兄弟们，作为一个天天跟各种LLM API打交道的开发者，最烦的是什么？是每换一个模型就得重学一套接口、重新配一次环境。OpenAI、Anthropic、Google、Mistral、Cohere……每个厂商都有自己的SDK、自己的调用方式。你想做个对比评测或者搭建多模型切换的应用，写代码的时间比调模型还长。最近我看到一个项目，来自 Andrew Ng 团队的 aisuite，瞬间觉得这痛点有救。它不仅用一个统一接口覆盖了十多个主流 LLM 提供商，还内置了一套 Agent 工具框架，甚至顺便打包了一个桌面AI助手 OpenCoworker。不用再啃各家文档写几百行胶水代码——改一行模型名，就能在 GPT-4o、Claude、Gemini 之间自由切换。
它到底是什么，解决什么问题
aisuite 是一个轻量级 Python 库，核心提供两层能力：
- Chat Completions API：用 OpenAI 风格的接口统一调用 OpenAI、Anthropic、Google、Mistral、Hugging Face、AWS、Cohere、Ollama、OpenRouter 等几乎所有主流 LLM。你只需把模型名写成
provider:model 格式，库自动帮你路由到对应厂商，参数（temperature、max_tokens、tools等）全都保持一致。 - Agents API + Toolkits + MCP：在统一调用之上，它还提供了工具调用、多轮 agent 循环、工具箱（文件、Git、Shell）和对 MCP 协议的原生支持。这意味着你不仅可以写一次代码切换模型，还能把具体功能（查天气、读文件、搜代码库）像插件一样挂给模型用。
额外值得一提的，是这个仓库里附带的桌面应用 OpenCoworker ——基于 aisuite 构建，安装后可以常驻桌面，帮你做深度研究、读文件、发 Slack、生成 PDF 报告，甚至定时发日报。你自己的 API key 全在本地，数据不出机器。
三个核心亮点，直击开发日常
亮点一：一行代码换模型，告别多 SDK 割裂
这是 aisuite 最直接的价值。你只需要 import aisuite，创建一个 Client，然后传 "openai:gpt-4o" 或 "anthropic:claude-3-5-sonnet-20240620" 就能发出请求。所有公共参数（temperature、max_tokens、tools、stream 等）一致。最爽的是做模型对比时，直接写个 models 列表，循环调用，代码量减少80%。
import aisuite as aiclient = 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)
亮点二：给模型“动手能力”——工具调用和 Agent 框架
光对话不够，很多需求需要模型调用外部函数。aisuite 把工具调用简化成一个装饰器风格：你写一个纯 Python 函数，加上 type hints 和 docstring，直接作为 tools 参数传入。通过设置 max_turns，库会自动完成“模型生成工具调用→执行函数→返回结果给模型”的多轮循环。
def will_it_rain(location: str, time_of_day: str): """Check if it will rain in a location at a given time today. Args: location (str): Name of the city time_of_day (str): Time of the day in HH:MM format. """ return "YES"client = ai.Client()response = client.chat.completions.create( model="openai:gpt-4o", messages=[{ "role": "user", "content": "I live in San Francisco. Can you check for weather " "and plan an outdoor picnic for me at 2pm?" }], tools=[will_it_rain], max_turns=2 # Maximum number of back-and-forth tool calls)print(response.choices[0].message.content)
更高级的是 Agents API，它允许你声明一个 Agent，绑定多个工具箱（文件、Git、Shell），用 Runner 跑起来。还支持工具审批策略、持久化状态存储、产物追踪。这对构建自动化代码助手、文档机器人特别实用。
import aisuite as aifrom aisuite import Agent, Runneragent = 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)
亮点三：原生支持 MCP，接入工具生态零门槛
如果你用过 Model Context Protocol（MCP），就知道它的威力——你可以任意挂载一个 MCP server 的工具。aisuite 直接内置了 MCP 支持（需 pip install aisuite[mcp]），用法简洁到只需要在 tools 列表里声明一个 "type": "mcp" 的字典。
client = ai.Client()response = client.chat.completions.create( model="openai:gpt-4o", messages=[{"role": "user", "content": "List the files in the current directory"}], tools=[{ "type": "mcp", "name": "filesystem", "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/directory"] }], max_turns=3)print(response.choices[0].message.content)
十分钟上手，从安装到跑通第一个任务
1. 安装 aisuite 库
pip install aisuite # 基础包，不含任何 provider SDKpip install 'aisuite[anthropic]' # 带特定 provider SDKpip install 'aisuite[all]' # 一次性装所有支持的 SDK
2. 配置 API 密钥按照 Chat Completions 快速入门 设置环境变量即可。
3. 跑一个 Chat Completions 示例直接复制上面的“一行代码换模型”代码段，换成你自己的 API key，运行就能看到两种模型的回复对比。
4. 尝试桌面助手 OpenCoworker直接下载安装包（macOS 或 Windows），带上你自己的 API key（或用 Ollama 跑本地模型），它会常驻在桌面上。你可以让它阅读文件、发邮件、生成日报——所有操作数据只留在你机器上。macOS 下载 · Windows 下载
总结——为什么值得收藏
aisuite 不是又一个“包装过的 API 调用库”，它把模型调用、工具集成、Agent 化、桌面应用整合在一个框架里，而且保持了极简的设计。无论你是想快速做模型对比、构建带工具调用的智能助手，还是需要一个桌面 AI 副驾驶员，它都能给你省下大量折腾时间。代码开源（MIT 协议），可以直接商用。
一句话：把原本需要几周集成的事，压缩到几分钟。收藏起来，下次遇到多模型需求，第一个想起它。
┌───────────────────────────────────────────────┐│ OpenCoworker │ agent harness for doing everyday tasks├───────────────────────────────────────────────┤│ Agents API · Toolkits · MCP │ build agents across multiple LLMs├───────────────────────────────────────────────┤│ Chat Completions API │ one API across multiple LLM providers├────────┬───────────┬────────┬────────┬────────┤│ OpenAI │ Anthropic │ Google │ Ollama │ Others │└────────┴───────────┴────────┴────────┴────────┘
