agentic - 开源项目详情

介绍

这个项目的目标是创建一套标准的AI函数/工具，这些工具不仅适用于普通的TS使用，还能优化用于LLM应用，并且可以兼容所有主流的AI SDK（如LangChain、LlamaIndex、Vercel AI SDK、OpenAI SDK等）。

例如，像WeatherClient这样的标准库客户端可以作为普通的TS类使用：

import { WeatherClient } from '@agentic/stdlib'

const weather = new WeatherClient() // 需要设置`WEATHER_API_KEY`环境变量

const result = await weather.getCurrentWeather({
  q: 'San Francisco'
})
console.log(result)

或者你可以将这些客户端用作基于LLM的工具，在这种情况下，LLM会决定何时以及如何调用底层函数。

通过适配器，这可以在所有主要的AI SDK上使用。以下是使用Vercel的AI SDK的示例：

// sdk特定的导入
import { openai } from '@ai-sdk/openai'
import { generateText } from 'ai'
import { createAISDKTools } from '@agentic/stdlib/ai-sdk'

// sdk无关的导入
import { WeatherClient } from '@agentic/stdlib'

const weather = new WeatherClient()

const result = await generateText({
  model: openai('gpt-4o'),
  // 这是使用`@agentic/stdlib/ai-sdk`适配器的关键行
  tools: createAISDKTools(weather),
  toolChoice: 'required',
  prompt: 'What is the weather in San Francisco?'
})

console.log(result.toolResults[0])

你可以使用我们经过彻底测试的标准AI函数库与你喜欢的AI SDK，而无需编写任何胶水代码！

这是一个稍微复杂的示例，它使用了多个客户端并使用AIFunctionSet.pick方法选择它们的部分功能：

// sdk特定的导入
import { ChatModel, createAIRunner } from '@dexaai/dexter'
import { createDexterFunctions } from '@agentic/stdlib/dexter'

// sdk无关的导入
import { PerigonClient, SerperClient } from '@agentic/stdlib'

async function main() {
  // Perigon是一个新闻API，Serper是一个Google搜索API
  const perigon = new PerigonClient()
  const serper = new SerperClient()

  const runner = createAIRunner({
    chatModel: new ChatModel({
      params: { model: 'gpt-4o', temperature: 0 }
    }),
    functions: createDexterFunctions(
      perigon.functions.pick('search_news_stories'),
      serper
    ),
    systemMessage: `你是一个有帮助的助手。请尽量简洁。`
  })

  const result = await runner(
    '总结最新的关于即将到来的美国大选的新闻。'
  )
  console.log(result)
}

在这里，我们向LLM暴露了两个功能，search_news_stories（来自PerigonClient.searchStories方法）和serper_google_search（隐式来自SerperClient.search方法）。

所有的SDK适配器如createDexterFunctions都非常灵活，可以接受多种输入。AIFunctionLike对象包括：

AIFunctionSet - AI函数集（如perigon.functions.pick('search_news_stories')或perigon.functions或serper.functions）
AIFunctionsProvider - 通过.functions属性暴露AIFunctionSet的客户端类（如perigon或serper）
AIFunction - 单个函数（如perigon.functions.get('search_news_stories')或serper.functions.get('serper_google_search')或通过createAIFunction实用函数直接创建的AI函数）

你可以传递任意数量的AIFunctionLike对象，并可以通过.pick、.omit、.get、.map等方法将它们作为AIFunctionSet集合进行操作。

安装

npm install @agentic/stdlib

此包是仅ESM并且需要Node.js >= 18或等效的环境（如bun、deno、CF workers等）。

[!注意] 所有重第三方导入都被隔离为可选对等依赖项，以使主@agentic/stdlib包尽可能轻量。

根据你要使用的AI SDK和工具，你还需要安装所需的对等依赖项。

服务

服务	客户端	描述
Bing	`BingClient`	Bing网页搜索。
Calculator	`calculator`	用于简单数学表达式的基本计算器。
Clearbit	`ClearbitClient`	解析和丰富个人和公司数据。
Dexa	`DexaClient`	回答

请注意，许多这些客户端暴露了多个AI功能。

复合工具

SearchAndCrawl

AI SDK

OpenAI SDK
- 不需要适配器；使用AIFunctionSet.specs或AIFunctionSet.toolSpecs
Vercel AI SDK
- import { createAISDKTools } from '@agentic/stdlib/ai-sdk'
LangChain
- import { createLangChainTools } from '@agentic/stdlib/langchain'
LlamaIndex
- import { createLlamaIndexTools } from '@agentic/stdlib/llamaindex'
Firebase Genkit
- import { createGenkitTools } from '@agentic/stdlib/genkit'
Dexa Dexter
- import { createDexterFunctions } from '@agentic/stdlib/dexter'

参见示例目录，了解如何使用每个这些适配器的示例。

客户端目标

客户端应尽量简洁
客户端应尽可能使用ky和zod
客户端应具有强类型TS DX
客户端应通过@aiFunction(...)装饰器暴露选择的方法
- inputSchema zod schema应尽量简洁，描述专为LLM使用而设计
客户端和AIFunction应可通过AIFunctionSet组合
客户端应支持所有主要的TS AI SDK
- SDK适配器应尽量轻量，并作为@agentic/stdlib的可选对等依赖项

介绍