跳到主要内容

Adapters

@agentskit/adapters 将各受支持 AI 提供商规范为单一流式接口。换提供商只需改一行——应用其余部分保持不变。

何时使用​

若仅使用托管路由（例如 Vercel AI SDK 处理器），可能只需 vercelAI（见下文），无需其他提供商包。

安装​

npm install @agentskit/adapters

Peer：@agentskit/core（由 UI/runtime 包拉入）。

公开接口（摘要）​

类别导出
聊天适配器anthropic, openai, gemini, ollama, deepseek, grok, kimi, langchain, langgraph, vercelAI, generic, createAdapter
嵌入器openaiEmbedder, geminiEmbedder, ollamaEmbedder, deepseekEmbedder, grokEmbedder, kimiEmbedder, createOpenAICompatibleEmbedder
类型CreateAdapterConfig, GenericAdapterConfig, 各提供商 *Config、嵌入器配置

内置提供商​

Anthropic​

import { anthropic } from '@agentskit/adapters'

const adapter = anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY!,
  model: 'claude-sonnet-4-6',
  maxTokens: 4096,       // optional, default 4096
  baseUrl: 'https://api.anthropic.com', // optional
})

OpenAI​

import { openai } from '@agentskit/adapters'

const adapter = openai({
  apiKey: process.env.OPENAI_API_KEY!,
  model: 'gpt-4o',
  baseUrl: 'https://api.openai.com', // optional
})

Gemini​

import { gemini } from '@agentskit/adapters'

const adapter = gemini({
  apiKey: process.env.GOOGLE_API_KEY!,
  model: 'gemini-2.0-flash',
})

Ollama（本地）​

import { ollama } from '@agentskit/adapters'

const adapter = ollama({
  model: 'llama3.2',
  baseUrl: 'http://localhost:11434', // optional
})

DeepSeek​

import { deepseek } from '@agentskit/adapters'

const adapter = deepseek({ apiKey: process.env.DEEPSEEK_API_KEY!, model: 'deepseek-chat' })

Grok​

import { grok } from '@agentskit/adapters'

const adapter = grok({ apiKey: process.env.XAI_API_KEY!, model: 'grok-3' })

Kimi​

import { kimi } from '@agentskit/adapters'

const adapter = kimi({ apiKey: process.env.KIMI_API_KEY!, model: 'moonshot-v1-8k' })

LangChain / LangGraph​

import { langchain, langgraph } from '@agentskit/adapters'
import { ChatOpenAI } from '@langchain/openai'

// Wrap any LangChain runnable
const adapter = langchain({
  runnable: new ChatOpenAI({ model: 'gpt-4o' }),
  mode: 'stream', // or 'events' for streamEvents()
})

// LangGraph: uses streamEvents under the hood
const graphAdapter = langgraph({ graph: myCompiledGraph })

Vercel AI SDK​

import { vercelAI } from '@agentskit/adapters'

// Points at a Next.js / Vercel AI route handler
const adapter = vercelAI({
  api: '/api/chat',
  headers: { 'X-Custom-Header': 'value' }, // optional
})

一行切换提供商​

// Before
const adapter = anthropic({ apiKey, model: 'claude-sonnet-4-6' })

// After — nothing else changes
const adapter = openai({ apiKey, model: 'gpt-4o' })

使用 createAdapter 自定义适配器​

若需要上面未列出的提供商，使用 createAdapter。提供返回 Response 或 ReadableStream 的 send 函数，以及产出 StreamChunk 的 parse 生成器。

import { createAdapter } from '@agentskit/adapters'
import type { AdapterRequest, StreamChunk } from '@agentskit/core'

const adapter = createAdapter({
  send: async (request: AdapterRequest) => {
    return fetch('https://my-llm.example.com/v1/chat', {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' },
      body: JSON.stringify({ messages: request.messages }),
    })
  },
  parse: async function* (stream: ReadableStream): AsyncIterableIterator<StreamChunk> {
    const reader = stream.getReader()
    const decoder = new TextDecoder()
    while (true) {
      const { done, value } = await reader.read()
      if (done) break
      yield { type: 'text', content: decoder.decode(value) }
    }
    yield { type: 'done' }
  },
  abort: () => { /* optional cancel logic */ },
})

最简单情况——发出原始文本的流——请改用 generic：

import { generic } from '@agentskit/adapters'

const adapter = generic({
  send: async (request) => {
    const res = await fetch('/api/my-llm', {
      method: 'POST',
      body: JSON.stringify({ messages: request.messages }),
    })
    return res.body!
  },
})

嵌入器函数​

嵌入器返回 EmbedFn——async (text: string) => number[]——供 @agentskit/rag 与 @agentskit/memory 使用。

import {
  openaiEmbedder,
  geminiEmbedder,
  ollamaEmbedder,
  deepseekEmbedder,
  grokEmbedder,
  kimiEmbedder,
  createOpenAICompatibleEmbedder,
} from '@agentskit/adapters'

// OpenAI (default model: text-embedding-3-small)
const embed = openaiEmbedder({ apiKey: process.env.OPENAI_API_KEY! })

// Gemini
const embed = geminiEmbedder({ apiKey: process.env.GOOGLE_API_KEY!, model: 'text-embedding-004' })

// Ollama (local)
const embed = ollamaEmbedder({ model: 'nomic-embed-text' })

// OpenAI-compatible endpoint (Cohere, Voyage, etc.)
const embed = createOpenAICompatibleEmbedder({
  apiKey: process.env.COHERE_API_KEY!,
  model: 'embed-english-v3.0',
  baseUrl: 'https://api.cohere.com',
})

可将任意嵌入器直接传给 createRAG —— 见 RAG。

createAdapter 常见陷阱​

  • parse 生成器最终必须产出 { type: 'done' }（若提供商流式输出工具调用则还要产出工具块），否则消费者会卡在 streaming。
  • abort 应取消底层 HTTP 请求或 reader，以便 UI 中的 stop() 生效。
  • 复用 AdapterRequest 形状：启用工具时，模型期望 OpenAI 风格的 messages 加工具定义。

故障排除​

问题检查项
401 / 403API 密钥环境变量与自托管网关的 baseUrl。
空流parse 未解码 SSE 或 NDJSON；与 generic + 已知良好路由对比。
工具 JSON 错误提供商对工具 schema 的限制；缩短 description 或简化 schema。
嵌入器维度不匹配向量索引 dimensions 须与模型一致（例如许多 OpenAI 嵌入为 1536）。

另请参阅​

从这里开始 · 软件包 · TypeDoc（@agentskit/adapters） · Memory · RAG · useChat · @agentskit/core