AI-Profile-Router/README.md

AI Profile Router

Kleiner OpenAI-kompatibler Proxy (Python, nur Standardbibliothek) vor einem lokalen llama.cpp-Server. Er leitet normale OpenAI-Requests transparent weiter (Streaming, Tool Calls, JSON) und schaltet zwischen drei festen llama.cpp-Profilen um.

Zielsystem

Host	192.168.1.196
SSH	root mit Key lmstudio_unraid
llama.cpp	http://127.0.0.1:8080 (Service mike-ai-llama-ui.service)
Profil-Skript	/usr/local/bin/llama-profile {fast|medium|long}
Router-Port	8081
Router-Service	mike-ai-profile-router.service

Profile / virtuelle Modelle

Profil	Modell	Kontext
fast	qwen-fast	73728
medium	qwen-medium	94208
long	qwen-long	131072

Endpunkte

Endpunkt	Beschreibung
GET /v1/models	Die drei virtuellen Modelle inkl. context_length/context_window
GET /status	Aktives Profil, Upstream-Zustand, Modell, Kontext, Uptime
POST /fast /medium /long	Profilwechsel (auch GET möglich)
POST /v1/chat/completions	Weiterleitung an llama.cpp (Streaming + Tool Calls)
alles andere	Transparente Weiterleitung an llama.cpp

Verhalten

• Virtuelles Modell (qwen-fast/qwen-medium/qwen-long in chat.completions): Der Router stellt sicher, dass das passende Profil aktiv ist (notfalls Wechsel + Warten), ersetzt das Modell durch das echte llama.cpp-Modell und leitet weiter.
• Profilwechsel (POST /fast …): Führt /usr/local/bin/llama-profile <profil> aus (ohne Shell, feste Argumente → keine Injection), wartet dann, bis llama.cpp wieder erreichbar ist, und liefert erst dann 200.
• Impliziter Wechsel bei downem llama.cpp: Ein Chat-Request mit virtuellem Modell liefert sofort 502, wenn das Profil bereits aktiv ist, aber llama.cpp down ist (kein stiller Neustart). Der Neustart wird explizit über POST /<profil> angestoßen.
• Ungültige Profile/Modelle: POST /<anderes> → 400; qwen-<anderes> als Modell → 400. Nur die drei festen Profile sind schaltbar.
• Fehlerformat: OpenAI-kompatibel ({"error": {"message", "type", "code"}}).

Repository-Struktur

router/ai_profile_router.py   # der Router (einzige Laufzeit-Datei)
deploy/mike-ai-profile-router.service   # systemd-Unit
deploy/install.sh             # läuft auf dem Zielsystem (per SSH)
deploy/deploy.sh              # läuft lokal: SCP + SSH
dev/                          # lokale Tests (Mock-llama.cpp, Fake-Profil-Skript)

Entwicklungsdateien (dev/) und Deployment-Dateien (router/, deploy/) sind getrennt. Auf dem Zielsystem landet nur router/ + deploy/.

Deployment

Voraussetzung: SSH-Key ~/.ssh/lmstudio_unraid (bereits vorhanden).

./deploy/deploy.sh

Das Skript:

1. Überträgt ai_profile_router.py, install.sh und die systemd-Unit per SCP nach /tmp/ai-profile-router/ auf dem Zielsystem.
2. Führt install.sh per SSH aus, das:
   • den alten Router (mike-ai-local-llm-router.service + /opt/mike-ai/local-llm-router) mit Backup entfernt,
   • den neuen Router nach /opt/mike-ai/ai-profile-router/ installiert,
   • mike-ai-profile-router.service aktiviert (Start beim Boot) und startet,
   • GET /status verifiziert.

Die Installation ist idempotent (Update = erneut ausführen).

Konfiguration (Umgebungsvariablen in der systemd-Unit)

Variable	Default	Bedeutung
ROUTER_HOST	0.0.0.0	Bind-Adresse
ROUTER_PORT	8081	Port
UPSTREAM_URL	http://127.0.0.1:8080	llama.cpp
PROFILE_SCRIPT	/usr/local/bin/llama-profile	Profil-Skript
PROFILE_DIR	/etc/systemd/system/mike-ai-llama-ui.service.d	Ort der override.conf
SWITCH_TIMEOUT	600	Warten auf llama.cpp nach Wechsel (s)
REQUEST_TIMEOUT	600	Read-Timeout für Upstream-Requests (s)
CONNECT_TIMEOUT	10	Connect-Timeout Upstream (s)
POLL_INTERVAL	2	Polling-Intervall (s)
LOG_LEVEL	INFO	Logging-Level

Lokale Tests

./dev/test_local.sh

Startet einen Mock-llama.cpp und den Router mit einem Fake-Profil-Skript und prüft: /v1/models, /status, Forwarding, Streaming, Tool Calls, Profilwechsel (fast→medium→fast), virtuelles Modell triggert Wechsel, ungültige Profile, Upstream down → 502, Recovery.

Betrieb

systemctl status mike-ai-profile-router
journalctl -u mike-ai-profile-router -f
curl -s http://192.168.1.196:8081/status | python3 -m json.tool
curl -s -X POST http://192.168.1.196:8081/medium

Sicherheit

• Keine Shell-Aufrufe: Profil-Skript wird mit subprocess.run([script, profil]) aufgerufen, profil ist Whitelist-geprüft (fast|medium|long).
• Keine Secrets/Tokens im Code oder in der Unit.
• systemd-Hardening: NoNewPrivileges=true, PrivateTmp=true.
• Die bestehende llama.cpp-/Profil-Konfiguration wird nicht verändert; der Router nutzt nur das vorhandene llama-profile-Skript und liest die override.conf.