APIPark

一站式 AI 网关 APIPark：让企业 AI 接入像搭积木一样简单

当你所在的企业决定引入 AI 能力时，摆在技术团队面前的第一个现实问题是：如何管理分散在 OpenAI、Anthropic Claude、DeepSeek、阿里通义、百度文心、字节豆包等十几家供应商的几十个模型 API？

每个模型的调用方式不同、认证方式不同、响应格式不同。开发团队要么针对每个模型单独适配，要么忍受后期维护的痛苦。正是在这个痛点上，APIPark 应运而生——它是一个开源的云原生 AI 网关与 API 开发者门户，能够将所有这些 AI 能力统一接入、统一管理、统一分发，让开发者只需掌握一种调用方式，就能无缝切换任意 AI 模型。

图1：APIPark AI 网关核心架构示意图（来源：apipark.com）

诞生背景：七年 API 平台经验的厚积薄发

APIPark 并非一个从零起步的创业项目，其背后的团队已经深耕 API 开发与管理领域整整七年。他们曾打造过一个拥有超过 100 万开发者用户、500 多家企业客户、获得红杉资本数千万元投资的 API 开发与自动化测试平台。

随着大语言模型（LLM）和 AI Agent 技术的爆发，团队敏锐地捕捉到了一个新需求：企业不仅需要管理内部和第三方 API，更需要让 AI Agent 能够调用这些 API 去完成真实的工作任务，而不仅是做问答机器人。 这直接促成了 APIPark 的诞生——做一个一站式的 AI 网关和 API 开发者门户，帮助企业快速构建 AI 能力。

核心功能：从模型接入到 API 分发的完整闭环

1. 快速接入 100+ AI 模型

APIPark 目前支持 37 个 AI 模型提供商，覆盖全球主流 LLM 供应商：

• 国际大厂：OpenAI（GPT-4o、GPT-4 Turbo 等）、Anthropic Claude 系列、Google Gemini、Azure OpenAI、Cohere、Groq、Fireworks AI、HuggingFace Hub、NVIDIA NIM
• 国内主流：DeepSeek、通义千问（Qwen）、文心一言（ERNIE Bot）、字节豆包、讯飞星火（Spark）、智谱 ChatGLM、百川（Baichuan）、月之暗面 Kimi（Moonshot）、MiniMax、阶跃星辰（StepFun）、360 智脑、零一万物（Yi）、书生·浦语（InternLM）、硅基流动（SiliconFlow）
• 本地部署：Ollama（本地 LLM）、Xinference（本地 Embedding）、LM Studio
• 企业级：AWS Bedrock、阿里云百炼（Bailian）、火山引擎 MaaS、Upstage Vertex AI

图2：APIPark 统一 API 请求/响应格式，切换模型无需改代码（来源：apipark.com）

接入方式完全标准化——只需在配置文件中填入 API Key，无需编写额外代码，APIPark 自动处理认证、重试、流量控制等底层逻辑。

2. Prompt 模板 → REST API：零代码构建 AI 能力

通过将 OpenAI GPT-4o 等模型与自定义 Prompt 组合，可以快速创建情感分析 API、翻译 API、数据分析 API。整个过程不需要写任何代码，只需在 Web 界面中配置模板参数，一个可对外服务的 REST API 就诞生了。切换底层模型不会影响调用方——因为 APIPark 统一了请求和响应的数据格式，APP 和微服务完全感知不到模型切换的存在。

图3：将 Prompt 模板一键封装为 REST API（来源：apipark.com）

3. 开发者门户：团队内共享 API 的最佳实践

APIPark 内置了一个功能完整的开发者门户，团队成员可以在上面浏览、申请、订阅 API 资源。每个应用（Application）对应独立的 API Key，支持精细的权限管理。

图4：APIPark 开发者门户，支持 API 发布、申请、审批全流程（来源：apipark.com）

4. 多租户管理与调用审批

支持多租户架构，不同业务单元可以拥有独立的工作空间。通过调用审批流程（Application 申请 → 管理员审批），可以精确控制每个应用对特定 API 的访问权限，确保 API 调用的安全性和合规性。

图5：多租户架构，每个租户独立管理自己的 API 和应用（来源：apipark.com）

5. 监控与数据分析

内置 InfluxDB 时序数据库，自动记录所有 API 调用日志，并通过图表实时展示调用量、响应延迟、错误率等核心指标。支持将日志导出至第三方日志平台（NSQ），满足企业的可观测性需求。

图6：清晰的 API 调用监控图表，帮助了解 AI 资源消耗（来源：apipark.com）

技术架构：Go 后端 + TypeScript 前端 + 微内核引擎

APIPark 采用 Go + Gin 微服务框架作为后端核心，前端使用 TypeScript + React 构建 SPA 应用。整个系统架构围绕一个高度模块化的微内核引擎设计，核心依赖 eolinker/eosc 框架实现依赖注入（autowire）和插件化扩展。

后端核心依赖

组件	技术选型	作用
Web 框架	Gin v1.10	HTTP 路由和中间件
ORM	GORM	MySQL 数据库操作
缓存	Redis 7.2	会话管理、限流、队列
时序存储	InfluxDB 2.6	API 调用指标存储
API 网关	apinto-gateway（eolinker 自研）	高性能流量代理
配置管理	自研 cftool	YAML 配置加载
动态模块	pm3 驱动系统	插件化 AI provider 加载

模块化设计（AI Provider 层）

APIPark 的 AI 模型接入层（ai-provider/model-runtime）采用标准化 YAML 配置驱动，每个模型提供商（如 anthropic、deepseek、openAI）都有一个独立配置目录，包含：

• provider.yaml：提供商元信息
• llm/*.yaml：各模型的调用配置（endpoint、auth、model_id）
• _position.yaml：模型列表中的排序位置

这种方式使得新增一个模型提供商只需编写 YAML 配置文件，无需修改 Go 代码，实现了真正的免编译扩展。

MCP Server 模块

APIPark 包含一个 mcp-server 模块，基于 mark3labs/mcp-go 库实现了 MCP（Model Context Protocol）协议，支持 AI Agent 通过 MCP 协议直接调用 APIPark 管理的 AI 资源，使 APIPark 可作为企业 AI Agent 的基础设施层。

部署体验：5 分钟一键启动的生产级方案

APIPark 提供官方一键部署脚本：

curl -sSO https://download.apipark.com/install/quick-start.sh; bash quick-start.sh

背后是一套完整的 docker-compose 配置，包含 5 个核心容器：

容器	镜像	端口	作用
apipark	apipark/apipark:v1.2.0-beta	18288	主服务（Go 后端 + 前端）
apipark-mysql	mysql:8.0.37	33306	主数据库
apipark-redis	redis:7.2.4	6379	缓存与限流
influxdb2	influxdb:2.6	8086	时序指标存储
apipark-apinto	eolinker/apinto-gateway	8099/9400/9401	高性能 API 网关

部署后默认端口 18288，初始管理员密码通过环境变量 ADMIN_PASSWORD 设置。

局限与不足

1. 非全自动化部署：虽然提供 docker-compose，但仍需手动配置 MySQL 密码、Redis 密码、Admin 密码等敏感信息，对 Docker 不熟悉的用户有一定门槛。
2. 性能基准存疑：官方声称"超越 Nginx"，但仓库中未找到独立的性能基准测试数据，实际生产环境的性能表现需要自行验证。
3. 中文社区活跃度：GitHub Issue 数量较多（49个 open），部分问题响应较慢，企业级支持需联系商务。
4. 路线图的兑现进度：API 市场接入、LangChain Agent 集成等功能仍处于规划阶段，尚未完全落地。

总结：企业 AI 基础设施的务实之选

APIPark 解决的是一个非常实际的问题：在大模型时代，企业需要的不是一个额外的 AI 模型，而是一个统一的 AI 能力管理平面。它不追求大模型本身的生产，而是专注于 AI 能力接入后的分发、管理、监控和安全合规。

从技术实现来看，它融合了团队七年的 API 管理经验，将微内核架构、插件化设计、多租户管理等成熟理念引入 AI 领域，架构上是扎实且可扩展的。开源的 Apache 2.0 许可也意味着企业可以放心地将它集成到商业产品中而无需担忧许可证风险。

对于有 AI 转型需求但缺乏统一 AI 能力管理平台的企业，APIPark 是一个值得认真评估的选项——它将原本分散混乱的多供应商 AI 调用，转变为有序、可控、可观测的企业级 AI 基础设施。

图7：APIPark 覆盖 API 从设计、发布、调用到下线的完整生命周期（来源：apipark.com）