coze2openai

GitHub
653 154 简单 1 次阅读 2天前MIT语言模型插件
AI 解读 由 AI 自动生成,仅供参考

coze2openai 是一款轻量级桥梁工具,旨在将字节跳动的 Coze API 无缝转换为标准的 OpenAI API 格式。它的核心作用是解决生态兼容性问题:让用户能够在任何支持 OpenAI 协议的客户端(如 Chatbox、NextChat 等)或代码项目中,直接调用 Coze 平台强大的大模型、知识库、插件及工作流能力,无需修改原有集成逻辑。

这款工具特别适合开发者和技术爱好者使用。如果你已经习惯了 OpenAI 的开发体验,却又想利用 Coze 丰富的 Bot 生态和低成本优势,coze2openai 能帮你免去重复开发的麻烦。其技术亮点在于完美支持流式(Streaming)与非流式响应,并允许通过环境变量配置实现多 Bot 快速切换,极大提升了调试和部署的灵活性。

在部署方面,coze2openai 提供了极高的自由度,既支持通过 Docker 进行本地私有化部署,也一键兼容 Zeabur、Vercel、Railway 等主流 Serverless 云平台。只需简单配置 Bot ID 和 API Token,即可让原本局限于 Coze 网页端的智能助手,瞬间变成你本地开发环境或常用软件中的得力伙伴,真正实现了“一次接入,随处可用”。

使用场景

某初创团队希望将自研的 Coze 智能客服机器人(集成了专属知识库和插件)快速接入公司现有的基于 OpenAI 标准协议开发的内部办公助手应用中。

没有 coze2openai 时

  • 协议不兼容导致开发受阻:现有代码库完全依赖 OpenAI SDK,无法直接调用 Coze 特有的 API 接口,迫使团队重写大量底层通信逻辑。
  • 多模型切换成本高昂:若想在不同业务线测试多个 Coze Bot,需要为每个机器人单独维护一套连接配置,代码耦合度极高且难以管理。
  • 实时交互体验差:Coze 原生的流式输出(Streaming)功能无法直接映射到前端界面,用户只能等待完整回复生成,感觉响应迟钝。
  • 生态资源浪费:团队在 Coze 平台上精心配置的知识库检索和插件工具链,因接口格式差异而无法在熟悉的 OpenAI 客户端中直接使用。

使用 coze2openai 后

  • 无缝对接现有架构:coze2openai 将 Coze API 实时转换为标准的 OpenAI 格式,团队无需修改任何业务代码,仅需更改 Base URL 即可立即调用 Coze 机器人。
  • 灵活的多机器人调度:通过简单配置环境变量,coze2openai 支持在同一个客户端内通过切换模型名称来调用不同的 Coze Bot,极大提升了测试和部署效率。
  • 原生流式响应支持:借助 coze2openai 的流式转换能力,前端立刻恢复了打字机效果的实时反馈,显著提升了人机交互的流畅度。
  • 全功能即时可用:原本孤立的 Coze 知识库、插件和工作流能力,现在能直接在任意支持 OpenAI 协议的第三方客户端或代码中完美运行。

coze2openai 的核心价值在于打破平台壁垒,让开发者能以零代码改造成本,将 Coze 强大的定制化 AI 能力无缝融入成熟的 OpenAI 生态体系中。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该项目为 API 转换中间件(将 Coze API 转为 OpenAI 格式),非本地大模型推理工具,因此无 GPU 和显存需求。支持通过 Docker、Vercel、Zeabur、Railway 部署或本地运行。本地运行需安装 pnpm 并配置 BOT_ID 等环境变量。默认使用淘宝 NPM 镜像加速依赖安装。
python未说明
Node.js (隐含,因使用 pnpm)
pnpm
coze2openai hero image

快速开始

C2O

English · 中文

在您喜爱的 OpenAI 客户端上使用 Coze。

本项目将 Coze API 转换为 OpenAI API 格式,让您能够在首选的 OpenAI 客户端中访问 Coze 的大模型、知识库、插件和工作流。

特性

  • 将 Coze API 转换为 OpenAI API
  • 支持流式传输和阻塞模式
  • 支持多机器人切换

准备工作

  1. coze.comcoze.cn 注册并获取您的 API 令牌 cozeapitoken

  2. 创建您的机器人并将其发布到 API cozeapi

  3. 获取机器人的 ID,即 bot 参数后面的数字,并将其配置为环境变量:

https://www.coze.com/space/73428668341****/bot/73428668*****

部署方式

Zeabur

在 Zeabur 上部署

Vercel

使用 Vercel 部署

注意: Vercel 的无服务器函数有 10 秒的超时限制。

Railway

在 Railway 上部署

Docker 部署

  1. 确保您的机器上已安装 Docker 和 Docker Compose。

  2. 克隆项目仓库:

    git clone https://github.com/your-username/coze2openai.git
    cd coze2openai
    
  3. 创建并配置 .env 文件:

    cp .env.template .env
    

    编辑 .env 文件,填写您的 BOT_ID 及其他必要配置。

  4. 构建并启动 Docker 容器:

    docker-compose up -d
    
  5. 访问 http://localhost:3000,确认服务正常运行。

要停止服务,请运行:

docker-compose down

注意:Dockerfile 使用了淘宝 NPM 镜像,您可以注释掉或替换为其他镜像:

ENV NPM_CONFIG_REGISTRY=https://registry.npmmirror.com/
ENV PNPM_REGISTRY=https://registry.npmmirror.com/

本地部署

  1. .env 文件中设置环境变量:
BOT_ID=xxxx
  1. 安装依赖:
pnpm install
  1. 运行项目:
pnpm start

使用方法

  1. OpenAI 客户端

botgem

  1. 代码示例:
const response = await fetch('http://localhost:3000/v1/chat/completions', {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer YOUR_COZE_API_KEY',
  },
  body: JSON.stringify({
    model: 'model_name',
    messages: [
      { role: 'system', content: 'You are a helpful assistant.' },
      { role: 'user', content: 'Hello, how are you?' },
    ],
  }),
});

const data = await response.json();
console.log(data);

环境变量

本项目提供了一些通过环境变量设置的额外配置项:

环境变量 是否必填 描述 示例
BOT_ID 机器人的 ID。从 Coze 中您机器人的开发页面 URL 获取。bot 参数后面的数字即为机器人 ID。 73428668*****
BOT_CONFIG 配置不同模型对应的机器人 ID,以便在客户端快速切换机器人。未包含的模型将请求默认的 BOT_ID {"model_name_1": "bot_id_1", "model_name_2": "bot_id_2", "model_name_3": "bot_id_3"}
COZE_API_BASE 选择 coze.com 或 coze.cn api.coze.com, api.coze.cn

路线图

即将推出

  • 图像支持
  • 音频转文本
  • 文本转音频

现已可用

  • Coze.cn 支持
  • 多机器人切换
  • 工作流、插件、知识库功能
  • 基于聊天历史的连续对话
  • Zeabur、Vercel 和 Railway 部署
  • 流式传输与阻塞模式
  • Docker 部署

联系方式

如有任何问题或反馈,欢迎随时联系。

X
telegram

Buy Me A Coffee

许可证

本项目采用 MIT 许可证授权。

版本历史

V0.0.42024/05/23
V0.0.32024/04/24
V0.0.22024/04/18
V0.0.12024/04/15

相似工具推荐

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

160k|★★☆☆☆|今天
开发框架Agent语言模型

opencode

OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信

144.3k|★☆☆☆☆|2天前
Agent插件

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|1周前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|1周前
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|1周前
语言模型图像Agent

spec-kit

Spec Kit 是一款专为提升软件开发效率而设计的开源工具包,旨在帮助团队快速落地“规格驱动开发”(Spec-Driven Development)模式。传统开发中,需求文档往往与代码实现脱节,导致沟通成本高且结果不可控;而 Spec Kit 通过将规格说明书转化为可执行的指令,让 AI 直接依据明确的业务场景生成高质量代码,从而减少从零开始的随意编码,确保产出结果的可预测性。 该工具特别适合希望利用 AI 辅助编程的开发者、技术负责人及初创团队。无论是启动全新项目还是在现有工程中引入规范化流程,用户只需通过简单的命令行操作,即可初始化项目并集成主流的 AI 编程助手。其核心技术亮点在于“规格即代码”的理念,支持社区扩展与预设模板,允许用户根据特定技术栈定制开发流程。此外,Spec Kit 强调官方维护的安全性,提供稳定的版本管理,帮助开发者在享受 AI 红利的同时,依然牢牢掌握架构设计的主动权,真正实现从“凭感觉写代码”到“按规格建系统”的转变。

88.7k|★★☆☆☆|昨天
语言模型图像Agent