aisuite Skill：一行代码切换全球主流 LLM 提供商的 Agent 开发框架

Skill超级捕获手 技术创作者 2026-08-02 12 阅读

总结

aisuite 是一个轻量级 Python 库，通过统一的 Chat Completions API 和完整的 Agents API，让开发者用同一套代码无缝切换 OpenAI、Anthropic、Google、Ollama 等 10+ 家 LLM 提供商。它不绑平台、不锁供应商，开发者一行切换模型，搭配现成的文件/Git/Shell 工具包和 MCP 支持，快速搭建生产级 AI Agent。截至 2026-08-02，GitHub 已斩获 15,872 Star，周增 584，是当前多 Provider 接入场景下最热门的开源基础设施之一。

功能与原则

aisuite 在设计上遵循两条核心原则：统一抽象 + 最小侵入。

第一层是 Chat Completions API：以 OpenAI 的标准接口为基准，对所有 Provider（Anthropic、Google、Mistral、Hugging Face、AWS、Cohere、Ollama、OpenRouter 等）做统一封装。开发者只需改一个字符串（如 "anthropic:claude-sonnet-4-6" 换成 "openai:gpt-4o"），即可切换 Provider，无需重写调用逻辑。

第二层是 Agents API：包含工具调用（Tools）、预建工具包（Toolkits）和工具策略（Tool Policies）。传入普通 Python 函数，aisuite 自动生成 schema、执行调用、回收结果；也可以直接挂载文件/Git/Shell 等现成工具包，或接入任何 MCP Server，一条配置即可。

认可度

  • GitHub Star：截至 2026-08-02，共 15,872 ⭐，本周新增 584
  • Trending：登顶 GitHub Trending 周榜（Python 类目）
  • 生态延伸：同作者基于 aisuite 打造了 OpenWorker 桌面 AI 助手，提供 macOS/Windows 下载，可完成文件读取、Slack/邮件集成、PDF 生成、自动化调度等日常任务
  • License：MIT，可商用

链接

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

原作者

andrewyng（GitHub）— 专注于 AI 基础设施与 Agent 开发，aisuite 是其最具影响力的开源项目，同期还孵化了 OpenWorker 桌面 AI 助手产品。

介绍

aisuite 诞生于一个朴素的诉求：每个 LLM Provider 都有自己的 SDK 和接口约定，在它们之间切换意味着大量样板代码。aisuite 用一个轻薄的 adapter 层解决了这个问题——所有 Provider 被映射为统一的 client.chat.completions.create() 接口，参数风格完全兼容 OpenAI 的标准格式，开发者不需要学习新的 SDK。

在接口统一之上，aisuite 构建了完整的 Agent 开发框架。工具调用从「手动拼 JSON schema + 手动执行循环」变成了「传入 Python 函数 + 设置 max_turns」，剩余的工作库全部包办。对于复杂的多步骤任务，Agents API 提供了状态持久化（内存/文件/Postgres）、Artifact 追踪和 Tool Policies（审批/白名单/自定义策略），足以支撑生产环境。

此外，aisuite 原生支持 Model Context Protocol（MCP），任何 MCP Server 的工具集可以通过 npx @modelcontextprotocol/server-filesystem 这样的命令直接注入到 Agent 的工具链中，无需编写额外适配代码。

特点

  • 一行切换 Provider：字符串 "provider:model" 替换即可换模型，代码零改动
  • 统一 Tool Calling：Python 函数直接作为工具，aisuite 自动生成 schema、执行、回收结果
  • 预建 Toolkits：文件操作、Git、Shell 开箱即用，无需从零构建
  • MCP 原生支持：通过 adapter 机制接入任意 MCP Server，扩展无上限
  • 生产级 Agent 框架：状态持久化、Tool Policies、Artifact 追踪，构建可靠 Agent 所需的全套能力
  • Stream 支持：所有支持 streaming 的 Provider 均可用统一的迭代器方式消费
  • 轻量依赖：基础包零 Provider SDK，可按需选择性安装（如 pip install 'aisuite[anthropic]'）

使用方法

安装

pip install aisuite                           # 基础包
pip install 'aisuite[anthropic]'              # 加 Anthropic
pip install 'aisuite[all]'                    # 装全部 Provider

快速开始——多 Provider 对比

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)

工具调用

import aisuite as ai
client = ai.Client()

def will_it_rain(location: str, time_of_day: str) -> str:
    """Check weather for a location at given time."""
    return "YES"

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 + Toolkits

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 Provider 评测/对比：同时调用多个模型跑同一组 prompt，横向对比输出质量，用于模型选型
  • Agent 开发：需要快速给 LLM 接工具、搭循环、做策略控制的开发者
  • 跨平台迁移：从 OpenAI 切换到 Claude 或 Gemini，不想重写业务逻辑的团队
  • MCP 生态接入：使用 MCP Server 的开发者，希望在 Agent 中统一使用 MCP 工具
  • 企业级 Agent 平台：需要 Tool Policies（审批流）、状态持久化、Trace 能力的生产系统

目标用户：AI 应用开发者、后端工程师、DevOps / MLOps 工程师、技术产品经理。

输入与输出案例

案例 1：多模型横向对比

输入（.messages）：

[{"role": "user", "content": "解释量子纠缠，用 50 字"}]

输出：同一个 prompt 并发发给 openai:gpt-4o 和 anthropic:claude-3-5-sonnet-20240620，两条回答并行返回，开发者自行对比质量。

案例 2：带工具调用的天气查询 + picnic 规划

输入：用户说”我在旧金山，帮我查天气并安排下午 2 点的户外野餐”。

Agent 自动判断需要调用 will_it_rain 工具，执行后获得天气结果，再生成野餐建议。最终回复：

It looks like it will rain in San Francisco today, so an outdoor picnic at 2pm isn’t ideal. I’d recommend moving the picnic indoors or rescheduling to a clearer day! 🏠

Star：15,872 ⭐（截至 2026-08-02）

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

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 12 阅读