使用说明

项目简介

Tyler 是一个用于构建AI代理的Python框架，旨在简化和加速生产级AI应用的开发。它通过提供核心组件如 Agent、Thread、Message 和 Attachment 模型，以及丰富的工具集成，帮助开发者快速构建能够理解上下文、管理对话和有效利用工具的AI代理。Tyler 特别强调与 Model Context Protocol (MCP) 的兼容性，能够无缝集成 MCP 服务器和工具，扩展AI代理的功能边界。

主要功能点

MCP 兼容性: 无缝集成 MCP 服务器和工具，支持动态工具发现和调用。
多模态支持: 开箱即用处理图像、音频、PDF 等多种数据类型。
丰富的工具: 内置全面的工具集，并易于集成自定义工具，如 Web 浏览、文件操作、音视频处理、Notion 和 Slack 集成等。
实时流式处理: 支持助手和工具的流式响应，构建互动性更强的应用。
结构化数据模型: 内置线程、消息和附件模型，有效维护对话上下文。
持久化存储: 支持内存、SQLite 和 PostgreSQL 等多种存储后端，用于持久化对话历史和文件。
高级调试: 集成 W&B Weave，提供强大的追踪和调试能力。
灵活的模型支持: 基于 LiteLLM，支持 100+ LLM 提供商，包括 OpenAI, Anthropic 等。

安装步骤

安装 Tyler Agent库:

pip install tyler-agent

安装 PDF 和图像处理依赖库 (可选):

brew install libmagic poppler  # macOS
sudo apt-get install libmagic-dev poppler-utils # Debian/Ubuntu

配置环境变量: 创建 '.env' 文件，配置数据库、LLM API 密钥等信息。例如：
```
OPENAI_API_KEY=your-openai-api-key
```
更多配置选项请参考文档。

服务器配置

Tyler 本身作为一个 Python 库，主要作为客户端与 MCP 服务器交互，其自身不是一个独立的 MCP 服务器实现。

要与 Tyler 集成，你需要配置MCP客户端以连接到兼容的 MCP 服务器。Tyler 提供了 'MCPService' 用于管理 MCP 服务器连接和工具发现，但 Tyler 仓库本身 不包含 可直接运行的 MCP 服务器代码。

因此，不需要配置 Tyler 作为 MCP 服务器的启动命令和参数。用户需要部署独立的 MCP 服务器（如 'modelcontextprotocol/server-brave-search' 等），然后在 Tyler 客户端配置连接信息。

基本使用方法

初始化 Agent:

from tyler.models.agent import Agent

agent = Agent(model_name="gpt-4o", purpose="To help with general questions")

创建 Thread 和 Message:

from tyler.models.thread import Thread
from tyler.models.message import Message

thread = Thread()
message = Message(role="user", content="What can you help me with?")
thread.add_message(message)

处理 Thread:

async def main():
    processed_thread, new_messages = await agent.go(thread)
    for message in new_messages:
        if message.role == "assistant":
            print(f"Assistant: {message.content}")

asyncio.run(main())

更多详细用法和示例，请参考 Tyler 的官方文档和示例代码。

注意: Tyler 主要作为构建 AI Agent 的框架和 MCP 客户端，要使用 MCP 功能，需要配合其他 MCP 服务器一起使用，并在 Tyler 客户端进行相应的配置。

关键词

使用说明

信息