Toolregistry: Enhetlig verktygsförvaltning för LLM-applikationer av Oaklight
Toolregistry, från utvecklaren Oaklight, är ett gratis, protokoll-agnostiskt verktygshanteringsbibliotek för mcp-plattformen. Främst byggt med Python, distribueras det som Python-paket via PyPI, inklusive toolregistry (kärna), toolregistry-server och toolregistry-hub. Detta system fungerar som ett enhetligt gränssnitt, som kopplar samman stora språkmodeller (LLMs) med olika externa tjänster och API:er. Det förenklar integrationen och utförandet av olika verktyg, vilket gör det till en central komponent för utvecklare som bygger sofistikerade LLM-applikationer.
Vad kopplar Toolregistry till?
Toolregistry kopplar direkt till stora språkmodeller (LLMs) och en mängd externa tjänster eller API:er, och fungerar som en enda punkt för verktygshantering. Dess toolregistry-serverkomponent är speciellt utformad för att exponera registrerade verktyg över Model Context Protocol (MCP) och OpenAPI-standarder, vilket möjliggör bred integration. Systemet stöder flera transportmekanismer för att ansluta till MCP-servrar, inklusive Streamable HTTP, stdio och Server-Sent Events (SSE), vilket säkerställer kompatibilitet med olika klientmiljöer. Detta enhetliga gränssnitt förenklar komplexa interaktioner mellan LLMs och externa kapabiliteter.
Kärnfunktioner och verktyg
Det centrala toolregistry-biblioteket möjliggör registrering av inbyggda Python-funktioner och klassbaserade verktyg, vilket erbjuder flexibilitet för utvecklare. Paketet toolregistry-hub tillhandahåller flera kategorier av färdiga anropbara verktyg, såsom Kalkylatorverktyg, Datum- och tidsverktyg, Filoperationerverktyg, Filsystemverktyg, Webbsökningsverktyg och Enhetskonverteringsverktyg, tillsammans med andra hjälpfunktioner. Toolregistry är kompatibelt med AI-klienter som använder OpenAI, Anthropic och Gemini funktionsanropstandarder, vilket genererar multiproviderscheman för dessa LLM-leverantörer.
Vem är det för?
Toolregistry är för utvecklare som skapar applikationer för stora språkmodeller (LLM) som behöver integrera och hantera en mängd externa verktyg effektivt. Det hjälper till att samla verktyg från olika källor, inklusive inbyggda Python-funktioner, MCP-servrar och OpenAPI-specifikationer. Utvecklare kan sedan göra dessa verktyg tillgängliga för användning med LLMs, vilket förenklar komplexa integrationer. Detta system är idealiskt för dem som bygger sofistikerade AI-agenter. Hoppa över detta om din applikation inte kräver integration av externa verktyg eller tjänster med LLMs.
Hur man kommer igång
Toolregistry-servern autentiserar med hjälp av middleware för autentisering. Den stöder olika transportmekanismer för att ansluta till MCP-servrar, inklusive Streamable HTTP, stdio och Server-Sent Events (SSE).
Användningsfall
- Förenar registreringen, beskrivningen, upptäckten och utförandet av verktyg från olika källor som inbyggda Python-funktioner, MCP-servrar och OpenAPI-specifikationer för användning med LLMs.
- Tjänar en registrerad samling av verktyg som antingen en OpenAPI- eller MCP-tjänst med hjälp av toolregistry-server.
- Använder en kuraterad samling av färdiga verktyg från toolregistry-hub för vanliga uppgifter som webbsökning eller beräkningar.
Toolregistry erbjuder en strukturerad metod för att integrera externa funktioner i LLM-applikationer. Dess stöd för flera protokoll och LLM-funktionsanropstandarder positionerar det som en mångsidig lösning för utvecklare. Den modulära designen, med kärna, server och hubbkomponenter, möjliggör flexibel distribution och verktygsåtkomst. Börja med att utforska de färdiga verktygen som finns inom toolregistry-hub för vanliga uppgifter som webbsökning eller beräkningar.
