狂揽1.5万星！！！吴恩达亲做，一行代码切换所有大模型，太6了

大家好呀，我是开源先驱～

最近有一个做 AI 开发的朋友问我：每次换个大模型就要改一堆代码，OpenAI 一套 API、Anthropic 一套 API、Google 又一套，光适配就耗掉半天，有没有省事的办法。我直接把吴恩达的开源项目甩给了他。

先甩数据：

⭐ 15,752 Stars

🍴 1,658 Forks

📝 682 Commits

👤 作者：Andrew Ng（吴恩达）

📅 创建于 2024-06-30，至今约 25 个月

🔧 支持 10+ LLM 提供商

📄 MIT 协议，Python 为主

吴恩达是谁不用多介绍——斯坦福教授、Google Brain 联合创始人、前百度首席科学家、Coursera 联合创始人。他做的开源项目，从创建到现在稳步涨到 1.5 万星：

aisuite 到底是什么？

一个轻量级 Python 库，用一套 OpenAI 风格的接口接所有大模型，切换提供商只改一个字符串。

两层架构：

1️⃣ Chat Completions API——底层，跨提供商统一聊天接口，支持 temperature、max_tokens、tools 等所有核心参数

2️⃣ Agents API——上层，在聊天 API 之上构建的代理框架，支持工具调用、工具包和 MCP

支持的提供商：OpenAI、Anthropic、Google（Gemini + Vertex）、Mistral、Hugging Face、AWS、Cohere、Ollama、OpenRouter、Requesty、Groq、通义……国内外主流的都覆盖了。模型命名格式就一个：provider:model-name，比如 openai:gpt-4o、anthropic:claude-3-5-sonnet。

设计特点

🔄 一行代码切换，真的就一行

把模型名从 openai:gpt-4o 改成 anthropic:claude-3-5-sonnet，完事。不用改其他任何代码，请求格式、响应结构全部标准化。对比测试两个模型？写个 for 循环遍历模型列表就行。

🛠️ 工具调用，传个 Python 函数就行

别的框架要你手写 JSON Schema，aisuite 直接把普通 Python 函数丢进去，自动从函数签名和 docstring 生成 schema、执行调用、回传结果。设个 max_turns 就自动完成"发消息→调工具→拿结果→继续"的循环。不设 max_turns 就返回标准 JSON 工具规范，手动控制。

🤖 生产级 Agent 框架，不是玩具

Agents API 自带三件套：工具策略（RequireApprovalPolicy、允许/拒绝列表、自定义 callable 控制哪些工具能跑）、状态存储（内存/文件/Postgres，跨进程恢复对话）、产物追踪（捕获 agent 产出内容和每步操作轨迹）。预构建的 toolkits 开箱即用——files、git、shell 直接接。

🔌 MCP 原生支持，不是插件

Model Context Protocol 的工具可以直接传给模型。在 tools 参数里写个 type: "mcp"，指定 MCP 服务器的 command 和 args，aisuite 自动连接、发现工具、执行调用。需要可复用连接和安全过滤的话，还有显式的 MCPClient。

🏠 本地模型，用 Ollama 一键切

模型名写成 ollama:llama3，本地跑，不用 API Key，不用联网。代码跟调 GPT-4o 一模一样，就改个字符串。开发和测试成本直接降到零。

技术栈一览

跟同类项目比，aisuite 强在哪？

快速上手

安装，按需选：

pip install aisuite                # 基础包，不含任何提供商 SDK
pip install 'aisuite[anthropic]'   # 附带特定提供商 SDK
pip install 'aisuite[all]'         # 附带所有提供商 SDK
pip install 'aisuite[mcp]'         # 附带 MCP 支持

最小示例——同一个问题问两个模型：

import aisuite as ai
client = ai.Client()
models = ["openai:gpt-4o", "anthropic:claude-3-5-sonnet-20240620"]
for model in models:
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "讲个笑话"}],
    )
    print(response.choices[0].message.content)

工具调用——传个函数进去就行：

def will_it_rain(location: str, time_of_day: str):
    """查某个城市今天某个时间会不会下雨"""
    return "YES"
response = client.chat.completions.create(
    model="openai:gpt-4o",
    messages=[{"role": "user", "content": "我在北京，下午2点能野餐吗？"}],
    tools=[will_it_rain],
    max_turns=2  # 自动循环：发消息→调工具→回传→继续
)

小结

LLM 多提供商适配这件事，LangChain 太重，LiteLLM 没有 Agent 能力，aisuite 卡的位置刚刚好——轻量统一接口 + 生产级 Agent 框架 + MCP 原生支持。而且吴恩达亲自下场做，代码质量和设计品味都在线。

最让我欣赏的是设计哲学：不要把简单的事情搞复杂。切换大模型本来就该是改一个字符串的事，工具调用本来就该是传一个函数的事。aisuite 把这两件事做到了。

如果你在用多个 LLM 提供商、需要做模型对比测试、或者想快速搭一个带工具调用的 Agent，aisuite 值得一试。

项目地址：https://github.com/andrewyng/aisuite

作者：Andrew Ng（吴恩达）

开源协议：MIT