toolkit-ai

GitHub
534 36 简单 1 次阅读 1周前语言模型Agent插件
AI 解读 由 AI 自动生成,仅供参考

Toolkit AI 是一款专为简化 AI 智能体开发而设计的开源工具,它能够根据用户的自然语言描述,自动生成并集成 LangChain 工具及 ChatGPT 插件。在传统开发流程中,构建功能完善的 AI 插件往往需要编写大量样板代码并处理复杂的逻辑验证,这不仅耗时且容易出错。Toolkit AI 通过引入自动化代码生成机制,让开发者只需清晰描述工具的功能需求(例如“将华氏温度转换为摄氏温度”),即可快速获得包含完整输入输出校验、错误处理及核心逻辑的可执行代码,从而大幅降低开发门槛并提升迭代效率。

该工具特别适合希望快速扩展 AI 助手能力的开发者、LangChain 框架使用者以及致力于构建定制化 AI 代理的研究人员。其核心技术亮点在于能够自动解析用户意图,生成符合严格 JSON Schema 规范的代码,并内置了数据验证机制以确保工具运行的稳定性。此外,Toolkit AI 支持 CLI 命令行操作与 npm 包调用,生成的代码可直接嵌入现有项目,甚至具备让 Agent 自动运行并持续优化工具的潜力。无论是想为产品添加特定领域知识,还是希望团队更高效地利用 AI 完成任务,Toolkit AI 都能提供流畅、专业的开发体验。

使用场景

某电商平台的后端团队需要为智能客服机器人快速集成“订单物流状态查询”和“库存实时校验”两个自定义功能,以响应用户的自然语言提问。

没有 toolkit-ai 时

  • 开发人员需手动编写繁琐的 LangChain Tool 类代码,包括定义输入输出的 JSON Schema、参数校验逻辑及具体的 API 调用函数,耗时且易出错。
  • 每次新增业务工具(如退款进度查询)都要重复造轮子,导致开发周期长,难以跟上产品迭代速度。
  • 缺乏自动化的参数验证机制,若用户输入格式错误,容易导致 Agent 运行崩溃或返回不可控的错误信息。
  • 非 AI 专业的后端工程师需要深入理解 LangChain 框架细节才能完成对接,技术门槛高,协作效率低。

使用 toolkit-ai 后

  • 开发者只需用自然语言描述“查询订单物流状态”的功能需求,toolkit-ai 即可自动生成包含完整校验逻辑和执行代码的 LangChain Tool。
  • 新增工具的时间从数小时缩短至几分钟,团队能迅速响应业务变化,即时上线库存预警、促销计算等新能力。
  • 生成的代码内置了严格的 Ajv 参数校验 schema,确保 Agent 在处理用户模糊指令时也能稳定运行,大幅降低运行时错误。
  • 后端人员无需深究 LangChain 底层实现,只需关注业务逻辑描述,让普通开发工程师也能轻松构建高质量的 AI 插件。

toolkit-ai 通过将自然语言描述直接转化为可执行的标准代码,彻底消除了自定义 AI 工具的开发壁垒,让智能体能力的扩展变得像对话一样简单。

运行环境要求

操作系统
  • 未说明
GPU

不需要

内存

未说明

依赖
notes该工具基于 Node.js 运行,需安装 Docker 以使用 toolkit-iterate CLI 功能。主要依赖 OpenAI API(需设置 OPENAI_API_KEY),部分高级功能可能需要 SERP_API_KEY。通过 yarn、pnpm 或 npm 安装,无需 Python 环境或 GPU 支持。
python不需要
@heypal/toolkit-ai
langchain
ajv
toolkit-ai hero image

快速开始

🧰 AI 工具包

Toolkit 是一种简单的方式来生成和使用 AI 插件。只需描述插件的功能,即可生成 🦜 🔗 LangChain 插件的代码。

你也可以在 toolkit.club 上试用托管版本。

本项目由 Pal 团队打造——一个轻松创建能够理解你的产品、并可访问多种工具以帮助客户和团队提高效率的 AI 助手的平台。

路线图

  • 通过 npm 包生成 LangChain 工具
  • 基于命令行的使用方式
  • 自动运行的代理,并持续优化工具
  • ChatGPT 插件定义与托管

使用方法

你可以直接引入这个包,并从你的代码中生成工具。

Yarn:

yarn add @heypal/toolkit-ai

PNPM:

pnpm add @heypal/toolkit-ai
import Toolkit from '@heypal/toolkit-ai';

// OpenAI API 密钥可以在这里选择性地设置,否则底层模型会使用环境变量 OPENAI_API_KEY
const toolkit = new Toolkit({
  openAIApiKey: '',
});

(async () => {
  const tool = await toolkit.generateTool({
    name: '温度转换器',
    description:
      '将温度从华氏度、摄氏度或开尔文转换为任何其他单位。',
  });

  console.log(tool.langChainCode);
})();

我们还提供了一个简单的库,供你试用在此生成的工具:hey-pal/langchain-tools-demo

生成工具的示例输出

输出将是一个 Tool 对象,其中包含 LangChain 代码的实现。以下是为 LangChain 工具生成的一个示例:

LangChain 工具代码示例
import { Tool } from 'langchain/agents';
import Ajv from 'ajv';

// 以下为工具被调用时实际执行的代码
function call({ value, fromUnit, toUnit }) {
  let convertedValue;

  if (fromUnit === "Fahrenheit") {
    if (toUnit === "Celsius") {
      convertedValue = ((value - 32) * 5) / 9;
    } else if (toUnit === "Kelvin") {
      convertedValue = ((value - 32) * 5) / 9 + 273.15;
    } else {
      convertedValue = value;
    }
  } else if (fromUnit === "Celsius") {
    if (toUnit === "Fahrenheit") {
      convertedValue = (value * 9) / 5 + 32;
    } else if (toUnit === "Kelvin") {
      convertedValue = value + 273.15;
    } else {
      convertedValue = value;
    }
  } else if (fromUnit === "Kelvin") {
    if (toUnit === "Fahrenheit") {
      convertedValue = ((value - 273.15) * 9) / 5 + 32;
    } else if (toUnit === "Celsius") {
      convertedValue = value - 273.15;
    } else {
      convertedValue = value;
    }
  }

  return { convertedValue };
}

// 这是一个对应于 LangChain 工具定义的类
// https://js.langchain.com/docs/modules/agents/tools/
// 它会根据模式验证输入和输出,然后调用工具代码
class TemperatureConverter extends Tool {
  name = 'temperature-converter';
  
  description = `将温度从华氏度、摄氏度或开尔文转换为任何其他单位。操作输入应符合以下 JSON 模式:
{{"type":"object","properties":{{"value":{{"type":"number","description":"需要转换的温度值."}},"fromUnit":{{"type":"string","enum":["Fahrenheit","Celsius","Kelvin"],"description":"输入温度的单位."}},"toUnit":{{"type":"string","enum":["Fahrenheit","Celsius","Kelvin"],"description":"目标温度的单位."}}}},"required":["value","fromUnit","toUnit"]}}`;
  
  ajv = new Ajv();

  inputSchema = {
    "type": "object",
    "properties": {
      "value": {
        "type": "number",
        "description": "需要转换的温度值"
      },
      "fromUnit": {
        "type": "string",
        "enum": [
          "Fahrenheit",
          "Celsius",
          "Kelvin"
        ],
        "description": "输入温度的单位"
      },
      "toUnit": {
        "type": "string",
        "enum": [
          "Fahrenheit",
          "Celsius",
          "Kelvin"
        ],
        "description": "目标温度的单位"
      }
    },
    "required": [
      "value",
      "fromUnit",
      "toUnit"
    ]
  };
  
  outputSchema = {
    "type": "object",
    "properties": {
      "convertedValue": {
        "type": "number",
        "description": "转换后的温度值,在目标单位下"
      }
    },
    "required": [
      "convertedValue"
    ]
  };

  validate(data, schema) {
    if (schema) {
      const validateSchema = this.ajv.compile(schema);
      if (!validateSchema(data)) {
        throw new Error(this.ajv.errorsText(validateSchema.errors));
      }
    }
  }

  async _call(arg) {
    let output;
    try {
      const input = JSON.parse(arg);
      this.validate(input, this.inputSchema);
      output = await call(input);
      try {
        this.validate(output, this.outputSchema);
      } catch (err) {
        throw new Error(`${err.message}: ${JSON.stringify(output)}`);
      }
    } catch (err) {
      output = { error: err.message || err };
    }
    return JSON.stringify(output);
  }
}

export default TemperatureConverter;

Toolkit Iterate 命令行工具

如果你想尝试一个更长时间运行、利用自我评估代理的工具生成流程,可以使用 toolkit-iterate 命令行工具:

  1. 确保你的系统已安装 Docker
  2. 全局安装此包:npm install -g @heypal/toolkit-ai
  3. 创建一个包含部分工具规范的 JSON 文件,例如:
{ "name": "加法器", "description": "将两个数字相加" }
  1. 运行命令行工具:
toolkit-iterate -v --inputJson=/path/to/spec.json --outputJs=/path/to/output.js --openAIApiKey=xyz --serpApiKey=xyz

你的 API 密钥也可以从环境变量 OPENAI_API_KEYSERP_API_KEY 中读取。

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|昨天
Agent开发框架图像

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。

162.1k|★★★☆☆|2天前
开发框架图像Agent

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

143.9k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

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|★★☆☆☆|昨天
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|★★★☆☆|昨天
语言模型图像Agent