoich danych przez konektor MCP, ograniczony do ograniczonych powiązań — konkretnych tabel, wymiarów i dokumentów wskazanych w kroku, każdy oznaczony jako odczyt lub zapis. Wszystko poza tymi obiektami jest odrzucane, mimo że narzędzie istnieje.
Wszyscy pozostali	Brak dostępu do danych. Krok to pojedyncze ustrukturyzowane uzupełnienie: na wejściu prompt, reguły i schemat; na wyjściu JSON.

Wynikają z tego bezpośrednio dwie konsekwencje:

• Powiązania są ignorowane w kroku innym niż Anthropic. Nie są po cichu honorowane i nie są błędem — krok zapisuje w dzienniku, że ograniczony dostęp do danych jest dostępny tylko dla Anthropic, i działa bez nich. Jeśli przełączysz krok z powiązaniami z Anthropic na innego dostawcę, przestanie on odczytywać Twoje dane.
• W kroku innym niż Anthropic wymagany jest schemat wyniku. Bez narzędzi do wywoływania ustrukturyzowane wyjście to jedyne, co krok produkuje.

Uwaga

Jeśli krok musi odczytywać lub zapisywać obiekty projektu, umieść go w połączeniu Anthropic. U każdego innego dostawcy krok nadal może klasyfikować, streszczać, wyodrębniać lub przepisywać tekst przekazany w prompcie — po prostu nie może niczego samodzielnie pobrać.

Dostęp agenta

Każde połączenie LLM ma ustawienie Dostęp agenta. Jest to pułap, zawsze przecinany z rzeczywistymi uprawnieniami osoby działającej.

Dostęp agenta	Co mogą robić agenty i kroki w tym połączeniu
Tylko do odczytu (domyślnie)	Wyświetlanie, opisywanie, odczyt danych tabel, odczyt członków wymiarów, odczyt dokumentów, uruchamianie zapytań SQL tylko do odczytu.
Odczyt i zapis	Powyższe, a ponadto zmiany, które osoba i tak może wprowadzać, za pomocą narzędzi zapisu PlaidCloud. Surowy SQL pozostaje tylko do odczytu.
Pełny (przestarzały — usunięty 15 stycznia 2027)	Kompletny zestaw narzędzi osoby, w tym SQL, który zapisuje. Zamiast tego użyj Odczyt i zapis.

Przy każdym ustawieniu Dostępu agenta obowiązuje bezwarunkowa lista zabronionych: ustawienia połączeń i poświadczeń, informacje o tym, kto jest właścicielem połączenia lub ma do niego dostęp, poświadczenia i listy ACL kont dokumentów, zarządzanie członkami i grupami, resetowanie haseł, listy ACL projektów, tryb księgowania ERP w projekcie, publikowanie, kod funkcji zdefiniowanych przez użytkownika i wdrożenia aplikacji. Nigdy nie mogą być wywołane przez poświadczenie AI.

W przypadku kroku przepływu pracy Anthropic Dostęp agenta współgra z powiązaniami: przy ustawieniu Odczyt i zapis zapis jest przyznawany dla każdego powiązanego obiektu, więc krok może zapisywać do jednej zaznaczonej tabeli i do niczego więcej.

Wyniki ustrukturyzowane

Gdy krok deklaruje schemat wyniku, odpowiedź jest walidowana względem niego, a nie wyodrębniana z prozy. Ponieważ dostawcy wyrażają schematy w różny sposób, schemat jest tłumaczony dla każdego dostawcy — dialekt strict-JSON dla punktów końcowych zgodnych z OpenAI, podzbiór OpenAPI dla Gemini — a odmowa lub obcięta odpowiedź jest zgłaszana jako osobny błąd, zamiast mylącego „nieprawidłowy JSON”.

Zabezpieczenia, które warto znać

• Wychodzące adresy URL są walidowane przed każdym wywołaniem. Bazowy adres URL musi używać HTTPS i wskazywać adres publiczny; adresy pętli zwrotnej, z zakresów prywatnych, link-local i metadanych chmury są odrzucane, a przekierowania są wyłączone, aby odpowiedź nie mogła skierować wywołania gdzie indziej.
• Klucze nie trafiają do dzienników ani komunikatów o błędach. Błędy dostawców są oczyszczane, a nie odtwarzane razem z zawartymi w nich poświadczeniami.
• Reguły to instrukcje, a nie uprawnienia. Stałe reguły w połączeniu kształtują zachowanie modelu. Nie mogą podnieść tego, do czego model ma dostęp.

Powiązane

• Architektura AI i LLM — powierzchnie i wspólna ścieżka
• Korzystanie z własnego kontrolowanego LLM — Azure OpenAI i opcje hostowane we własnym zakresie
• Połączenia — tworzenie połączeń i zarządzanie nimi w ogólności