aisuite

OpenCoworker

一个驻留在你桌面上的 AI 智能体，基于 aisuite 构建。

OpenCoworker 是一个桌面 AI 智能体，不仅能对话，还能在你的电脑上进行深度研究并为你执行任务。它可以读取文件（经你许可）以获取上下文，读取/发送消息（Slack、电子邮件等），并创建真正的可交付成果，如 PDF 报告、文档、电子表格。它还支持定时自动化，例如每天为你提供新闻摘要。

需要自带 API 密钥（OpenAI、Anthropic、Google），或使用 Ollama 完全本地运行。你的数据保留在你的机器上。

⬇ 下载 macOS 版本   macOS 13+ (Apple Silicon)   

⬇ 下载 Windows 版本   Windows 10/11 (x64)  · 

快速入门： — 安装、连接模型、第一个任务、自动化。

其源码位于本仓库的 platform/ 目录下——这是一个在 aisuite 上构建你自己智能体框架的工作参考。

aisuite

aisuite 是一个轻量级 Python 库，用于构建基于 LLM 的应用，分为两层：一个统一的跨提供商的 Chat Completions API，以及在其之上的带工具和工具集的 Agents API。本仓库也是 OpenCoworker（一个使用 aisuite 构建的桌面 AI 同事）的所在地：

┌───────────────────────────────────────────────┐
│                 OpenCoworker                  │   用于执行日常任务的智能体框架
├───────────────────────────────────────────────┤
│        Agents API  ·  Toolkits  ·  MCP        │   在多个 LLM 上构建智能体
├───────────────────────────────────────────────┤
│             Chat Completions API              │   跨多个 LLM 提供商的统一 API
├────────┬───────────┬────────┬────────┬────────┤
│ OpenAI │ Anthropic │ Google │ Ollama │ 其他   │
└────────┴───────────┴────────┴────────┴────────┘

• Chat Completions API — 一个统一的 OpenAI 风格接口，支持 OpenAI、Anthropic、Google、Mistral、Hugging Face、AWS、Cohere、Ollama、OpenRouter 等。通过更改一个字符串即可切换提供商。
• Agents API · Toolkits · MCP — 为模型提供真实的 Python 函数作为工具，运行多轮循环，附加现成的工具集（文件、git、shell）或任何 MCP 服务器，并通过工具策略来控制整个过程。
• OpenCoworker — 一个使用 aisuite 构建的桌面 AI 同事，以应用形式提供，用于日常任务。

---

安装

aisuite 库 (Python)

安装基础包，或包含计划使用的提供商的 SDK：

pip install aisuite               # 基础包，不包含提供商 SDK
pip install 'aisuite[anthropic]'  # 包含特定提供商的 SDK
pip install 'aisuite[all]'        # 包含所有提供商的 SDK

你还需为调用的提供商准备 API 密钥——Chat Completions 快速入门 涵盖了密钥设置和你的首次调用。

OpenCoworker 应用（桌面版）

下载安装程序并自带 API 密钥（或使用 Ollama 运行本地模型）：

⬇ macOS (Apple Silicon)  ·  ⬇ Windows 10/11 (x64)  ·  OpenCoworker 快速入门

---

Chat Completions — 跨提供商的统一 API

聊天 API 为模型交互提供了高级抽象。它支持所有核心参数（temperature、max_tokens、tools 等），且不依赖于具体提供商，并标准化了请求和响应结构，使你能够专注于逻辑而非 SDK 差异。

模型名称使用 <provider>:<model-name> 格式；aisuite 会使用正确的参数将调用路由到正确的提供商：

import aisuite as ai
client = ai.Client()

models = ["openai:gpt-4o", "anthropic:claude-3-5-sonnet-20240620"]

messages = [
    {"role": "system", "content": "以海盗英语回复。"},
    {"role": "user", "content": "给我讲个笑话。"},
]

for model in models:
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        temperature=0.75
    )
    print(response.choices[0].message.content)

→ 快速入门： docs/chat-completions-quickstart.md — 安装、密钥设置、本地模型及更多示例。

---

Agents — 为模型提供真实工具

aisuite 将工具调用简化成一行代码：传入纯 Python 函数，它会自动生成 schema，执行调用，并将结果返回给模型。

使用 max_turns 进行工具调用

def will_it_rain(location: str, time_of_day: str):
    """检查某个地点在当天指定时间是否会下雨。

    Args:
        location (str): 城市名称
        time_of_day (str): 时间，格式 HH:MM。
    """
    return "YES"

client = ai.Client()
response = client.chat.completions.create(
    model="openai:gpt-4o",
    messages=[{
        "role": "user",
        "content": "我住在旧金山。你能查一下天气，然后为我在下午2点安排一次户外野餐吗？"
    }],
    tools=[will_it_rain],
    max_turns=2  # 最大往返工具调用次数
)
print(response.choices[0].message.content)

设置了 max_turns 后，aisuite 会发送你的消息，执行模型发起的任何工具调用，将结果返回给模型，并重复这个过程直到对话完成。response.choices[0].intermediate_messages 包含了完整的工具交互历史，如果你想继续对话的话。

偏好完全手动控制？省略 max_turns 并传入 OpenAI 格式的 JSON 工具规范——aisuite 会返回模型的工具调用请求，由你自己来运行循环。两种风格均可参考 examples/tool_calling_abstraction.ipynb。

Agents API

对于运行时间更长、结构化的任务，我们有第一类 Agents API：声明一个 agent，用 Runner 运行它，并附加 toolkits——预构建的沙盒化工具族，用于文件、git 和 shell：

import aisuite as ai
from aisuite import Agent, Runner

agent = Agent(
    name="repo-helper",
    model="anthropic:claude-sonnet-4-6",
    instructions="你是一个细心的仓库助手。使用你的工具根据代码来回答问题。",
    tools=[*ai.toolkits.files(root="."), *ai.toolkits.git(root=".")],
)

result = Runner.run(agent, "最近一次提交更改了什么？用3个要点总结。")
print(result.final_output)

Agents API 还提供了生产级框架所需的组件：

• 工具策略 — RequireApprovalPolicy、白名单/黑名单，或者你自己编写的可调用函数，用于决定哪些工具调用可以执行。
• 状态存储 — 持久化并恢复运行（内存、文件或 Postgres），在进程间继续对话。
• 产物与追踪 — 捕获 agent 产生的内容以及它走过的每一步。

MCP 工具

aisuite 原生支持 Model Context Protocol，因此任何 MCP 服务器的工具都可以直接交给模型使用，无需样板代码（pip install 'aisuite[mcp]'）：

client = ai.Client()
response = client.chat.completions.create(
    model="openai:gpt-4o",
    messages=[{"role": "user", "content": "列出当前目录中的文件"}],
    tools=[{
        "type": "mcp",
        "name": "filesystem",
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/directory"]
    }],
    max_turns=3
)
print(response.choices[0].message.content)

对于可重用的连接、安全过滤器和工具前缀，请使用明确的 MCPClient。

→ 快速入门： docs/agents-quickstart.md — 手动工具处理、完整 Agents API、策略、状态存储以及 MCP 深入介绍。

---

扩展 aisuite：添加新提供商

可以通过实现轻量级适配器来添加新提供商。系统使用命名约定进行发现：

元素	约定
模块文件	<provider>_provider.py
类名	<Provider>Provider（首字母大写）

示例：

# providers/openai_provider.py
class OpenaiProvider(BaseProvider):
    ...

此约定确保了统一性，并实现了新集成的自动加载。

---

贡献

欢迎贡献。请查看贡献指南并加入我们的 Discord 参与讨论。

---

许可证

基于 MIT 许可证 发布——免费用于商业和非商业用途。