基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

BoxAgnts 的工具系统从底层的 WASM 沙箱到上层的 Tool trait，解决了"工具怎么安全地跑"。但工具最终要被 AI 模型调用——这就涉及两个工程问题：不同 AI 厂商的 API 格式完全不兼容，以及对话流与工具执行的交替编排。这两个问题分别由 Provider 抽象层和 Agent 查询循环解决。 Provider 抽象：做一个 LLM 厂商不可知论者 不同类型的 AI 模型 API 在请求格式、响应格式和错误处理上差异很大。 先看请求侧。Anthropic 把角色分为 user 和 assistant ，系统 Prompt 是一个独立的顶层字段 system ；OpenAI 把系统 Prompt 当作一个 role: “system” 的消息；Google Gemini 把 system_instruction 放在请求体顶层但格式又和 Anthropic 不同。如果让上层的 Agent 循环直接处理这些差异，代码会变成一个巨大的 match provider_id { … } 分支。 BoxAgnts 的解法是引入三层抽象： 第一层：ProviderRequest / ProviderResponse 统一数据模型 // provider_types.rs pub struct ProviderRequest { pub messages: Vec <ApiMessage>, pub system: Option < String >, pub tools: Vec <ApiToolDefinition>, pub max_tokens: u32 , pub temperature: Option < f32 >, } pub struct ProviderResponse { pub content: Vec <ContentBlock>, p…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。