New Feature: Python — provider-independent batch request API for model services (encode/create/status/cancel/collect)
Les mainteneurs répondent en général sous 3 jours
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Accessibilité débutants
- 35/100
- Type d'issue
- Fonctionnalité
- Clarté
- Plutôt claire
- Activité
- Active
- Stack technique
- python
- Domaine
- backend-api-design
Piste de recherche
Read the proposed batch API scope and compare the referenced pydantic-ai batch codec with Semantic Kernel’s Python connector structure; the issue does not name specific SK Python files. Start by discussing the API design with maintainers, as the contribution policy requires agreement before implementation. Done means an agreed design, then a provider implementation with tests for credential grouping, polling, errors, and large embedding batches.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
Semantic Kernel currently invokes one AI service per call via service IDs, and large-input workloads are handled ad hoc inside connectors (e.g. the 100-input Gemini embedding chunking in PR #14700). Peer framework pydantic-ai provides a shared batch model: encode requests, group them by credential, create/status/cancel provider batch jobs, and report per-request results including unrun requests.
Proposal: add an opt-in batch request API for SK Python connectors (BatchRequest/Batch/result types plus batch_encode/create/status/cancel on a model-service interface), implemented first for one provider, so future connectors get consistent grouping, polling and error behavior. No public signatures change for existing non-batch paths; this needs design agreement before implementation per the contribution policy.
Users
SK users indexing document sets or running large offline evaluation/scoring workloads who today must chunk inputs and poll provider batch jobs themselves, per connector.
Expected Effect
A shared batch abstraction lets connectors (OpenAI, Azure OpenAI, Google, Anthropic) support provider batch endpoints with consistent grouping, polling and error semantics instead of ad-hoc per-connector chunking like PR #14700.
Scope
Python first (where connector activity is concentrated): a new batch module under semantic_kernel/connectors or services plus opt-in implementation on one connector (e.g. OpenAI chat or Google embeddings). .NET parity and additional providers stay out of scope until the design is agreed.
Validation
cd python && uv run pytest tests/unit/connectors -q plus new tests: encode produces provider payloads; create groups only same-credential requests; status polling stops at ended; unrun/canceled requests surface typed errors; >100-input embedding calls split like #14700. Expected: new tests fail on base, pass with change.
Risks
New public API surface in a compatibility-bound project; provider batch semantics differ (Google inline vs OpenAI file-based jobs), so a wrong abstraction could force breaking changes later.
Effort
Design discussion plus ~1-2 weeks: shared batch types and codec-equivalent helpers, one connector implementation, unit tests mirroring pydantic-ai's grouped/polling/error coverage.
Comparison
pydantic-ai implements this as provider-independent codecs shared by anthropic/_batch.py, _openai_batch.py and _google_batch.py with BatchJobError, group isolation by credential hash and byte-limit prechecks; SK has only ordered service selection (MultipleModelTests) and per-connector workarounds.
Maintainer direction requested before implementation.
AI-assisted contribution.
- Langage dominant
- C#
- Étoiles
- 28.8k
- Forks
- 4.9k
- Merge moyen
- 2 j 17 h
- PR mergées (30 j)
- 48
Préparer son environnement
Lance le conteneur de développement du projet dans votre navigateur, avec votre propre compte GitHub.
- Aucun Dockerfile ni fichier Docker Compose
- Propose un modèle de pull request
- Lire le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de microsoft/semantic-kernel
-
Python: Bug: ChatMessageContent.from_element drops AudioContent and BinaryContent into raw TextContentPeut-être pris @halcyon-past l’a pris aujourd’hui. Ouverte
Difficulté 2/5 1-3 heures Accessibilité débutants 75/100
microsoft/semantic-kernel#14824 · 1 commentaire ·
Les mainteneurs répondent en général sous 3 jours
-
Python: Bug: Redis search returns None for every field that declares a storage_name, because RETURN lists the declared namePeut-être pris @wasim-builds l’a pris il y a 9 jours. Ouvertepython triage
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
microsoft/semantic-kernel#14753 · 1 commentaire ·
Les mainteneurs répondent en général sous 3 jours
-
.Net: gpt-image-1 is the default image model in the .NET OpenAI connector, and OpenAI shuts it down on October 23Peut-être pris @nightcityblade l’a pris il y a 46 jours. Ouverte.NET triage
Difficulté 2/5 1-3 heures Accessibilité débutants 73/100
microsoft/semantic-kernel#14526 · 1 commentaire ·
Les mainteneurs répondent en général sous 3 jours
-
Python: VolatileMemoryStore.get_batch and get_nearest_matches ignore with_embeddings=False (deepcopy result is discarded)Peut-être pris @VANDRANKI l’a pris il y a 48 jours. Ouvertepython triage
Difficulté 2/5 1-3 heures Accessibilité débutants 84/100
microsoft/semantic-kernel#14522 ·
Les mainteneurs répondent en général sous 3 jours
-
.Net: Bug: BinaryContent does not decode the %xx escapes of a non-base64 data URIPeut-être pris @Laurianti l’a pris il y a 48 jours. Ouverte.NET triage
Difficulté 2/5 1-3 heures Accessibilité débutants 76/100
microsoft/semantic-kernel#14518 ·
Les mainteneurs répondent en général sous 3 jours
Toutes les issues de microsoft/semantic-kernel
Issues similaires
-
Difficulté 2/5 1-3 heures Accessibilité débutants 75/100
Les mainteneurs répondent en général sous 1 jour
-
Support Flux ignore rules (drift detection ignore paths) in Microsoft.KubernetesConfiguration schemaOuverte
Difficulté 2/5 1-3 heures Accessibilité débutants 65/100
Azure/azure-resource-manager-schemas#3921 ·
Les mainteneurs répondent en général sous 1 jour
-
text-align: justify is ignored in HTML to PDF conversionPeut-être pris @PrzemyslawKlys l’a pris aujourd’hui. Ouverte
Difficulté 2/5 1-3 heures Accessibilité débutants 82/100
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 78/100
Les mainteneurs répondent en général sous 4 jours
-
Difficulté 2/5 1-3 heures Accessibilité débutants 75/100
asyncapi/modelina#2709 · 1 commentaire ·
Les mainteneurs répondent en général sous 1 jour