关键词

工具集成AI Agent上下文服务JSON-RPCServerless

使用说明

项目简介

ACI.dev (Agent Contextual Interface) 是一个开源的 AI Agent 工具调用基础设施，旨在简化 AI Agent 与外部工具和服务集成的复杂性。它提供了一个统一的平台来管理和安全地访问 600 多个预构建的工具集成，并通过 MCP 服务器或 Python SDK 为 LLM 应用提供上下文服务和功能调用能力。

主要功能点

  • 统一 MCP 服务器: 提供标准化的 Model Context Protocol (MCP) 服务，简化 LLM 客户端与后端工具的交互。
  • 丰富的工具集成: 内置 600+ 预构建工具集成，覆盖多种常用服务和应用，减少重复开发工作。
  • 灵活的访问方式: 支持通过轻量级 Python SDK 直接进行函数调用，或通过统一的 MCP 服务器进行访问。
  • 多租户认证与授权: 提供多租户身份验证、细粒度的权限控制和动态工具发现机制，保障安全性和可靠性。
  • 框架和模型无关: 与任何 LLM 框架和 Agent 架构兼容，提供高度的灵活性和可移植性。
  • 完全开源: 后端、开发者门户和集成均以 Apache 2.0 许可证开源。

安装步骤

  1. 环境准备: 确保已安装 Python 3.12+、Docker 和 Docker Compose。
  2. 克隆仓库: 从 GitHub 克隆 aci 仓库到本地： 
    git clone https://github.com/aipotheosis-labs/aci
cd aci
  3. 本地部署: 根据仓库中的 'backend/README.md' 和 'frontend/README.md' 文件，分别配置和启动后端服务器和前端开发者门户。
    • 后端: 进入 'backend' 目录，按照 'README.md' 中的指引配置数据库连接、API 密钥等环境变量，并使用 Docker Compose 启动后端服务。
    • 前端: 进入 'frontend' 目录，按照 'README.md' 中的指引安装依赖并启动前端开发者门户。

服务器配置

MCP 服务器的启动和配置主要通过后端服务完成。MCP 客户端连接 MCP 服务器时，需要服务器的启动命令和参数。ACI.dev 的 MCP 服务器配置信息（JSON 格式）示例如下：

{
  "serverName": "aci-mcp-server",
  "command": "uvicorn",
  "args": [
    "aci.server.main:app",
    "--host",
    "0.0.0.0",
    "--port",
    "8000",
    "--reload"
  ],
  "description": "ACI.dev MCP Server",
  "notes": "请根据实际部署环境调整端口和启动参数。生产环境建议移除 --reload 参数。"
}

基本使用方法

  1. 配置 MCP 客户端: 在 LLM 应用或客户端中，配置 MCP 服务器的连接信息，包括服务器启动命令 (command) 及其参数 (args)。
  2. 通过 SDK 或直接调用 MCP 接口: 使用 ACI 提供的 Python SDK ('aci-sdk') 与 MCP 服务器进行交互，或者直接按照 MCP 协议规范，通过 JSON-RPC 调用服务器提供的资源、工具和 Prompt 模板等功能。
  3. 利用开发者门户管理: 通过 ACI.dev 开发者门户 (frontend) 管理项目、集成、认证和测试 Agent，更便捷地配置和使用 MCP 服务器的功能。

信息

分类

开发者工具

访问项目