Claude、ChatGPT、Cursor 都能直接指揮你的應用這個開源框架把 MCP、A2A 全塞進了一個入口【免費下載鏈接】agent-nativeA framework for building agentic apps項目地址: https://gitcode.com/GitHub_Trending/ag/agent-native你有沒有遇到過這種憋屈事你在 Claude 或 ChatGPT 里聊得正起勁讓它幫你整理一份客戶名單、改一版 PPT、查一下后臺數(shù)據(jù)。結(jié)果 AI 兩手一攤“抱歉我看不到你的系統(tǒng)?！蹦阒荒軓椭?、粘貼、再復制、再粘貼。AI 明明很聰明卻像個隔著玻璃指揮的顧問能說不能干。最近在開發(fā)者圈子里被頻繁討論的agent-native干的就是拆掉這層玻璃的事。它是 Builder.io 開源的一套 TypeScript 框架主打一句話你寫一次功能AI 助手、網(wǎng)頁界面、外部工具、別的 AI 助手全都能用。而它最被反復提起的賣點就是那句“兼容 MCP、A2A、OpenAI、Claude 全家桶”。這話到底是真材實料還是發(fā)布會上的漂亮話我把它翻了個底朝天一條條對著驗證。一、先用大白話說清它是啥別被“框架”兩個字嚇到。你可以把它理解成一個萬能插排。以前做一個帶 AI 的應用情況是這樣的網(wǎng)頁界面要走一套接口AI 助手要走另一套工具調(diào)用你想讓別家的 AI 來用還得再單獨開個口子。同一個“發(fā)郵件”的功能要寫三遍、維護三遍改一次全都得跟著改。agent-native 的做法是“發(fā)郵件”這件事只寫一遍然后自動長出好幾個插孔——網(wǎng)頁點了能發(fā)AI 助手說一句能發(fā)外部工具調(diào)接口能發(fā)隔壁的 AI 助手遠程請求也能發(fā)。官方給這張“插排”起了個名字叫 action動作。聽著玄其實就是“這個應用能干的一件事”。所以它不屬于那種“幫你寫提示詞”的工具也不是“幫你調(diào)模型的庫”。它更像是在造應用的地基AI 不是一個外掛的聊天框而是住在應用里的一個同事。順手說一句它是 MIT 協(xié)議開源代碼可以放心商用。二、四個協(xié)議逐個驗哪些是真的哪些有前提我把它的文檔和代碼翻了一遍按“能用 / 有條件能用 / 只是模型層”分了個類。1. MCP雙向都通這是最扎實的一塊MCP 你可以理解成 AI 世界的USB-C 接口。有了它Claude、ChatGPT、Cursor 這些“主機”就能插上你的應用直接調(diào)用里面的功能。agent-native 在這塊是雙向的往外當插座。每個應用部署完自動帶一個 MCP 入口不用你額外寫代碼。Claude、Claude Code、ChatGPT、Cursor、Codex、VS Code 里的 Copilot把地址粘進去就能連上然后它就能看見你應用里的功能清單。往里當插頭。反過來你的應用也能去連別人的 MCP 服務。它內(nèi)置了一份現(xiàn)成目錄Notion、Slack、GitHub、Figma、Linear、Stripe、Sentry、Supabase 這些常見工具都在列幾十家連上就能當工具用。更妙的是“回傳”這一步。外部 AI 幫你做好一份草稿、一個日程、一張圖表不會只丟給你一大坨文字而是給你一個“在你的應用里打開”的鏈接點一下直接跳到那個東西面前。這一點特別像什么像外賣小哥不只是把菜放門口還幫你擺上桌、打開盒蓋。2. A2AAI 和 AI 之間互相打電話MCP 解決的是“AI 調(diào)工具”A2A 解決的是“AI 找 AI 幫忙”。區(qū)別在哪MCP 是執(zhí)行A2A 是商量。前者是“幫我把這封郵件發(fā)出去”后者是“這事我拿不準你那邊數(shù)據(jù)全你來判斷”。agent-native 的每個應用都會自動生成一張“名片”上面寫著我是誰、我會干什么。別的 AI 助手拿到名片就能派活過來。實際體驗里最直觀的是聊天框里的。你在對話框敲一個 把“設計助手”“數(shù)據(jù)分析助手”拉進來主助手會自動去喊它們?nèi)缓蟀迅髯缘幕卮鹑噙M同一段對話里。這聽著像群聊其實背后是真的跨應用通信。而且它不只跟自己人玩還對接了微軟 Azure 的智能體服務、谷歌 Gemini 企業(yè)版這類外部 A2A 對象。但這里有個必須說清的前提正式環(huán)境必須配置一把簽名密鑰否則系統(tǒng)會直接拒絕外部請求。這是好事——門檻高一點總比誰都能進來指揮你的系統(tǒng)強。3. OpenAI模型層是真兼容還多了個“白嫖額度”的巧思很多人把“支持 OpenAI”理解成“能調(diào) GPT”這只對了一半。在模型層它確實能接 OpenAI也能接 Claude、Gemini、Mistral、Groq、Cohere以及本地跑的 Ollama。還支持填一個自定義的兼容地址也就是說只要對方接口長得像 OpenAI基本都能塞進來。更有意思的是兩個細節(jié)一是它能用你的 ChatGPT 訂閱額度。也就是說你不一定非要另外買 API 用量符合條件的話可以直接借用已有的訂閱。對個人開發(fā)者和小團隊來說這是實打?qū)嵤″X。二是它能在 ChatGPT 里長出界面。這件事被嚴重低估了。以前 AI 幫你做完東西你看到的是一堆文字現(xiàn)在支持在對話里直接嵌一個可點的操作面板——審草稿、改日程、選圖表版本都能在聊天窗口里完成。前提是這類內(nèi)嵌界面要看對方的套餐、版本和灰度情況不是人人都能立刻看到。4. Claude接得最深連“操作電腦”都算進去了Claude 這塊是走原生 SDK 的不是簡單套一層。官方描述里明確寫了支持思考過程、提示緩存、看圖、以及操作電腦這些能力。對普通用戶來說“提示緩存”這四個字可以翻譯成同一份長資料反復問不用每次重新讀一遍又快又省錢。另外它還給 Anthropic 的托管智能體做了一個適配層對方那邊發(fā)起的任務、需要人工點“同意”的環(huán)節(jié)能同步到你自己的應用界面里來批。這就避免了“AI 在后臺偷偷干活你完全不知情”的恐慌。三、跟主流框架比它到底強在哪市面上的 Agent 框架不少LangChain、LlamaIndex、AutoGen、CrewAI 各有擁躉。但它們的共同點是幫你把 AI 的腦子搭起來。agent-native 的重心不一樣它更像在說腦子有了活在哪干這也是它和同類最大的分野——別的框架交付的是“一個能思考的助手”它交付的是“一個助手能真正上手干活的應用”而且它不是空白起步。倉庫里帶著十幾個現(xiàn)成應用郵件、日歷、幻燈片、設計、數(shù)據(jù)分析、內(nèi)容管理、會議記錄、素材庫、表單、大腦知識庫……開箱就是能跑的東西你在上面改比從零搭快得多。協(xié)議覆蓋上可以這么記MCP雙向且默認開啟A2A雙向帶名片發(fā)現(xiàn)和身份校驗模型層Claude 原生 OpenAI 系 一眾兼容服務 本地模型外部宿主Claude、ChatGPT、Cursor、Codex、Copilot 等主流入口都能連四、“都兼容”到底是加分項還是及格線說句實在話放在 2024 年這是加分項放在今天這正在變成及格線。原因很簡單MCP 已經(jīng)是事實標準誰不接誰就等于把自己關在屋里。所以“支持 MCP”這件事本身不該被當成賣點吹。真正值錢的是另一件事同一套功能在所有出口上表現(xiàn)一致。舉個具體場景。你在應用里點“生成周報”和在 Claude 里說“幫我生成周報”和在另一個 AI 助手那邊遠程請求“生成周報”——走的是同一段邏輯、同一套權限校驗、同一個數(shù)據(jù)庫。不會出現(xiàn)“網(wǎng)頁上能改AI 一改就出錯”的尷尬也不會出現(xiàn)“AI 繞過了權限把不該看的看了”的隱患。這才是“兼容”的深層價值不是接了多少根線而是每根線后面接的是不是同一個東西。至于它不適合誰也很明確——如果你只想做個純聊天機器人或者只是想在腳本里調(diào)一次模型那它太重了殺雞用牛刀。五、普通人上手難嗎要不要好顯卡好消息是不用顯卡。它跑在 Node.js 環(huán)境里本地開發(fā)時數(shù)據(jù)庫會自動用一個輕量版本不需要你先裝一整套數(shù)據(jù)庫服務。啟動就一行命令的事官方腳手架會直接把一個能跑的應用擺在你面前。瀏覽器打開就是一個帶 AI 對話框的完整界面左邊是你熟悉的列表和表單右邊是可以直接使喚的助手。部署方面也不挑Netlify、Vercel、Cloudflare、AWS、Docker 這些常見去處都有說明數(shù)據(jù)庫用標準 PostgreSQL 就行不會被某一家云綁死。那適合誰獨立開發(fā)者想快速做一個“AI 真的能操作”的小產(chǎn)品這是現(xiàn)成地基小團隊的產(chǎn)品負責人想驗證“AI 員工”到底能不能接進業(yè)務流程自動化愛好者手上有一堆零散工具想讓它們能被一個 AI 統(tǒng)一調(diào)度純粹的好奇者想親眼看看“AI 直接操作軟件”是什么手感不適合的也很清楚完全不想碰命令行、只想點兩下就出成品的朋友這東西還是會讓你皺眉。寫在最后這一輪 AI 的競爭早就不是“誰家模型更聰明”了。模型越來越像水電大家都有。真正拉開差距的是誰能讓 AI 順暢地接進真實的工作流——接得進系統(tǒng)、拿得到數(shù)據(jù)、改得動東西、出了事還有人能攔住。agent-native 的思路算不上驚艷甚至有點“笨”不搞新概念就是把“一件事只寫一遍”這件事做到極致然后讓所有協(xié)議都來適配它。但往往就是這種笨辦法最后活得最久。最后想問問你如果明天你常用的那個 AI 助手真的能直接操作你電腦里的軟件和后臺系統(tǒng)你最想讓它先替你干哪件破事我先說我的答案——把那堆每周都要手動整理的報表交給它?！久赓M下載鏈接】agent-nativeA framework for building agentic apps項目地址: https://gitcode.com/GitHub_Trending/ag/agent-native創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 Claude、ChatGPT、Cursor 都能直接指揮你的應用？這個開源框架把 MCP、A2A 全塞進了一個入口
Claude、ChatGPT、Cursor 都能直接指揮你的應用這個開源框架把 MCP、A2A 全塞進了一個入口【免費下載鏈接】agent-nativeA framework for building agentic apps項目地址: https://gitcode.com/GitHub_Trending/ag/agent-native你有沒有遇到過這種憋屈事你在 Claude 或 ChatGPT 里聊得正起勁讓它幫你整理一份客戶名單、改一版 PPT、查一下后臺數(shù)據(jù)。結(jié)果 AI 兩手一攤“抱歉我看不到你的系統(tǒng)?！蹦阒荒軓椭?、粘貼、再復制、再粘貼。AI 明明很聰明卻像個隔著玻璃指揮的顧問能說不能干。最近在開發(fā)者圈子里被頻繁討論的agent-native干的就是拆掉這層玻璃的事。它是 Builder.io 開源的一套 TypeScript 框架主打一句話你寫一次功能AI 助手、網(wǎng)頁界面、外部工具、別的 AI 助手全都能用。而它最被反復提起的賣點就是那句“兼容 MCP、A2A、OpenAI、Claude 全家桶”。這話到底是真材實料還是發(fā)布會上的漂亮話我把它翻了個底朝天一條條對著驗證。一、先用大白話說清它是啥別被“框架”兩個字嚇到。你可以把它理解成一個萬能插排。以前做一個帶 AI 的應用情況是這樣的網(wǎng)頁界面要走一套接口AI 助手要走另一套工具調(diào)用你想讓別家的 AI 來用還得再單獨開個口子。同一個“發(fā)郵件”的功能要寫三遍、維護三遍改一次全都得跟著改。agent-native 的做法是“發(fā)郵件”這件事只寫一遍然后自動長出好幾個插孔——網(wǎng)頁點了能發(fā)AI 助手說一句能發(fā)外部工具調(diào)接口能發(fā)隔壁的 AI 助手遠程請求也能發(fā)。官方給這張“插排”起了個名字叫 action動作。聽著玄其實就是“這個應用能干的一件事”。所以它不屬于那種“幫你寫提示詞”的工具也不是“幫你調(diào)模型的庫”。它更像是在造應用的地基AI 不是一個外掛的聊天框而是住在應用里的一個同事。順手說一句它是 MIT 協(xié)議開源代碼可以放心商用。二、四個協(xié)議逐個驗哪些是真的哪些有前提我把它的文檔和代碼翻了一遍按“能用 / 有條件能用 / 只是模型層”分了個類。1. MCP雙向都通這是最扎實的一塊MCP 你可以理解成 AI 世界的USB-C 接口。有了它Claude、ChatGPT、Cursor 這些“主機”就能插上你的應用直接調(diào)用里面的功能。agent-native 在這塊是雙向的往外當插座。每個應用部署完自動帶一個 MCP 入口不用你額外寫代碼。Claude、Claude Code、ChatGPT、Cursor、Codex、VS Code 里的 Copilot把地址粘進去就能連上然后它就能看見你應用里的功能清單。往里當插頭。反過來你的應用也能去連別人的 MCP 服務。它內(nèi)置了一份現(xiàn)成目錄Notion、Slack、GitHub、Figma、Linear、Stripe、Sentry、Supabase 這些常見工具都在列幾十家連上就能當工具用。更妙的是“回傳”這一步。外部 AI 幫你做好一份草稿、一個日程、一張圖表不會只丟給你一大坨文字而是給你一個“在你的應用里打開”的鏈接點一下直接跳到那個東西面前。這一點特別像什么像外賣小哥不只是把菜放門口還幫你擺上桌、打開盒蓋。2. A2AAI 和 AI 之間互相打電話MCP 解決的是“AI 調(diào)工具”A2A 解決的是“AI 找 AI 幫忙”。區(qū)別在哪MCP 是執(zhí)行A2A 是商量。前者是“幫我把這封郵件發(fā)出去”后者是“這事我拿不準你那邊數(shù)據(jù)全你來判斷”。agent-native 的每個應用都會自動生成一張“名片”上面寫著我是誰、我會干什么。別的 AI 助手拿到名片就能派活過來。實際體驗里最直觀的是聊天框里的。你在對話框敲一個 把“設計助手”“數(shù)據(jù)分析助手”拉進來主助手會自動去喊它們?nèi)缓蟀迅髯缘幕卮鹑噙M同一段對話里。這聽著像群聊其實背后是真的跨應用通信。而且它不只跟自己人玩還對接了微軟 Azure 的智能體服務、谷歌 Gemini 企業(yè)版這類外部 A2A 對象。但這里有個必須說清的前提正式環(huán)境必須配置一把簽名密鑰否則系統(tǒng)會直接拒絕外部請求。這是好事——門檻高一點總比誰都能進來指揮你的系統(tǒng)強。3. OpenAI模型層是真兼容還多了個“白嫖額度”的巧思很多人把“支持 OpenAI”理解成“能調(diào) GPT”這只對了一半。在模型層它確實能接 OpenAI也能接 Claude、Gemini、Mistral、Groq、Cohere以及本地跑的 Ollama。還支持填一個自定義的兼容地址也就是說只要對方接口長得像 OpenAI基本都能塞進來。更有意思的是兩個細節(jié)一是它能用你的 ChatGPT 訂閱額度。也就是說你不一定非要另外買 API 用量符合條件的話可以直接借用已有的訂閱。對個人開發(fā)者和小團隊來說這是實打?qū)嵤″X。二是它能在 ChatGPT 里長出界面。這件事被嚴重低估了。以前 AI 幫你做完東西你看到的是一堆文字現(xiàn)在支持在對話里直接嵌一個可點的操作面板——審草稿、改日程、選圖表版本都能在聊天窗口里完成。前提是這類內(nèi)嵌界面要看對方的套餐、版本和灰度情況不是人人都能立刻看到。4. Claude接得最深連“操作電腦”都算進去了Claude 這塊是走原生 SDK 的不是簡單套一層。官方描述里明確寫了支持思考過程、提示緩存、看圖、以及操作電腦這些能力。對普通用戶來說“提示緩存”這四個字可以翻譯成同一份長資料反復問不用每次重新讀一遍又快又省錢。另外它還給 Anthropic 的托管智能體做了一個適配層對方那邊發(fā)起的任務、需要人工點“同意”的環(huán)節(jié)能同步到你自己的應用界面里來批。這就避免了“AI 在后臺偷偷干活你完全不知情”的恐慌。三、跟主流框架比它到底強在哪市面上的 Agent 框架不少LangChain、LlamaIndex、AutoGen、CrewAI 各有擁躉。但它們的共同點是幫你把 AI 的腦子搭起來。agent-native 的重心不一樣它更像在說腦子有了活在哪干這也是它和同類最大的分野——別的框架交付的是“一個能思考的助手”它交付的是“一個助手能真正上手干活的應用”而且它不是空白起步。倉庫里帶著十幾個現(xiàn)成應用郵件、日歷、幻燈片、設計、數(shù)據(jù)分析、內(nèi)容管理、會議記錄、素材庫、表單、大腦知識庫……開箱就是能跑的東西你在上面改比從零搭快得多。協(xié)議覆蓋上可以這么記MCP雙向且默認開啟A2A雙向帶名片發(fā)現(xiàn)和身份校驗模型層Claude 原生 OpenAI 系 一眾兼容服務 本地模型外部宿主Claude、ChatGPT、Cursor、Codex、Copilot 等主流入口都能連四、“都兼容”到底是加分項還是及格線說句實在話放在 2024 年這是加分項放在今天這正在變成及格線。原因很簡單MCP 已經(jīng)是事實標準誰不接誰就等于把自己關在屋里。所以“支持 MCP”這件事本身不該被當成賣點吹。真正值錢的是另一件事同一套功能在所有出口上表現(xiàn)一致。舉個具體場景。你在應用里點“生成周報”和在 Claude 里說“幫我生成周報”和在另一個 AI 助手那邊遠程請求“生成周報”——走的是同一段邏輯、同一套權限校驗、同一個數(shù)據(jù)庫。不會出現(xiàn)“網(wǎng)頁上能改AI 一改就出錯”的尷尬也不會出現(xiàn)“AI 繞過了權限把不該看的看了”的隱患。這才是“兼容”的深層價值不是接了多少根線而是每根線后面接的是不是同一個東西。至于它不適合誰也很明確——如果你只想做個純聊天機器人或者只是想在腳本里調(diào)一次模型那它太重了殺雞用牛刀。五、普通人上手難嗎要不要好顯卡好消息是不用顯卡。它跑在 Node.js 環(huán)境里本地開發(fā)時數(shù)據(jù)庫會自動用一個輕量版本不需要你先裝一整套數(shù)據(jù)庫服務。啟動就一行命令的事官方腳手架會直接把一個能跑的應用擺在你面前。瀏覽器打開就是一個帶 AI 對話框的完整界面左邊是你熟悉的列表和表單右邊是可以直接使喚的助手。部署方面也不挑Netlify、Vercel、Cloudflare、AWS、Docker 這些常見去處都有說明數(shù)據(jù)庫用標準 PostgreSQL 就行不會被某一家云綁死。那適合誰獨立開發(fā)者想快速做一個“AI 真的能操作”的小產(chǎn)品這是現(xiàn)成地基小團隊的產(chǎn)品負責人想驗證“AI 員工”到底能不能接進業(yè)務流程自動化愛好者手上有一堆零散工具想讓它們能被一個 AI 統(tǒng)一調(diào)度純粹的好奇者想親眼看看“AI 直接操作軟件”是什么手感不適合的也很清楚完全不想碰命令行、只想點兩下就出成品的朋友這東西還是會讓你皺眉。寫在最后這一輪 AI 的競爭早就不是“誰家模型更聰明”了。模型越來越像水電大家都有。真正拉開差距的是誰能讓 AI 順暢地接進真實的工作流——接得進系統(tǒng)、拿得到數(shù)據(jù)、改得動東西、出了事還有人能攔住。agent-native 的思路算不上驚艷甚至有點“笨”不搞新概念就是把“一件事只寫一遍”這件事做到極致然后讓所有協(xié)議都來適配它。但往往就是這種笨辦法最后活得最久。最后想問問你如果明天你常用的那個 AI 助手真的能直接操作你電腦里的軟件和后臺系統(tǒng)你最想讓它先替你干哪件破事我先說我的答案——把那堆每周都要手動整理的報表交給它?！久赓M下載鏈接】agent-nativeA framework for building agentic apps項目地址: https://gitcode.com/GitHub_Trending/ag/agent-native創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考