aisuite：统一多厂商大模型接口的开源工具栈

由吴恩达团队开发的aisuite提供三层架构：统一的Chat Completions API、Agents API与工具生态，以及桌面AI助手OpenCoworker，让开发者用同一套接口调用OpenAI、Anthropic、Google等十余家模型服务。

• 原作者/维护者：andrewyng
• 来源平台：github
• 原始标题：aisuite
• 原始链接：https://github.com/andrewyng/aisuite
• 来源发布时间/更新时间：2026-06-11T23:40:53Z

原作者与来源

• 原作者/维护者：andrewyng
• 来源平台：github
• 原始标题：aisuite
• 原始链接：https://github.com/andrewyng/aisuite
• 来源发布时间/更新时间：2026-06-11T23:40:53Z 原作者与来源\n\n- 原作者/维护者：Andrew Ng（吴恩达）及其团队\n- 来源平台：GitHub\n- 原始标题：aisuite\n- 原始链接：https://github.com/andrewyng/aisuite\n- 发布时间：2026-06-11\n\n---\n\n项目概述\n\n在大模型技术快速迭代的今天，开发者常常面临一个头疼的问题：每家模型厂商都有自己的SDK、认证方式和调用格式。如果你同时需要使用OpenAI的GPT-4、Anthropic的Claude、Google的Gemini，就意味着要维护三套不同的代码逻辑，处理三种不同的错误格式，管理三份不同的API密钥配置。\n\naisuite正是为了解决这个碎片化问题而生。这个由著名AI教育者吴恩达（Andrew Ng）团队开源的项目，提供了一个简单、统一的多厂商生成式AI接口。它的核心理念可以用一句话概括：改变一个字符串，就能切换不同的模型提供商。\n\n---\n\n三层架构设计\n\naisuite采用了清晰的三层架构，每一层都可以独立使用，也可以组合起来构建复杂的AI应用：\n\n第一层：Chat Completions API\n\n这是最基础也是最常用的层。它提供了一个与OpenAI风格兼容的统一接口，支持包括OpenAI、Anthropic、Google、Mistral、Hugging Face、AWS、Cohere、Ollama、OpenRouter等在内的十余家模型服务。\n\n使用方式极其简单。模型名称采用provider:model-name的格式，aisuite会自动路由到正确的提供商：\n\npython\nimport aisuite as ai\nclient = ai.Client()\n\n同一套代码，切换不同厂商的模型\nmodels = [\"openai:gpt-4o\", \"anthropic:claude-3-5-sonnet-20240620\"]\n\nmessages = [\n {\"role\": \"system\", \"content\": \"Respond in Pirate English.\"},\n {\"role\": \"user\", \"content\": \"Tell me a joke.\"},\n]\n\nfor model in models:\n response = client.chat.completions.create(\n model=model,\n messages=messages,\n temperature=0.75\n )\n print(response.choices[0].message.content)\n\n\n这种设计带来的好处是显而易见的：你可以先用便宜的模型做原型验证，再无缝切换到更强的模型用于生产，而无需改动业务逻辑代码。\n\n第二层：Agents API、Toolkits与MCP\n\n当大模型需要与外部世界交互时，工具调用（Function Calling）就成了刚需。aisuite将工具调用简化为"一行代码"的操作：传入普通Python函数，框架自动生成schema、执行调用、并将结果反馈给模型。\n\n更强大的Agents API则面向长期运行、结构化的任务。你可以声明一个Agent，配置它的模型、系统提示词和工具集，然后通过Runner执行：\n\npython\nfrom aisuite import Agent, Runner\n\nagent = Agent(\n name=\"repo-helper\",\n model=\"anthropic:claude-sonnet-4-6\",\n instructions=\"你是一个谨慎的代码仓库助手。使用工具从代码中找答案。\",\n tools=[*ai.toolkits.files(root=\".\"), *ai.toolkits.git(root=\".\")],\n)\n\nresult = Runner.run(agent, \"最近这次提交改了什么？用三个要点总结。\")\nprint(result.final_output)\n\n\naisuite还内置了文件系统、Git、Shell等常用工具包（Toolkits），并原生支持MCP（Model Context Protocol）协议，可以无缝接入任何MCP服务器的工具。\n\n第三层：OpenCoworker桌面AI助手\n\nOpenCoworker是aisuite的旗舰应用，一个运行在桌面端的AI同事。给它一个文件夹和一个任务，它就会像真正的同事一样工作：研究、分析、在你的机器上产出真实的文件——文档、表格、报告、PDF。\n\n它支持macOS（Apple Silicon）和Windows 10/11，可以使用你自己的API密钥（OpenAI、Anthropic、Google），也可以完全本地运行（通过Ollama）。最重要的是，你的密钥和数据始终保存在本地，不会上传到任何第三方服务器。\n\n---\n\n生产级特性\n\naisuite不仅仅是一个简单的封装层，它还提供了企业级应用所需的诸多特性：\n\n工具策略（Tool Policies）：你可以配置RequireApprovalPolicy要求人工确认后再执行敏感操作，或者自定义允许/拒绝列表，甚至实现自己的策略函数来决定哪些工具调用可以执行。\n\n状态持久化（State Stores）：支持内存、文件或Postgres数据库存储，让Agent的运行状态可以跨进程恢复，实现长时间任务的断点续传。\n\n制品与追踪（Artifacts & Tracing）：完整记录Agent产出的每个文件以及执行过程中的每一步，便于审计和调试。\n\n轻量级扩展：添加新的模型提供商非常简单，只需遵循命名约定实现一个轻量级适配器即可。\n\n---\n\n安装与使用\n\n安装aisuite非常灵活，你可以只安装基础包，也可以带上特定提供商的SDK，或者一次性安装所有支持：\n\nshell\n基础包，不含任何提供商SDK\npip install aisuite\n\n包含特定提供商SDK\npip install 'aisuite[anthropic]'\n\n包含所有提供商SDK\npip install 'aisuite[all]'\n\n\n对于桌面应用OpenCoworker，可以直接从GitHub Releases下载安装包，支持macOS和Windows平台。\n\n---\n\n实际意义与价值\n\naisuite的价值不仅在于技术层面的统一封装，更在于它降低了多模型策略的门槛。在实际业务中，不同场景往往需要不同特性的模型：创意写作可能需要Claude的长上下文能力，代码生成可能GPT-4表现更好，而某些合规敏感的场景则可能需要完全本地部署的开源模型。\n\n没有aisuite，实现这种多模型策略意味着维护多套代码、处理多种错误格式、学习多个SDK的 quirks。有了aisuite，这一切都被抽象成统一的接口，开发者可以把精力集中在业务逻辑而非基础设施上。\n\n此外，aisuite的Agents API和MCP支持，让构建复杂AI应用变得更加可行。工具调用不再是繁琐的JSON Schema手工编写，而是简单的Python函数装饰。MCP协议的支持则意味着aisuite可以接入不断增长的MCP生态，使用社区提供的各种工具服务。\n\n---\n\n总结与展望\n\naisuite代表了大模型基础设施层的一个发展方向：在模型能力快速演进的同时，提供一个稳定、统一的抽象层。这种分层设计的思路——底层统一接口、中层Agent框架、顶层具体应用——让不同层次的开发者都能找到适合自己的使用方式。\n\n对于个人开发者，可以用它快速实验不同厂商的模型；对于企业团队，可以用它构建可移植、可维护的AI应用；对于AI应用开发者，OpenCoworker则提供了一个桌面AI助手的参考实现。\n\n随着大模型生态的进一步分化，像aisuite这样的统一接口层只会变得越来越重要。它让我们在面对日新月异的技术变革时，至少有一层稳定的抽象可以依靠。