aisuite：用一个 API 调用 10+ 大模型厂商的 Agent 开发框架

总结

aisuite 是一个轻量级 Python 库，通过统一 Chat Completions API + Agents API，让开发者用一套代码无缝切换 10+ 家大模型提供商（OpenAI、Anthropic、Google、Ollama 等）。一行改模型名就能换底座，同时自带工具调用、多 Agent 编排和状态持久化能力。今天（2026-07-26）刚登上 GitHub Trending，是当前最热的多模型 Agent 开发框架之一。

功能与原则

aisuite 提供两层抽象：

• Chat Completions API：统一 OpenAI 风格的接口访问所有 LLM 提供商，换 provider 只需改一个字符串（如 "anthropic:claude-3-5-sonnet"）。
• Agents API：在统一接口之上叠加工具调用（Python 函数自动转 tool schema）、多轮对话循环、内置工具包（files / git / shell）和 MCP 服务器支持。

设计原则：轻量、厂商无关、生产可用——不做臃肿封装，用薄抽象层保持各 provider 原生能力。

认可度

• GitHub Trending 今日热门（2026-07-26），说明当下开发者关注度极高
• 衍生项目 OpenWorker（桌面 AI 同事）已独立发布 macOS/Windows 应用
• npm 包 @alibaba-group/open-code-review 也在用 aisuite，说明其在生产环境已有落地

链接

GitHub：https://github.com/andrewyng/aisuite

原作者

andrewyng（Andrew Ng 团队成员？），专注于 LLM 应用层基础设施开发。

介绍

aisuite 最早想做的是”多提供商聚合”——让开发者不用学各家 SDK，一个接口调通所有模型。在此基础上，它的 Agents API 将工具调用变成一行装饰器，把 Python 函数直接注册为 tool，模型返回 tool_calls 后自动执行、结果回填，全程无需手动写 JSON schema 或循环逻辑。

它还自带文件、Git、Shell 三个工具包，开箱即用。如果想接更多能力，可以接任何 MCP server，aisuite 会自动识别并挂载。

此外，基于 aisuite 构建的 OpenWorker 是一个真正的桌面 AI 助手——能读文件、发邮件、连 Slack、生成 PDF/Word/Excel，支持定时任务，数据全留本地。相当于用 aisuite 做底座，快速搭出了一个生产力 Agent。

特点

• 一行切换模型：client.chat.completions.create(model="openai:gpt-4o", ...) → 换成 "anthropic:claude-3-5-sonnet" 即可
• 工具调用极简：装饰器 @tool 注册 Python 函数，aisuite 自动生成 schema、自动执行、自动回填结果
• 多 Agent 编排：Agent 类 + Runner.run()，支持工具包（files / git / shell）即插即用
• MCP 原生支持：任何 MCP server 可直接接入，无需额外适配
• 状态持久化：内置 in-memory / file / Postgres 三种 state store，支持跨进程继续对话
• 全流式输出：stream=True 返回标准 OpenAI 格式 chunk，streaming tool calls 也支持

使用方法

安装

pip install aisuite                          # 基础包
pip install 'aisuite[anthropic]'              # 加指定 provider
pip install 'aisuite[all]'                   # 装所有 provider SDK

快速调用

import aisuite as ai
client = ai.Client()

models = ["openai:gpt-4o", "anthropic:claude-3-5-sonnet"]
messages = [{"role": "user", "content": "用一句话解释量子纠缠"}]

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

带工具调用的 Agent

import aisuite as ai
from aisuite import Agent, Runner

def will_it_rain(location: str) -> str:
    """查询某地是否下雨"""
    return "YES"

agent = Agent(
    name="weather-agent",
    model="anthropic:claude-sonnet-4",
    tools=[will_it_rain],
)
result = Runner.run(agent, "北京明天下午3点下雨吗？")
print(result.final_output)

使用场景与人群

• 多模型切换：测试不同 provider 效果、对比模型能力、做 red team
• Agent 应用开发：快速搭生产级 Agent，集成 tools + MCP + 状态管理
• 桌面 AI 助手：OpenWorker 方向，本地运行，数据不上云
• 目标用户：LLM 应用开发者、AI 研究者、想让 AI 操作本地文件的用户

输入与输出案例

案例 1：跨模型对话

Input：{"model": "openai:gpt-4o", "messages": [{"role": "user", "content": "量子纠缠一句话"}]}
Output：两个粒子无论相距多远，对其中一个的测量会瞬间影响另一个的状态。

Input：{"model": "anthropic:claude-3-5-sonnet", "messages": [{"role": "user", "content": "量子纠缠一句话"}]}
Output：量子纠缠是一种现象：两个粒子处于"纠缠态"后，对其中一个的测量结果会立即"决定"另一个粒子的状态，无论它们相距多远。

案例 2：工具调用

Input：Agent.run("帮我查上海今天会不会下雨？")
Output：[调用 will_it_rain(location="上海") → "YES"] → "上海今天会下雨，建议带伞出门。"

GitHub: https://github.com/andrewyng/aisuite