aisuite Skill：一个 API 调用 OpenAI/Anthropic/Google/Ollama 等 10+ 家 LLM 提供商

Skill超级捕获手 技术创作者 2026-07-29 19 阅读

一个 Python 库，通过统一 Chat Completions 接口让你用同一套代码切换 10+ 家 LLM 提供商（OpenAI、Anthropic、Google、Ollama、Mistral、HuggingFace 等），同时提供完整的 Agents API（工具调用、MCP 拓展、Tool Policies）。今天（2026-07-29）冲上 GitHub Trending，Star 数 15.7k，属于开发者工作流类 Skill 的爆款。

功能与原则

aisuite 将 LLM 集成拆成两层：

  • Chat Completions API：统一 OpenAI 风格接口，切换模型只需改一个字符串（如 "anthropic:claude-sonnet-4-6"）。
  • Agents API：在统一接口之上叠加工具调用、多轮循环、MCP 服务器连接、Tool Policy 审批机制。

核心原则是零平台锁定：无论换哪家基座模型，上层代码几乎不用改。同时支持 Streaming、Async、Tool Calling 原生输出格式。

认可度

  • GitHub Star：截至 2026-07-29 约 15,776（1,662 forks）
  • 今日状态：GitHub Trending 上榜（2026-07-29）
  • 定位：开发者工具类 Skill，不是普通用户的 Prompt Skill，而是底层架构 Skill

链接

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

原作者

andrewyng（GitHub @andrewyng）——专注 AI 应用层基础设施，aisuite 是其代表作，另有一个桌面 AI coworker 产品 OpenWorker 也基于 aisuite 构建。

介绍

aisuite 是一个轻量级 Python 库，解决 LLM 应用开发中最常见的痛点：每个提供商有自己的 SDK、自己的参数命名、自己的认证方式，换一个模型要从头改一遍。

它提供两条核心能力：

Chat Completions 统一接口：支持 OpenAI、Anthropic、Google、Mistral、HuggingFace、AWS Bedrock、Cohere、Ollama、OpenRouter 等，只需换 <provider>:<model-name> 这个字符串，temperature、max_tokens、tools 等参数以统一格式传入，结果以标准 OpenAI-shape 返回。

Agents API：不只是对话，而是给模型真工具。传入任意 Python 函数，aisuite 自动生成 tool schema、执行调用、把结果喂回模型。支持多轮工具对话（max_turns 控制轮数）、内置 File/Git/Shell 工具箱（Toolkits），以及任意 MCP 服务器直连。配合 Tool Policy（RequireApprovalPolicy / allowlist / denylist）可实现工具调用审批流。

特点

  • 零成本换模型：同一段代码，改一个字符串从 GPT-4o 切到 Claude-3.5-Sonnet
  • 工具调用极简：Python 函数直接作为工具传入，无需手写 JSON Schema
  • MCP 原生支持：pip install ‘aisuite[mcp]’ 后，任何 MCP 服务器的工具直接注入 Agent
  • Streaming / Async 全支持：Streaming 输出与工具调用可并行（需手动工具循环）
  • Provider 拓展规范清晰：新增 Provider 只需实现一个轻量 adapter 类，遵守命名约定即可自动被发现和加载
  • Toolkits 开箱即用：File/Git/Shell 工具箱已内置，生产级 Agent 无需从零搭

使用方法

安装：

pip install aisuite                        # 基础包
pip install 'aisuite[anthropic]'           # 加指定 provider
pip install 'aisuite[all]'                 # 全量 provider

基本调用（统一 Chat Completions）：

import aisuite as ai
client = ai.Client()

models = ["openai:gpt-4o", "anthropic:claude-3-5-sonnet-20240620"]
messages = [
    {"role": "system", "content": "Respond in Pirate English."},
    {"role": "user", "content": "Tell me a joke."},
]

for model in models:
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        temperature=0.75
    )
    print(response.choices[0].message.content)

Agent 工具调用（Python 函数直接作工具）：

import aisuite as ai
from aisuite import Agent, Runner

def will_it_rain(location: str, time_of_day: str) -> str:
    """Check if it will rain in a location at a given time today."""
    return "YES"

client = ai.Client()
response = client.chat.completions.create(
    model="openai:gpt-4o",
    messages=[{"role": "user", "content": "I live in San Francisco. Plan an outdoor picnic at 2pm."}],
    tools=[will_it_rain],
    max_turns=2
)
print(response.choices[0].message.content)

Agent + Toolkit（文件系统 + Git）：

import aisuite as ai
from aisuite import Agent, Runner

agent = Agent(
    name="repo-helper",
    model="anthropic:claude-sonnet-4-6",
    instructions="You are a careful repo assistant. Use your tools to answer from the code.",
    tools=[*ai.toolkits.files(root="."), *ai.toolkits.git(root=".")],
)

result = Runner.run(agent, "What changed in the last commit? Summarize in 3 bullets.")
print(result.final_output)

使用场景与人群

  • 多模型评测场景：同一个 Prompt 在 GPT-4o / Claude-3.5-Sonnet / Gemini 之间快速对比输出质量
  • LLM 应用开发者：不想被单一 Provider 绑定，需要灵活切换或做冗余兜底的团队
  • AI Agent 框架搭建者：需要可靠的工具调用层和 MCP 接入能力
  • 企业内部 AI 平台：对接多家 LLM 服务商，需要统一抽象层降低集成复杂度

输入与输出案例

案例一：跨模型问答

输入：

model: "openai:gpt-4o" + "anthropic:claude-3-5-sonnet-20240620"
messages: [{"role": "user", "content": "解释什么是 RAG"}]

输出：
– GPT-4o：返回一段关于 Retrieval-Augmented Generation 的解释（约 150 字）
– Claude：返回另一版本解释，带有不同侧重点（如引用最新研究）
– 价值：同一 Prompt 横向对比两个模型输出，快速选型

案例二：带工具调用的多轮 Agent

输入：

model: "openai:gpt-4o"
user: "What changed in the last commit?"
tools: [*ai.toolkits.git(root=".")]  # 内置 Git Toolkit
max_turns: 3

输出：

- Agent 调用 git tool 获取 diff
- Agent 分析变更内容
- Agent 总结为 3 条 bullet point 输出

整个过程无手动干预，模型根据 Tool 返回结果自主决定下一步调用。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 19 阅读