COST / 成本
花費有歸屬
找出用量來源，搭配預算、限制與模型選擇管理支出。
非官方網站依 Databricks 官方公開資料整理，本站未獲 Databricks 授權或背書。
01 / 先懂產品定位
Unity Gateway把企業 AI 的使用，
變成可管理的日常。
當公司開始使用多種模型、程式開發代理與企業工具，Unity Gateway 提供共同的治理入口：誰能用、花多少、能做什麼、出了什麼問題。
企業 AI 的共同入口
內部應用Coding Agents
Unity Gateway存取 · 成本 · 政策 · 可觀測性
AI 模型MCP 與工具
Unity Catalog資產目錄、身分權限與資料治理
CHOICE / 選擇
模型有彈性
在共同治理入口下，使用託管模型或串接外部供應商。
CONTROL / 控制
操作有規則
把權限、防護、工具控制與紀錄帶進 AI 的執行過程。
第一次接觸 Databricks？先認識它的位置
Databricks 是雲端資料與 AI 平台，讓團隊整理資料、做分析、建立及執行 AI 應用。它的 Lakehouse（湖倉一體）把資料湖的彈性與資料倉儲的分析能力結合，供不同團隊共用資料。Unity Catalog 管資產與權限，Unity Gateway 管經過它的 AI 互動。
建議先讀第 02 節的架構與產品關係，再讀第 04 節的官方使用案例；第 03 節的功能可按需要展開。
02 / 架構與基本名詞
先把模型、代理與治理分清楚
工作區（Workspace）是團隊使用平台的環境；一個帳戶可包含多個工作區；啟用 Unity Catalog 後，可集中管理使用者與資料存取，帳務則在帳戶層級處理。你通常從工作區的 AI Gateway 頁面管理服務，從 Catalog Explorer 查看資產與權限。
AI 模型負責產生推論結果；代理把模型、指令與工具組合成工作流程。Unity Gateway 位於這些互動的治理路徑上，Unity Catalog 則提供資產與權限基礎。
| 元件 | 主要責任 | 文件所述能力 |
|---|---|---|
| 模型 / Model | 理解輸入並產生文字、程式或其他結果。 | 支援聊天機器人、程式助理與內容生成。 |
| 代理 / Agent | 依任務呼叫模型與工具，執行多個步驟。 | 判斷要取得哪些資料、呼叫哪些工具，並執行計畫。 |
| MCP / 工具 | MCP 是連接代理與工具、資源、提示的開放協定；工具才是實際可執行的能力。 | 透過 MCP server 提供工具與資源。 |
| Unity Catalog | 登錄資產、管理擁有者與存取權。 | 定義哪些團隊可執行某個模型或工具。 |
| Unity Gateway | 治理經過它的 AI 呼叫、成本、路由與互動。 | 在模型或工具被使用時套用統一規則。 |
| Model Serving | 部署並提供模型推論服務。 | 以 REST API 統一提供自訂、基礎與外部模型存取。 |
| MLflow | 記錄應用執行步驟、評估及比較品質。 | 檢視提示、檢索、工具呼叫、延遲與成本。 |
| Lakewatch | 安全資訊與事件管理（SIEM）。 | 資安團隊整合紀錄、調查威脅。 |
[43] 模型、代理與工具概念 ↗[02] Unity Gateway 技術總覽 ↗[08] Model Serving 與推論容量 ↗[15] MLflow 3 for GenAI ↗[16] Lakewatch 安全監控 ↗[18] MCP 與代理工具總覽 ↗
模型從哪裡來？兩條路都能接到 Gateway
使用 Databricks 提供的模型
Foundation Model APIs 提供託管基礎模型；system.ai 內已有可呼叫的模型服務。應用帶 Databricks 身分呼叫，按使用方案計費。
連到外部模型供應商
Model Provider Service 保存供應商連線與加密憑證（BYOK）。可直接呼叫，也能作為 Model Service 的後端；推論仍交由外部供應商處理。
官方文件中的服務互動與控制
-
應用帶著身分發出請求
可由外部應用或 coding agent 呼叫模型服務；MCP 呼叫也可透過 Gateway。
-
確認服務權限，套用使用控制
檢查 Unity Catalog 授權；依已啟用的設定評估預算、速率與服務政策。
-
模型產生結果，需要工具時另發工具呼叫
模型服務路由到實際模型；MCP Service 則提供工具呼叫。MCP 服務管理工具選擇與對外連線，工具所用身分取決於連線設定。
-
回應檢查與紀錄
可在回傳前檢查內容，並依設定留下用量、追蹤與稽核資料。以上是不同文件中的控制環節摘要，並非完整的內部執行順序。
治理的邊界，就是你接進來的路徑。
若員工或程式仍直接用個人金鑰連到外部模型，這些呼叫不會因公司啟用了 Gateway 就自動受管。官方模型治理教學會設定客戶端入口，並驗證請求是否已寫入 Gateway 用量表。
讀懂文件，先認識這些名詞
- Token
- 模型處理文字等內容的計量單位；輸入與輸出可能採不同費率。 [08] Model Serving 與推論容量 ↗
- Endpoint / Model Service
- Endpoint 是呼叫入口的通稱；Model Service 是 Unity Catalog 裡受權限管理的模型入口，可連到多個後端。它與部署模型的 Model Serving 不同。 [03] 模型 API 與 Model Services ↗
- BYOK
- Bring Your Own Key：使用公司既有供應商金鑰，由平台管理連線。 [04] 外部模型供應商與 BYOK ↗
- Harness
- 讓代理執行任務的框架或執行環境，例如 Claude Code、Codex。 [20] Omnigent on Databricks ↗
- Trace / 追蹤
- 記錄應用的輸入、中間步驟與輸出，用於理解及分析執行過程。 [15] MLflow 3 for GenAI ↗
- Beta / Public Preview / GA
- 前兩者是不同的預覽標示；GA 是正式提供。需依個別功能確認開關、區域與支援條件。 [34] 舊版 Serving Endpoint 治理 ↗
- Metastore / Catalog / Schema
- Metastore 是單一雲端區域的治理容器，可供同一區域的多個工作區共用。資料與 AI 資產採
catalog.schema.object三層命名；連線、儲存憑證等物件則直接位於 metastore 下。 [37] Metastore 與資產層級 ↗ - Principal / OAuth
- Principal 是被授權的身分，例如使用者或程式專用的服務主體。OAuth 讓應用經授權取得存取權；每人 OAuth 與共用服務帳號的權限範圍不同。 [19] MCP Services、身分與網路 ↗
- RAG / 檢索增強生成
- 從搜尋索引檢索相關文件，將結果加入模型查詢；AI Search 是官方列出的 RAG 檢索工具。 [32] AI Search 與檢索 ↗
- DBU / Serverless
- DBU 是 Databricks 的用量計費單位，金額需配合產品費率換算。Serverless 表示平台管理運算資源，仍有使用費用。 [31] Databricks Apps ↗ [39] 帳戶、工作區與基本元件 ↗
相關產品怎麼搭配？按工作選擇即可
以下依官方文件整理各產品用途及其治理相關能力。
| 想完成的工作 | 會遇到的產品 | 治理與功能範圍 |
|---|---|---|
| 建立企業代理 | Agent Bricks 頁面整合 Databricks AI 能力；可用 Knowledge Assistant 建立領域問答代理、用 Supervisor Agent 協調代理與工具，或以 Python 開發 Custom Agents。 | 負責建立應用；Gateway 治理它呼叫的模型與工具。[30] 建立與部署代理 ↗[38] Agent Bricks 定位更新 ↗ |
| 替模型找公司知識 | AI Search（原 Vector Search）用語意與關鍵字搜尋相關資料，常用於 RAG。 | 索引由 Unity Catalog 治理；AI Search 不支援資料列與欄位層級權限，可透過 filter API 實作應用層存取控制。[32] AI Search 與檢索 ↗ |
| 用自然語言問資料 | Genie One 是商務使用者入口；Genie Agents 由資料團隊設定可信資料、指標與商業規則；Genie Code 是工作區內的程式與資料助理。 | 這些是使用 AI 的介面與能力；Gateway 預算也可涵蓋 Genie 用量。[33] Genie 產品家族 ↗[06] 預算、通知與用量封鎖 ↗ |
| 把應用交給同事使用 | Databricks Apps 在 serverless 平台執行資料與 AI 應用，支援互動儀表板、RAG 聊天介面與資料輸入表單，也能託管自訂 MCP server。 | Apps 執行應用程式，Gateway 管理接入的 AI 呼叫。[31] Databricks Apps ↗[18] MCP 與代理工具總覽 ↗ |
| 先整理資料再提供 AI | Lakeflow pipelines 管理 ETL 流程與資料集依賴；Delta Lake 提供具 ACID 特性的資料表儲存；SQL warehouse 提供分析查詢運算。 | 它們準備、儲存及查詢資料，是資料工作層。[28] Databricks 平台入門 ↗[39] 帳戶、工作區與基本元件 ↗ |
03 / 逐項閱讀
官網的 14 項功能，逐一拆解
06 核心 + 08 延伸涵蓋產品頁的六項主要功能與八項 More features。每項都附用途、官方來源及文件限制；「文件已說明」表示有操作文件，不代表對所有區域或帳戶都無條件開放。
成本與模型選擇
成本管理Cost Management文件已說明
預算與支出限制Budgets and Spend Limits部分 Beta
可設定共用或每人每月門檻，選擇寄出警示或封鎖後續用量；也可替特定人員與群組設例外額度。範圍含經 Gateway 的按 token 用量、ai_query 與 Genie；外部模型費用可選擇納入。
導入前看這裡：封鎖採近即時估算，不中斷執行中請求，也不是最終帳單的絕對上限。預算不涵蓋 provisioned throughput 或繞過 Gateway 的獨立 Serving 流量。外部模型納入預算為 Beta，須另行啟用；預算比對使用服務標籤，不使用請求標籤。
智慧路由Smart RoutingBeta
依程式開發任務挑選具備所需能力、成本較低的候選模型。可透過 Unity Gateway CLI 搭配 Codex 或 Claude Code 使用；若要跨不同代理執行框架選擇，需使用 Omnigent。
導入前看這裡：需由帳戶管理員啟用 Smart Routing 預覽；目前僅選 system.ai 模型服務，使用者須有所有候選模型權限。CLI 要以命令列提供任務，互動式根工作階段不適用；跨框架需 Omnigent v0.8.0 以上。
推論容量Inference Capacity相關產品
Model Serving 負責實際提供模型推論。可使用 Databricks 託管基礎模型的按 token 付費方式，或為需要預配置容量的工作負載使用 provisioned throughput；也能接外部供應商。
導入前看這裡：Model Serving 有預設服務限制與支援區域；其 serverless compute 需完成帳戶啟用條件。Foundation Model APIs 支援按 token 計費及 provisioned throughput，適用模型依各方案文件列示。
資產、存取與安全
AI 資產登錄AI Asset Registry部分 Beta
模型服務在 Unity Catalog 中管理名稱、擁有者、說明與權限，可跨共用 metastore 的工作區使用。Agent Services 提供代理登錄、Catalog Explorer 探索與權限管理；其 Beta API 的 GET 回應目前不提供 owner 與 full_name 值。
導入前看這裡：Agent Services 為 Beta。官方頁面對執行能力的敘述前後不一致；本站依「Limitations」保守說明：目前提供登錄與權限管理，不承諾可經登錄服務執行代理，亦不支援其 service policies、rate limits 或 SQL DDL。
安全與存取控制Security and Access含 Beta 政策
以 Unity Catalog 權限決定誰能呼叫服務，再以內容政策檢查每次互動。模型 API、供應商連線與 MCP 服務可各自管理授權。
導入前看這裡：呼叫者需有服務的 EXECUTE 及上層目錄使用權。Model Service 以擁有者權限存取後端，呼叫者不必直接取得底層模型或供應商權限。system.ai 模型服務預設開放帳戶使用者，應先檢查權限。
服務政策Service PoliciesBeta
依呼叫者、輸入、輸出與工具資訊，讓互動繼續（ALLOW）、拒絕（DENY）或等待人員同意（ASK）。可在呼叫前、回應後檢查；Log 模式只記錄，Enforce 模式才實施阻擋。
導入前看這裡：政策不取代基本存取權。DENY 以 HTTP 200 回傳封鎖訊息，原因見 databricks_service_policy；Enforce 模式評估出錯也會封鎖，Log 模式不阻擋。外部 MCP 的 ASK 需客戶端支援 MCP 2025-11-25 以上，並在核准後重試呼叫。
AI 防護規則AI Guardrails服務政策防護為 Beta
Service Policies 是實施防護的機制。內建 LLM 規則可檢查越獄、不安全內容或幻覺；Sensitive Data Detection 則依格式偵測敏感資料，可在 Model Services 與 Model Provider Services 上阻擋或遮蔽。也可使用 SQL 函式定義自訂政策。
導入前看這裡：Sensitive Data Detection 為 Beta，不支援姓名、地點、組織等自由文字；支援類別未列臺灣身分證字號，官方另示範以 LLM judge 檢查自由文字。LLM 防護判定非確定性，預設只評估單一訊息，不看被保護服務的 system prompt、影像或音訊；模型與供應商服務可擴大輸入的最近回合窗口，MCP 與輸出仍為單訊息。
速率限制Rate Limits文件已說明
模型服務可限制每分鐘請求數（QPM）與 token 數（TPM）；MCP 服務限制 QPM。可設定整體服務、預設每人及特定使用者或群組規則；群組速率額度由成員共用。
導入前看這裡：預設不設限。超限回傳 HTTP 429，官方建議採指數退避重試。用量在回應後計入，且各服務執行個體分別限流，短時間可能略超門檻。每服務最多 20 筆規則，其中最多 5 筆為群組規則。
流量管理與備援Traffic Management文件已說明
按比例分流到多個模型後端，適合逐步上線或 A/B 測試。主目的地失敗時，依指定順序嘗試備援；具工作階段識別資訊時可維持同一目的地。
導入前看這裡：分流最多五個目的地，不能在備援目的地再設定分流。權重決定初次目的地；備援依設定順序重試，不會重新套用分流權重。Smart Routing 則依開發任務挑選模型。
觀測、除錯與稽核
追蹤與可觀測性Tracing and Observability統一追蹤表 Beta
用量表 system.ai_gateway.usage 記錄用量、耗時與呼叫者；inference tables 逐一為模型服務記錄請求與回應。官方建議新部署採統一追蹤表：由 metastore 管理者一次配置，集中同 metastore 工作區的模型與 MCP 服務活動，每列是一個 OpenTelemetry span。
導入前看這裡：兩種紀錄都盡力交付，401、403、429、500 請求可能未記錄。統一追蹤單一屬性超過 3 MiB 會截斷；跨步驟共用 trace ID 尚待提供。其他使用者需另外取得表與父層權限；官方建議授權前加 ABAC 列篩選。統一追蹤不能取代 Databricks 稽核紀錄。
AI 稽核紀錄AI Audit Logging系統表 Public Preview
用 system.access.audit 查詢誰在何時存取 AI 服務，並依事件參考確認操作欄位。identity_metadata.run_by 與 run_as 可區分相關執行身分；模型訊息內容則由追蹤或 inference tables 記錄。
導入前看這裡：稽核系統表為 Public Preview，多數事件只在工作區所在區域可用。刪除工作區後，該工作區超過 14 天的事件會從此表移除。若要查看 LLM judge 的完整判定，須在 evaluator model service 另啟用 inference table；受保護服務的表不包含 judge 的輸入與判定。
MLflow 追蹤與評估MLflow Tracing相關產品
MLflow 3 串連應用追蹤、自訂或內建評分、人員回饋與版本比較。它協助開發團隊理解模型之外的檢索、工具及代理步驟如何影響品質。
導入前看這裡：官方快速入門包含為應用加入追蹤、執行評估與收集人員回饋；生產監控可對抽樣流量套用評分器。
安全監控Security Monitoring相關產品
官網將 Lakewatch 連結為安全監控方案。它是 Databricks 的 SIEM，可彙整安全、IT 與業務資料，支援威脅搜尋、偵測與事件調查。
導入前看這裡：官方 FAQ 列明使用 Lakewatch 需要有效的 Databricks 工作區，並使用平台的 serverless 運算與 Unity Catalog 治理。
延伸到實際工作：Coding Agents、MCP 與 Omnigent
讓開發工具共用治理入口
官方整合涵蓋 Claude Code、Codex CLI、Cursor 與 Gemini CLI 等工具。Unity Gateway CLI（ug）協助驗證身分、設定代理與導向服務；用量儀表板可觀察不同工具使用狀況。
需有支援區域的工作區與 Unity Catalog。Unity Gateway CLI 安裝需要 Python 3.12 以上及 uv；文件中的 Cursor 整合目前僅支援 Databricks 提供的模型服務。
MCP：治理代理伸出去的手
可使用內建 MCP Services 或登錄外部 MCP。以服務權限、工具選擇與政策管控呼叫。Databricks 管理連線憑證與 OAuth 流程。
共用 principal 讓使用者共用外部憑證；每人 OAuth 代表各使用者存取外部服務。工具選擇只支援精確名稱或前綴比對，不支援排除模式。外部 MCP 請求經工作區 serverless compute plane，受其網路政策控制。
可組合或替換代理框架、共享工作階段，並搭配 Databricks 模型存取與沙箱。需啟用工作區預覽；Databricks Sandbox 有額外區域與預覽條件。Databricks 版僅支援內建 contextual policies，不支援執行任意程式的自訂政策函式。Sandbox host 一律透過 Gateway 存取模型，不接受自帶模型 API 金鑰；也不整合 serverless 出站網路控制，官方要求不要在已啟用該控制的工作區使用。
04 / 官方使用案例
官方文件實際說明了哪些用法？
以下摘要取自所附的操作文件與教學；每張卡片可直接回到原文。功能條件與限制見第 03、06 節。
CODING AGENTS
用 Databricks 身分接入開發代理
模型治理教學將 coding agent 導向 Model Service，以 Databricks 憑證呼叫；開發者機器不必保存模型供應商金鑰。接著設定服務權限、速率與預算，並確認用量紀錄。
MODEL SERVICES
在共同入口管理模型後端
Model Service 可將請求路由到後端模型；Model Provider Service 管理外部供應商連線。流量管理文件另說明按權重分流及依序嘗試備援。
SERVICE POLICIES
檢查模型與工具互動
政策文件說明在請求前與回應後進行內容檢查。內建敏感資料政策可針對支援格式阻擋或遮蔽；其格式型偵測不涵蓋姓名等自由文字。
MCP SERVICES
治理 GitHub 工具存取
官方教學使用內建的 system.ai.github，附加政策、授予團隊服務權限、連接開發代理，再確認政策與用量紀錄。工具是否允許，須依實際政策與工具標記判定。
COST ANALYTICS
依服務與身分分析費用
成本文件以服務、實際模型、呼叫身分及標籤歸屬 Databricks 用量。外部模型使用另外的估算表，按小時彙整；預算頁則使用近即時估算。
OBSERVABILITY
查閱用量、效能與內容
官方用量儀表板列出請求數、token、延遲百分位與錯誤率。若要讀取請求或回應內容，另使用 inference tables 或統一追蹤表，並留意各自的交付限制。
05 / 跟著官方教學
模型治理入門，再延伸到 MCP
本節依模型存取治理教學的三個步驟整理；該文件的 Next steps 也列出 GitHub MCP 治理教學。
模型教學的前置條件
工作區須啟用 Unity Catalog；準備可呼叫的 Model Service 與 EXECUTE 權限、已登入工作區的 Databricks CLI，以及工作區 URL。服務的完整授權條件見模型文件。
連接程式開發代理
官方建議使用 Unity Gateway CLI（
ug）處理 OAuth 與客戶端設定，也提供手動設定路徑。首次啟動時輸入工作區 URL 並完成驗證。設定模型存取、速率與預算
在 Catalog Explorer 管理服務的
EXECUTE，設定 QPM 或 TPM；帳戶管理員可建立 Unity Gateway 預算，選擇通知或封鎖用量。預算採近即時估算，不能保證最終帳單上限。確認請求經過治理
從代理送出提示，再查詢
system.ai_gateway.usage確認服務、呼叫者與狀態。查詢系統表需要另外的讀取權限；有服務執行權不代表可讀全部用量紀錄。
延伸教學：GitHub MCP 的四個步驟
官方教學使用 Databricks 提供的 system.ai.github。前提包括 Unity Catalog 工作區、已登入的 Databricks CLI，以及服務上的 MANAGE 與 EXECUTE。
附加內建政策
教學指定
system.ai.github_policy與disallow_writes，將寫入控制明確設為受治理政策。Service Policies 目前為 Beta，需依政策文件啟用。分享 MCP Service
在服務 Permissions 頁面授予團隊
EXECUTE。教學另註明，metastore 管理員要在system.ai授權前，須先取得該 schema 的MANAGE。連接開發代理
將客戶端導向該服務的 Gateway MCP 入口；各開發者以 Databricks 身分登入，並具備服務執行權限。
確認政策與紀錄
依教學驗證允許與拒絕的工具呼叫，再查用量紀錄。原文對 pull-request 工具與寫入封鎖的敘述有張力，因此此處不保證所有建立 PR 操作皆會放行。
06 / 採用前必讀
成本怎麼看，哪些能力仍有限制？
文件明載的計費與紀錄
| 項目 | 官方說明 |
|---|---|
| 模型推論 | Foundation Model APIs 提供按 token 或預配置吞吐量等方式；外部模型估算依 token 與供應商公開價格計算，實際費用以供應商帳單為準。 |
| Gateway 與觀測功能 | Usage tracking 是計費功能；官方定價頁註明 inference tables 與 usage tracking 以 1KB 傳輸內容（payload）級距計費。 |
| 政策評估 | 內建 Service Policies 不另收政策費；使用模型評判的檢查，按評估模型呼叫計費，包含政策提示、輸出格式要求、受評內容與評估回應的 token。 |
| 用量與費用對帳 | Databricks 實際計費用量以 system.billing.usage 為依據；外部供應商實際費用以其帳單為依據。各頁面與系統表更新頻率不同，當下數字可能不同。 |
本次可取得定價頁的計費註記，但動態價格表未完整載入；因此不列未核實單價。定價頁亦註明，顯示價格不代表該區域一定提供產品。
[24] Unity AI Gateway 價格 ↗[25] Model Serving 價格 ↗[05] AI 成本分析 ↗[10] Service Policies 與防護評估 ↗[08] Model Serving 與推論容量 ↗[42] 用量追蹤、儀表板與計費 ↗
預算封鎖 ≠ 最終帳單不可能超支
官方操作文件明確說明，門檻採近即時估算，正在處理的請求不會被中斷。對外部模型，供應商帳單才是實際收費依據。部落格的「hard cap」描述應搭配這些限制閱讀。
功能狀態速查
以下狀態依所列 AWS 文件，核對於 2026-09-12；Azure / GCP 及不同工作區需再確認。
| 項目 | 核對結果 | 對導入的意義 |
|---|---|---|
| Unity Gateway 整體 | 正式提供（GA） | 個別擴充功能仍可能需要另外啟用。 |
| Smart Routing | Beta | 候選模型、客戶端模式與跨框架條件見功能詳解。 |
| Service Policies / LLM Guardrails | Beta | 需帳戶管理者開啟；支援 MCP、Model 與 Model Provider Services，不支援 Agent Services。 |
| Unified Trace Table | Beta | 交付 best-effort；完整多步追蹤串聯仍有限制。 |
| Agent Services | Beta | 本站依文件限制章節列為登錄與權限管理；執行能力待官方釐清。 |
| 外部模型費用納入預算 | Beta | 另行啟用並勾選；採估算金額。 |
| 稽核系統表 system.access.audit | Public Preview | 稽核紀錄的查詢介面仍有自己的預覽狀態。 |
| Omnigent on Databricks | Beta / 相關產品 | 工作區預覽、Sandbox 與區域有各自條件。 |
[09] Agent Services 登錄與限制 ↗[07] Smart Routing ↗[10] Service Policies ↗[11] 統一追蹤表 ↗[06] 預算、通知與用量封鎖 ↗[20] Omnigent on Databricks ↗
Inference Tables 只能在 external storage catalog 建立；不支援 Default storage catalog 或以 private endpoint 保護的儲存體，也不能指定既存表。超過 10 MiB 的請求或回應不會記錄，會以 logging_error_codes 標示；資料交付不保證完整。[41] Inference Tables 與限制 ↗
用量表預設查詢者須同時具備 account admin 與 metastore admin 角色，亦可由管理者另行授權。對超過 1 MiB 的非串流、非 embedding 回應，Gateway 不追蹤 token 用量。
區域支援不等於所有資料皆在同一地區處理
AWS 區域文件分別列出模型、AI 功能及 MCP 的支援範圍，部分功能須啟用跨地理區域路由。MCP 與 Unity Catalog HTTP connections 的支援區域依 Custom Model Serving 表列範圍。
07 / 常見問題
容易混淆的地方，一次說清楚
舊文件的 AI Gateway，和這裡是同一套設定嗎？
官方仍保留標示 legacy 的 Model Serving 端點治理文件。本指南以 Unity Gateway 與 Unity Catalog 的 Model Services 為主。舊端點的權限、API 與用量表可能不同；例如舊用量表是 system.serving.endpoint_usage，不要直接套用到新服務。
Unity Gateway 是新的聊天機器人或大型語言模型嗎？
它主要是企業 AI 的治理與使用管理層。應用或代理仍使用底層模型與工具完成工作；Gateway 協助管理這些互動。
一定要把外部模型搬到 Databricks 才能治理嗎？
不一定。BYOK provider services 可連到公司原本使用的外部供應商，並由 Unity Catalog 管理加密憑證。供應商支援、驗證方式與資料傳輸路徑仍須確認。
Smart Routing 和流量分配有什麼不同？
Smart Routing 依開發任務挑候選模型；流量分配依設定百分比選後端。備援則處理初次呼叫失敗後的重試順序。三者解決的問題不同。
接了 MCP，就一定只會看到該使用者本來有權限的資料嗎？
要看驗證設定。每人 OAuth 可代表各自的身分；共用 principal 則用共同憑證。不能只因 MCP 經過 Gateway，就推論外部系統必然採每人權限。
官方如何讓 coding agent 接上 Gateway？
文件提供 Unity Gateway CLI（ug）及手動設定兩條路。ug 處理 OAuth 並寫入支援代理的設定檔；手動教學涵蓋 Claude Code、Codex CLI、Cursor 與 Gemini CLI。需使用支援區域且已啟用 Unity Catalog 的工作區。
會自動保證答案正確、完全沒有資料外洩嗎？
官方未作這種保證。文件明列 LLM judge 的判定非確定性；預設評估單一訊息，不讀取被保護服務的 system prompt、影像或音訊。格式型 Sensitive Data Detection 也只涵蓋列出的類別，不包含姓名等自由文字。
模型資料在哪裡處理、會保存多久？
Model Serving 文件說明，Foundation Model APIs 的資料落地遵循 Databricks Geos 界線；各功能支援區域另見官方區域表。資料保存則有獨立規則：對付費帳戶，Databricks 不會將送入 Model Serving 的輸入與輸出用於訓練模型或改善 Databricks 服務。就 Foundation Model APIs 而言，Databricks 可為防範濫用，在工作區同區保存輸入與輸出最多 30 天；合作模型供應商另有安全用途留存條件。
這份中文網站是官方文件嗎？
這是依 Databricks 官方來源重新整理的繁體中文導讀，並非官方翻譯。技術能力以 AWS 英文操作文件為依據，使用案例與步驟取自官方文件。查核日期、來源類型、原文矛盾與取得限制列在來源索引。
08 / 官方來源索引
繼續深入，直接回到原始文件
本指南收錄 44 個官方來源入口，涵蓋平台入門、14 項功能、產品關係與導入限制。本次重新開啟原有全部來源正文，並補入用量、概念與政策細節文件。內容核對日為 2026-09-12；「本站核對」表示實際開啟查閱的日期，不是官方發布日。
範圍：技術細節依 Databricks on AWS 英文正文；產品頁用於產品定位，部落格僅作補充。下列類型已分別標示，不把部落格當成操作文件。核對結果只代表查閱當時的公開內容，沒有以實際 Databricks 帳戶執行功能驗證。定價頁動態單價未完整取得。
官方來源仍有差異，本站保留疑點
- Agent Services 同頁描述可呼叫，但 Limitations 又列 runtime invocation 尚未提供；本指南採限制章節，不自行認定已開放。
- Guardrails 部落格同時出現 Beta 與 GA，且有姓名遮蔽與 HTTP 400 範例；現行 Service Policies 文件標示 Beta、DENY 回傳 HTTP 200，格式型敏感資料偵測不涵蓋姓名等自由文字。本指南依操作文件。
- GitHub MCP 教學一面說阻擋非 read-only 寫入工具，一面說 pull-request 工具可用；本指南不自行保證建立 PR 的放行範圍。
- 政策建立頁與敏感資料頁對內建政策函式的
EXECUTE要求不同；本指南採明確的目標服務MANAGE條件，未自行追加互相矛盾的函式授權要求。
- 產品總覽 ↗官方產品頁 · 本站核對 2026-09-12
- Unity Gateway 技術總覽 ↗文件 · 本站核對 2026-09-12
- 模型 API 與 Model Services ↗文件 · 本站核對 2026-09-12
- 外部模型供應商與 BYOK ↗文件 · 本站核對 2026-09-12
- AI 成本分析 ↗文件 · 本站核對 2026-09-12
- 預算、通知與用量封鎖 ↗文件 · 本站核對 2026-09-12
- Smart Routing ↗文件 · 本站核對 2026-09-12
- Model Serving 與推論容量 ↗文件 · 本站核對 2026-09-12
- Agent Services 登錄與限制 ↗文件 · 本站核對 2026-09-12
- Service Policies ↗文件 · 本站核對 2026-09-12
- 統一追蹤表 ↗文件 · 本站核對 2026-09-12
- 速率限制 ↗文件 · 本站核對 2026-09-12
- 流量分配與備援 ↗文件 · 本站核對 2026-09-12
- 稽核事件參考 ↗文件 · 本站核對 2026-09-12
- MLflow 3 for GenAI ↗文件 · 本站核對 2026-09-12
- Lakewatch 安全監控 ↗官方產品頁 · 本站核對 2026-09-12
- Coding Agents 整合 ↗文件 · 本站核對 2026-09-12
- MCP 與代理工具總覽 ↗文件 · 本站核對 2026-09-12
- MCP Services、身分與網路 ↗文件 · 本站核對 2026-09-12
- Omnigent on Databricks ↗文件 · 本站核對 2026-09-12
- 可觀測性工具選擇 ↗文件 · 本站核對 2026-09-12
- AI Spend Controls 功能介紹 ↗官方部落格 · 本站核對 2026-09-12
- Guardrails 功能與範例 ↗官方部落格 · 本站核對 2026-09-12
- Unity AI Gateway 價格 ↗官方定價頁 · 部分內容已核對 2026-09-12；動態單價未完整取得
- Model Serving 價格 ↗官方定價頁 · 部分內容已核對 2026-09-12；動態單價未完整取得
- AWS 功能與區域支援 ↗文件 · 本站核對 2026-09-12
- GitHub MCP 治理教學 ↗文件 · 本站核對 2026-09-12
- Databricks 平台入門 ↗官方文件 · 本站核對 2026-09-12
- Unity Catalog 是什麼 ↗官方文件 · 本站核對 2026-09-12
- 建立與部署代理 ↗官方文件 · 本站核對 2026-09-12
- Databricks Apps ↗官方文件 · 本站核對 2026-09-12
- AI Search 與檢索 ↗官方文件 · 本站核對 2026-09-12
- Genie 產品家族 ↗官方文件 · 本站核對 2026-09-12
- 舊版 Serving Endpoint 治理 ↗官方文件 · 本站核對 2026-09-12
- 模型存取治理入門教學 ↗官方文件 · 本站核對 2026-09-12
- 敏感資料偵測與遮蔽 ↗官方文件 · 本站核對 2026-09-12
- Metastore 與資產層級 ↗官方文件 · 本站核對 2026-09-12
- Agent Bricks 定位更新 ↗官方文件 · 本站核對 2026-09-12
- 帳戶、工作區與基本元件 ↗官方文件 · 本站核對 2026-09-12
- 稽核系統表與預覽狀態 ↗官方文件 · 本站核對 2026-09-12
- Inference Tables 與限制 ↗官方文件 · 本站核對 2026-09-12
- 用量追蹤、儀表板與計費 ↗官方文件 · 本站核對 2026-09-12
- 模型、代理與工具概念 ↗官方文件 · 本站核對 2026-09-12
- 政策建立、ASK 與判定除錯 ↗官方文件 · 本站核對 2026-09-12