用途：用 SGLang 部署 MiniCPM5-1B，提供 OpenAI 兼容 HTTP 服务，内置 RadixAttention 前缀缓存与 MiniCPM5 工具调用解析，适合工具调用、批量评测与高并发服务。
主要能力：支持 OpenAI 风格 /v1/chat/completions 接口、原生 MiniCPM5 XML 工具调用解析，以及 Engine API 离线批量推理。
必要用法：先安装依赖 pip install "sglang[srt]>=0.5.12"（CUDA 12.x 驱动主机可用 pip install "sglang==0.5.6.post3"）。工具调用所需 minicpm5 解析器尚未进入 pip 发行版，需从 main 安装：pip install "git+https://github.com/sgl-project/sglang.git@main#subdirectory=python"。建议设置 VLLM_WORKER_MULTIPROC_METHOD=spawn、SGLANG_ALLOW_OVERWRITE_LONGER_CONTEXT_LEN=1、SGLANG_DISABLE_CUDNN_CHECK=1。使用 python -m sglang.launch_server 启动，关键参数包括 --model-path、--served-model-name MiniCPM5-1B、--dtype bfloat16、--context-length、--mem-fraction-static、--tool-call-parser minicpm5（或 auto）、--host、--port。启动后可用 curl 请求 /v1/chat/completions 验证，工具调用请求需携带 OpenAI 风格 tools 与 tool_choice。离线批量可用 sgl.Engine 与 llm.generate。
主要输入变量：MODEL_PATH 必填（示例 openbmb/MiniCPM5-1B），PORT 默认 30000，GPU_ID 默认 0，CTX_LEN 默认 131072，MEM_FRAC 默认 0.85，TOOL_PARSER 默认 minicpm5。
限制与注意：需 NVIDIA GPU；生产服务若无批量评测需求，vllm 方案更简单；一次性 Python 场景建议用 transformers 方案；无 NVIDIA GPU 可用 llama-cpp 或 mlx 方案。可能遇到 GLIBCXX_3.4.31 not found，可用 LD_PRELOAD 预加载系统 libstdc++。其余事实暂未提供。