English | 中文

RAC 是一个基于 Kotlin Multiplatform 与 Ktor 的 AI 模型调用库，通过统一的 llm { } DSL 入口接入 11 家 LLM 供应商，覆盖 3 种 API 协议（OpenAI Chat Completions、OpenAI Responses、Anthropic Messages），支持非流式调用、流式调用、工具调用（Tool Calling）与自动化 Agent，并双向支持 Agent Client Protocol（ACP）与 Agent-to-Agent Protocol（A2A）——既能作为 Client 调用外部 Agent，也能将自身 Agent 暴露为 ACP / A2A Server。

• 现在只测试了core的agent和调用模型，提供商只测试了GLM和DeepSeek.
• 该库主要应用于轻量多平台调用模型，如果你需要制作jvm后端请使用 JetBrains/Koog

• 11 家供应商开箱即用：DeepSeek、OpenAI、Anthropic、Google Gemini、阿里通义千问（Qwen）、智谱 GLM、月之暗面 Kimi、字节豆包（Doubao）、MiniMax、小米 MiMo、Ollama（本地）
• 10 家供应商的模型预设枚举：43 个主流模型内置推荐配置，model(DeepSeekModel.V4_FLASH) 一行注册，免去手写模板代码
• 3 种 API 协议统一抽象：Completions API、Responses API、Anthropic API，通过 chat { } 自动路由
• 流式调用：chatStream { }（Completions）、anthropicStream { }（Anthropic）、respondStream { }（Responses），基于 SSE 冷流，统一为 StreamEvent 语义事件
• 自动化 Agent：agent(llm) { prompts(); tools { } } 声明式配置，run / runStream 自动完成多轮工具调用循环； Session 记录完整对话历史，可跨 Agent 复用
• 双模式工具定义：强类型 tool<Args>(name, desc) { } 自动生成 JSON Schema；散开参数 tool(name, desc) { param(); execute { } } 无需 data class，支持 0-10 参数
• 定制化参数：stop（停止序列）、seed（随机种子）、enableThinking（思考开关），全栈同步并按 API 差异化处理
• MCP 支持：原生支持 Model Context Protocol，chatWithMcp { } 自动发现 MCP 工具并执行多轮调用，支持 Stdio / HTTP 传输
• ACP 双向支持：chatWithAcpAgent { } 作为 Client 调用外部 Agent（Claude Code、Codex CLI 等），serveAsAcpAgent { } 将 RAC 暴露为 ACP Agent Server
• A2A 双向支持：chatWithA2aAgent 作为 Client 调用远端 A2A Agent（Google ADK、LangGraph 等），serveAsA2aAgent 将 RAC 暴露为 A2A Agent Server
• 网络韧性：RetryExecutor 提供指数退避重试，自动处理 429/5xx 瞬时错误与 Retry-After 头
• 跨平台：同一套通用代码编译到 JVM、Android、iOS、mingwX64、linuxX64、linuxArm64、macosArm64、JS、WasmJs 九大目标平台
• 可测试：依赖注入 HttpClient，JVM 可用 MockEngine 端到端测试

RAC 分为 4 个 Gradle 模块（依赖 DAG：core ← mcp ← {acp, a2a}）：

仅使用基础对话能力只需引入 core；需要 MCP / ACP / A2A 协议集成时再引入对应模块（需同时引入 core）。

在 build.gradle.kts 的 commonMain 依赖中添加：

kotlin {
    // 配置你的目标平台，例如：
    jvm()
    mingwX64()
    iosArm64()
    iosSimulatorArm64()
}

dependencies {
    commonMain {
        implementation("top.resderx.rac:rac-core:0.1.0-alpha01")
        // 按需引入协议模块
        implementation("top.resderx.rac:rac-mcp:0.1.0-alpha01")
        implementation("top.resderx.rac:rac-acp:0.1.0-alpha01")
        implementation("top.resderx.rac:rac-a2a:0.1.0-alpha01")
    }
}

dependencies {
    implementation("top.resderx.rac:rac-core:0.1.0-alpha01")
}

import top.resderx.rac.dsl.llm
import top.resderx.rac.dsl.deepseek
import top.resderx.rac.providers.presets.DeepSeekModel
import kotlinx.coroutines.runBlocking

fun main() = runBlocking {
    // 1. 创建 Llm 实例——注册 DeepSeek 供应商并使用预设模型
    val ai = llm {
        providers {
            deepseek {
                apiKey("sk-...")
                models {
                    // 一行注册预设模型，自动应用推荐配置
                    model(DeepSeekModel.V4_FLASH)
                }
            }
        }
    }

    // 2. 非流式对话
    val response = ai.chat {
        user("用一句话解释 Kotlin Multiplatform")
    }
    println(response.content)
}

更多示例见下方文档链接。

• 入门指南 — 从安装到第一个调用，覆盖流式、Agent、工具调用、定制化参数的完整上手教程
• API 参考 — 每个公开函数、类、属性的完整签名、参数说明与使用示例
• 供应商配置 — 11 家供应商的 baseUrl、鉴权方式与模型预设枚举
• API 协议风格 — Completions / Anthropic / Responses 三种协议的差异与选择
• ACP 集成 — Agent Client Protocol 双向支持详解
• A2A 集成 — Agent-to-Agent Protocol 双向支持详解

• DSL 入口：llm { } 创建 Llm 实例，providers { } 注册供应商，models { } 注册模型，chat { } 构建请求
• 分层配置：ModelConfig（模型注册时的默认值）→ ChatRequestBuilder（调用时覆盖）→ 服务端默认。未在 builder 显式设置的字段回退到 ModelConfig，仍为 null 时回退到服务端默认
• 统一返回：所有协议响应归一化为 AIMessage（content / reasoningContent / toolCalls / usage / finishReason），流式响应归一化为 StreamEvent 密封接口
• Agent 解耦：Agent 持有 systemPrompt 与工具集，Session 仅记录 user/assistant/tool 消息（不含 system），不同 Agent 可共用同一 Session
• 工具双模式：强类型 tool<Args> 自动从 @Serializable data class 生成 JSON Schema；散开参数 tool { param(); execute { } } 无需类定义，支持 0-10 参数；11+ 参数须用强类型模式

详见 LICENSE。