ai
Stripe AI 是一个整合 Stripe 支付系统与 AI 工具的开发平台,提供 SDK 和协议支持,帮助开发者将支付基础设施无缝接入 AI 应用。它解决了 AI 产品在支付集成中的复杂性问题,例如跨框架调用、权限管理及安全传输等。通过预置的 SDK,开发者可快速连接 OpenAI、Anthropic 等 LLM 框架,或使用 Model Context Protocol(MCP)协议实现安全的 API 调用。
适合需要构建 AI 驱动产品的开发者,尤其是那些希望将 Stripe 支付系统与 AI 工具(如代理框架、AI SDK)结合的用户。其核心亮点包括:支持 Python 和 TypeScript 的跨平台 SDK、本地 MCP 服务器部署能力、以及通过 Restricted API Key 实现的细粒度权限控制。工具还兼容 LangChain、CrewAI 等主流 AI 框架,降低支付系统与 AI 功能整合的开发门槛。
使用场景
某SaaS公司开发AI客服系统,需要集成Stripe处理订阅和支付。
没有 ai 时
- 手动处理用户订阅状态同步,容易出现账单错误
- 发票生成需调用多个Stripe API接口,逻辑复杂
- 退款流程需开发者编写专属代码,响应速度慢
- 权限管理依赖基础API密钥,难以控制细粒度访问
- 与LangChain等框架集成需重复封装Stripe SDK
使用 ai 后
- 通过@stripe/agent-toolkit自动同步订阅状态,错误率降低90%
- @stripe/ai-sdk一键生成符合税务规范的电子发票,耗时从2小时缩至10分钟
- 嵌入Stripe MCP协议,自动处理退款请求,响应时间缩短至秒级
- 用Restricted API Key控制权限,敏感操作需二次验证
- 无需重复封装SDK,直接调用@stripe/agent-toolkit与LangChain无缝对接
核心价值在于让AI系统与Stripe支付基础设施实现零代码集成,将开发效率提升3倍以上,同时保障支付流程的合规性与安全性。
运行环境要求
- Linux
- macOS
未说明
未说明

快速开始

Stripe AI
本仓库是构建基于 Stripe 的 AI 产品和业务的一站式解决方案。
它包含一组 SDK,帮助您通过函数调用将 Stripe 与 LLM 和代理框架集成,包括:
@stripe/agent-toolkit- 通过函数调用将 Stripe API 与流行代理框架集成——支持 Python 和 TypeScript。@stripe/ai-sdk- 将 Stripe 的计费基础设施与 Vercel 的ai和@ai-sdk库集成。@stripe/token-meter- 将 Stripe 的计费基础设施与 OpenAI、Anthropic 和 Google Gemini 的原生 SDK 集成,无需任何框架依赖。
模型上下文协议 (MCP)
Stripe 在 https://mcp.stripe.com 提供远程 MCP 服务器。这允许通过 OAuth 安全访问 MCP 客户端。文档请查看 此处。
Stripe Agent Toolkit 也以 模型上下文协议 (MCP) 格式暴露工具。或者,使用 npx 运行本地 Stripe MCP 服务器,请使用以下命令:
npx -y @stripe/mcp --api-key=YOUR_STRIPE_SECRET_KEY
工具权限由您的受限 API 密钥 (RAK) 控制。请在 Stripe 控制台 创建具有所需权限的 RAK。
更多详情请查看 MCP。
Agent 工具包
Stripe 的 Agent 工具包使流行的代理框架(包括 OpenAI 的 Agent SDK、LangChain、CrewAI 和 Vercel 的 AI SDK)能够通过函数调用与 Stripe API 集成。该库并非涵盖整个 Stripe API,但支持 Python 和 TypeScript,并直接基于 Stripe 的 Python 和 Node SDK 构建。
以下为基本说明,更多信息请参考 Python 和 TypeScript 包。
Python
安装
除非您需要修改包,否则无需此源代码。如果您只需使用包,请运行:
pip install stripe-agent-toolkit
要求
- Python 3.11+
使用
库需要配置您的账户密钥,该密钥可在 Stripe 控制台 中找到。我们强烈建议使用 受限 API 密钥 (rk_*) 以提高安全性和权限粒度。工具的可用性由您在受限密钥上配置的权限决定。
from stripe_agent_toolkit.openai.toolkit import create_stripe_agent_toolkit
async def main():
toolkit = await create_stripe_agent_toolkit(secret_key="rk_test_...")
tools = toolkit.get_tools()
# ... 使用工具 ...
await toolkit.close() # 使用完毕后清理
该工具包与 OpenAI 的 Agent SDK、LangChain 和 CrewAI 兼容,可以作为工具列表传递。例如:
from agents import Agent
async def main():
toolkit = await create_stripe_agent_toolkit(secret_key="rk_test_...")
stripe_agent = Agent(
name="Stripe Agent",
instructions="您是擅长与 Stripe 集成的专家",
tools=toolkit.get_tools()
)
# ... 使用代理 ...
await toolkit.close()
OpenAI 的 Agent SDK、LangChain 和 CrewAI 的示例包含在 /examples 中。
上下文
在某些情况下,您可能需要提供默认值以在请求时使用。目前,account 上下文值允许您为 连接账户 发起 API 请求。
toolkit = await create_stripe_agent_toolkit(
secret_key="rk_test_...",
configuration={
"context": {
"account": "acct_123"
}
}
)
TypeScript
安装
除非您需要修改包,否则无需此源代码。如果您只需使用包,请运行:
npm install @stripe/agent-toolkit
要求
- Node 18+
从 v0.8.x 升级
如果您从 v0.8.x 升级,请查看 迁移指南 了解重大变更。
使用
库需要配置您的账户密钥,该密钥可在 Stripe 控制台 中找到。我们强烈建议使用 受限 API 密钥 (rk_*) 以提高安全性和权限粒度。工具的可用性由您在受限密钥上配置的权限决定。
import { createStripeAgentToolkit } from "@stripe/agent-toolkit/langchain";
const toolkit = await createStripeAgentToolkit({
secretKey: process.env.STRIPE_SECRET_KEY!,
configuration: {},
});
const tools = toolkit.getTools();
// ... 使用工具 ...
await toolkit.close(); // 使用完毕后清理
工具
该工具包与 LangChain 和 Vercel 的 AI SDK 兼容,可以作为工具列表传递。例如:
import { AgentExecutor, createStructuredChatAgent } from "langchain/agents";
import { createStripeAgentToolkit } from "@stripe/agent-toolkit/langchain";
const toolkit = await createStripeAgentToolkit({
secretKey: process.env.STRIPE_SECRET_KEY!,
configuration: {},
});
const tools = toolkit.getTools();
const agent = await createStructuredChatAgent({
llm,
tools,
prompt,
});
const agentExecutor = new AgentExecutor({
agent,
tools,
});
上下文
在某些情况下,您可能需要提供默认值以在请求时使用。目前,account 上下文值允许您为 连接账户 发起 API 请求。
const toolkit = await createStripeAgentToolkit({
secretKey: process.env.STRIPE_SECRET_KEY!,
configuration: {
context: {
account: "acct_123",
},
},
});
支持的 API 方法
请查看 Stripe MCP 文档了解支持的方法列表。
许可证
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
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
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。