Claude、ChatGPT、Cursor 都能直接指挥你的应用这个开源框架把 MCP、A2A 全塞进了一个入口【免费下载链接】agent-nativeA framework for building agentic apps项目地址: https://gitcode.com/GitHub_Trending/ag/agent-native你有没有遇到过这种憋屈事你在 Claude 或 ChatGPT 里聊得正起劲让它帮你整理一份客户名单、改一版 PPT、查一下后台数据。结果 AI 两手一摊“抱歉我看不到你的系统。”你只能复制、粘贴、再复制、再粘贴。AI 明明很聪明却像个隔着玻璃指挥的顾问能说不能干。最近在开发者圈子里被频繁讨论的agent-native干的就是拆掉这层玻璃的事。它是 Builder.io 开源的一套 TypeScript 框架主打一句话你写一次功能AI 助手、网页界面、外部工具、别的 AI 助手全都能用。而它最被反复提起的卖点就是那句“兼容 MCP、A2A、OpenAI、Claude 全家桶”。这话到底是真材实料还是发布会上的漂亮话我把它翻了个底朝天一条条对着验证。一、先用大白话说清它是啥别被“框架”两个字吓到。你可以把它理解成一个万能插排。以前做一个带 AI 的应用情况是这样的网页界面要走一套接口AI 助手要走另一套工具调用你想让别家的 AI 来用还得再单独开个口子。同一个“发邮件”的功能要写三遍、维护三遍改一次全都得跟着改。agent-native 的做法是“发邮件”这件事只写一遍然后自动长出好几个插孔——网页点了能发AI 助手说一句能发外部工具调接口能发隔壁的 AI 助手远程请求也能发。官方给这张“插排”起了个名字叫 action动作。听着玄其实就是“这个应用能干的一件事”。所以它不属于那种“帮你写提示词”的工具也不是“帮你调模型的库”。它更像是在造应用的地基AI 不是一个外挂的聊天框而是住在应用里的一个同事。顺手说一句它是 MIT 协议开源代码可以放心商用。二、四个协议逐个验哪些是真的哪些有前提我把它的文档和代码翻了一遍按“能用 / 有条件能用 / 只是模型层”分了个类。1. MCP双向都通这是最扎实的一块MCP 你可以理解成 AI 世界的USB-C 接口。有了它Claude、ChatGPT、Cursor 这些“主机”就能插上你的应用直接调用里面的功能。agent-native 在这块是双向的往外当插座。每个应用部署完自动带一个 MCP 入口不用你额外写代码。Claude、Claude Code、ChatGPT、Cursor、Codex、VS Code 里的 Copilot把地址粘进去就能连上然后它就能看见你应用里的功能清单。往里当插头。反过来你的应用也能去连别人的 MCP 服务。它内置了一份现成目录Notion、Slack、GitHub、Figma、Linear、Stripe、Sentry、Supabase 这些常见工具都在列几十家连上就能当工具用。更妙的是“回传”这一步。外部 AI 帮你做好一份草稿、一个日程、一张图表不会只丢给你一大坨文字而是给你一个“在你的应用里打开”的链接点一下直接跳到那个东西面前。这一点特别像什么像外卖小哥不只是把菜放门口还帮你摆上桌、打开盒盖。2. A2AAI 和 AI 之间互相打电话MCP 解决的是“AI 调工具”A2A 解决的是“AI 找 AI 帮忙”。区别在哪MCP 是执行A2A 是商量。前者是“帮我把这封邮件发出去”后者是“这事我拿不准你那边数据全你来判断”。agent-native 的每个应用都会自动生成一张“名片”上面写着我是谁、我会干什么。别的 AI 助手拿到名片就能派活过来。实际体验里最直观的是聊天框里的。你在对话框敲一个 把“设计助手”“数据分析助手”拉进来主助手会自动去喊它们然后把各自的回答揉进同一段对话里。这听着像群聊其实背后是真的跨应用通信。而且它不只跟自己人玩还对接了微软 Azure 的智能体服务、谷歌 Gemini 企业版这类外部 A2A 对象。但这里有个必须说清的前提正式环境必须配置一把签名密钥否则系统会直接拒绝外部请求。这是好事——门槛高一点总比谁都能进来指挥你的系统强。3. OpenAI模型层是真兼容还多了个“白嫖额度”的巧思很多人把“支持 OpenAI”理解成“能调 GPT”这只对了一半。在模型层它确实能接 OpenAI也能接 Claude、Gemini、Mistral、Groq、Cohere以及本地跑的 Ollama。还支持填一个自定义的兼容地址也就是说只要对方接口长得像 OpenAI基本都能塞进来。更有意思的是两个细节一是它能用你的 ChatGPT 订阅额度。也就是说你不一定非要另外买 API 用量符合条件的话可以直接借用已有的订阅。对个人开发者和小团队来说这是实打实省钱。二是它能在 ChatGPT 里长出界面。这件事被严重低估了。以前 AI 帮你做完东西你看到的是一堆文字现在支持在对话里直接嵌一个可点的操作面板——审草稿、改日程、选图表版本都能在聊天窗口里完成。前提是这类内嵌界面要看对方的套餐、版本和灰度情况不是人人都能立刻看到。4. Claude接得最深连“操作电脑”都算进去了Claude 这块是走原生 SDK 的不是简单套一层。官方描述里明确写了支持思考过程、提示缓存、看图、以及操作电脑这些能力。对普通用户来说“提示缓存”这四个字可以翻译成同一份长资料反复问不用每次重新读一遍又快又省钱。另外它还给 Anthropic 的托管智能体做了一个适配层对方那边发起的任务、需要人工点“同意”的环节能同步到你自己的应用界面里来批。这就避免了“AI 在后台偷偷干活你完全不知情”的恐慌。三、跟主流框架比它到底强在哪市面上的 Agent 框架不少LangChain、LlamaIndex、AutoGen、CrewAI 各有拥趸。但它们的共同点是帮你把 AI 的脑子搭起来。agent-native 的重心不一样它更像在说脑子有了活在哪干这也是它和同类最大的分野——别的框架交付的是“一个能思考的助手”它交付的是“一个助手能真正上手干活的应用”而且它不是空白起步。仓库里带着十几个现成应用邮件、日历、幻灯片、设计、数据分析、内容管理、会议记录、素材库、表单、大脑知识库……开箱就是能跑的东西你在上面改比从零搭快得多。协议覆盖上可以这么记MCP双向且默认开启A2A双向带名片发现和身份校验模型层Claude 原生 OpenAI 系 一众兼容服务 本地模型外部宿主Claude、ChatGPT、Cursor、Codex、Copilot 等主流入口都能连四、“都兼容”到底是加分项还是及格线说句实在话放在 2024 年这是加分项放在今天这正在变成及格线。原因很简单MCP 已经是事实标准谁不接谁就等于把自己关在屋里。所以“支持 MCP”这件事本身不该被当成卖点吹。真正值钱的是另一件事同一套功能在所有出口上表现一致。举个具体场景。你在应用里点“生成周报”和在 Claude 里说“帮我生成周报”和在另一个 AI 助手那边远程请求“生成周报”——走的是同一段逻辑、同一套权限校验、同一个数据库。不会出现“网页上能改AI 一改就出错”的尴尬也不会出现“AI 绕过了权限把不该看的看了”的隐患。这才是“兼容”的深层价值不是接了多少根线而是每根线后面接的是不是同一个东西。至于它不适合谁也很明确——如果你只想做个纯聊天机器人或者只是想在脚本里调一次模型那它太重了杀鸡用牛刀。五、普通人上手难吗要不要好显卡好消息是不用显卡。它跑在 Node.js 环境里本地开发时数据库会自动用一个轻量版本不需要你先装一整套数据库服务。启动就一行命令的事官方脚手架会直接把一个能跑的应用摆在你面前。浏览器打开就是一个带 AI 对话框的完整界面左边是你熟悉的列表和表单右边是可以直接使唤的助手。部署方面也不挑Netlify、Vercel、Cloudflare、AWS、Docker 这些常见去处都有说明数据库用标准 PostgreSQL 就行不会被某一家云绑死。那适合谁独立开发者想快速做一个“AI 真的能操作”的小产品这是现成地基小团队的产品负责人想验证“AI 员工”到底能不能接进业务流程自动化爱好者手上有一堆零散工具想让它们能被一个 AI 统一调度纯粹的好奇者想亲眼看看“AI 直接操作软件”是什么手感不适合的也很清楚完全不想碰命令行、只想点两下就出成品的朋友这东西还是会让你皱眉。写在最后这一轮 AI 的竞争早就不是“谁家模型更聪明”了。模型越来越像水电大家都有。真正拉开差距的是谁能让 AI 顺畅地接进真实的工作流——接得进系统、拿得到数据、改得动东西、出了事还有人能拦住。agent-native 的思路算不上惊艳甚至有点“笨”不搞新概念就是把“一件事只写一遍”这件事做到极致然后让所有协议都来适配它。但往往就是这种笨办法最后活得最久。最后想问问你如果明天你常用的那个 AI 助手真的能直接操作你电脑里的软件和后台系统你最想让它先替你干哪件破事我先说我的答案——把那堆每周都要手动整理的报表交给它。【免费下载链接】agent-nativeA framework for building agentic apps项目地址: https://gitcode.com/GitHub_Trending/ag/agent-native创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Claude、ChatGPT、Cursor 都能直接指挥你的应用这个开源框架把 MCP、A2A 全塞进了一个入口【免费下载链接】agent-nativeA framework for building agentic apps项目地址: https://gitcode.com/GitHub_Trending/ag/agent-native你有没有遇到过这种憋屈事你在 Claude 或 ChatGPT 里聊得正起劲让它帮你整理一份客户名单、改一版 PPT、查一下后台数据。结果 AI 两手一摊“抱歉我看不到你的系统。”你只能复制、粘贴、再复制、再粘贴。AI 明明很聪明却像个隔着玻璃指挥的顾问能说不能干。最近在开发者圈子里被频繁讨论的agent-native干的就是拆掉这层玻璃的事。它是 Builder.io 开源的一套 TypeScript 框架主打一句话你写一次功能AI 助手、网页界面、外部工具、别的 AI 助手全都能用。而它最被反复提起的卖点就是那句“兼容 MCP、A2A、OpenAI、Claude 全家桶”。这话到底是真材实料还是发布会上的漂亮话我把它翻了个底朝天一条条对着验证。一、先用大白话说清它是啥别被“框架”两个字吓到。你可以把它理解成一个万能插排。以前做一个带 AI 的应用情况是这样的网页界面要走一套接口AI 助手要走另一套工具调用你想让别家的 AI 来用还得再单独开个口子。同一个“发邮件”的功能要写三遍、维护三遍改一次全都得跟着改。agent-native 的做法是“发邮件”这件事只写一遍然后自动长出好几个插孔——网页点了能发AI 助手说一句能发外部工具调接口能发隔壁的 AI 助手远程请求也能发。官方给这张“插排”起了个名字叫 action动作。听着玄其实就是“这个应用能干的一件事”。所以它不属于那种“帮你写提示词”的工具也不是“帮你调模型的库”。它更像是在造应用的地基AI 不是一个外挂的聊天框而是住在应用里的一个同事。顺手说一句它是 MIT 协议开源代码可以放心商用。二、四个协议逐个验哪些是真的哪些有前提我把它的文档和代码翻了一遍按“能用 / 有条件能用 / 只是模型层”分了个类。1. MCP双向都通这是最扎实的一块MCP 你可以理解成 AI 世界的USB-C 接口。有了它Claude、ChatGPT、Cursor 这些“主机”就能插上你的应用直接调用里面的功能。agent-native 在这块是双向的往外当插座。每个应用部署完自动带一个 MCP 入口不用你额外写代码。Claude、Claude Code、ChatGPT、Cursor、Codex、VS Code 里的 Copilot把地址粘进去就能连上然后它就能看见你应用里的功能清单。往里当插头。反过来你的应用也能去连别人的 MCP 服务。它内置了一份现成目录Notion、Slack、GitHub、Figma、Linear、Stripe、Sentry、Supabase 这些常见工具都在列几十家连上就能当工具用。更妙的是“回传”这一步。外部 AI 帮你做好一份草稿、一个日程、一张图表不会只丢给你一大坨文字而是给你一个“在你的应用里打开”的链接点一下直接跳到那个东西面前。这一点特别像什么像外卖小哥不只是把菜放门口还帮你摆上桌、打开盒盖。2. A2AAI 和 AI 之间互相打电话MCP 解决的是“AI 调工具”A2A 解决的是“AI 找 AI 帮忙”。区别在哪MCP 是执行A2A 是商量。前者是“帮我把这封邮件发出去”后者是“这事我拿不准你那边数据全你来判断”。agent-native 的每个应用都会自动生成一张“名片”上面写着我是谁、我会干什么。别的 AI 助手拿到名片就能派活过来。实际体验里最直观的是聊天框里的。你在对话框敲一个 把“设计助手”“数据分析助手”拉进来主助手会自动去喊它们然后把各自的回答揉进同一段对话里。这听着像群聊其实背后是真的跨应用通信。而且它不只跟自己人玩还对接了微软 Azure 的智能体服务、谷歌 Gemini 企业版这类外部 A2A 对象。但这里有个必须说清的前提正式环境必须配置一把签名密钥否则系统会直接拒绝外部请求。这是好事——门槛高一点总比谁都能进来指挥你的系统强。3. OpenAI模型层是真兼容还多了个“白嫖额度”的巧思很多人把“支持 OpenAI”理解成“能调 GPT”这只对了一半。在模型层它确实能接 OpenAI也能接 Claude、Gemini、Mistral、Groq、Cohere以及本地跑的 Ollama。还支持填一个自定义的兼容地址也就是说只要对方接口长得像 OpenAI基本都能塞进来。更有意思的是两个细节一是它能用你的 ChatGPT 订阅额度。也就是说你不一定非要另外买 API 用量符合条件的话可以直接借用已有的订阅。对个人开发者和小团队来说这是实打实省钱。二是它能在 ChatGPT 里长出界面。这件事被严重低估了。以前 AI 帮你做完东西你看到的是一堆文字现在支持在对话里直接嵌一个可点的操作面板——审草稿、改日程、选图表版本都能在聊天窗口里完成。前提是这类内嵌界面要看对方的套餐、版本和灰度情况不是人人都能立刻看到。4. Claude接得最深连“操作电脑”都算进去了Claude 这块是走原生 SDK 的不是简单套一层。官方描述里明确写了支持思考过程、提示缓存、看图、以及操作电脑这些能力。对普通用户来说“提示缓存”这四个字可以翻译成同一份长资料反复问不用每次重新读一遍又快又省钱。另外它还给 Anthropic 的托管智能体做了一个适配层对方那边发起的任务、需要人工点“同意”的环节能同步到你自己的应用界面里来批。这就避免了“AI 在后台偷偷干活你完全不知情”的恐慌。三、跟主流框架比它到底强在哪市面上的 Agent 框架不少LangChain、LlamaIndex、AutoGen、CrewAI 各有拥趸。但它们的共同点是帮你把 AI 的脑子搭起来。agent-native 的重心不一样它更像在说脑子有了活在哪干这也是它和同类最大的分野——别的框架交付的是“一个能思考的助手”它交付的是“一个助手能真正上手干活的应用”而且它不是空白起步。仓库里带着十几个现成应用邮件、日历、幻灯片、设计、数据分析、内容管理、会议记录、素材库、表单、大脑知识库……开箱就是能跑的东西你在上面改比从零搭快得多。协议覆盖上可以这么记MCP双向且默认开启A2A双向带名片发现和身份校验模型层Claude 原生 OpenAI 系 一众兼容服务 本地模型外部宿主Claude、ChatGPT、Cursor、Codex、Copilot 等主流入口都能连四、“都兼容”到底是加分项还是及格线说句实在话放在 2024 年这是加分项放在今天这正在变成及格线。原因很简单MCP 已经是事实标准谁不接谁就等于把自己关在屋里。所以“支持 MCP”这件事本身不该被当成卖点吹。真正值钱的是另一件事同一套功能在所有出口上表现一致。举个具体场景。你在应用里点“生成周报”和在 Claude 里说“帮我生成周报”和在另一个 AI 助手那边远程请求“生成周报”——走的是同一段逻辑、同一套权限校验、同一个数据库。不会出现“网页上能改AI 一改就出错”的尴尬也不会出现“AI 绕过了权限把不该看的看了”的隐患。这才是“兼容”的深层价值不是接了多少根线而是每根线后面接的是不是同一个东西。至于它不适合谁也很明确——如果你只想做个纯聊天机器人或者只是想在脚本里调一次模型那它太重了杀鸡用牛刀。五、普通人上手难吗要不要好显卡好消息是不用显卡。它跑在 Node.js 环境里本地开发时数据库会自动用一个轻量版本不需要你先装一整套数据库服务。启动就一行命令的事官方脚手架会直接把一个能跑的应用摆在你面前。浏览器打开就是一个带 AI 对话框的完整界面左边是你熟悉的列表和表单右边是可以直接使唤的助手。部署方面也不挑Netlify、Vercel、Cloudflare、AWS、Docker 这些常见去处都有说明数据库用标准 PostgreSQL 就行不会被某一家云绑死。那适合谁独立开发者想快速做一个“AI 真的能操作”的小产品这是现成地基小团队的产品负责人想验证“AI 员工”到底能不能接进业务流程自动化爱好者手上有一堆零散工具想让它们能被一个 AI 统一调度纯粹的好奇者想亲眼看看“AI 直接操作软件”是什么手感不适合的也很清楚完全不想碰命令行、只想点两下就出成品的朋友这东西还是会让你皱眉。写在最后这一轮 AI 的竞争早就不是“谁家模型更聪明”了。模型越来越像水电大家都有。真正拉开差距的是谁能让 AI 顺畅地接进真实的工作流——接得进系统、拿得到数据、改得动东西、出了事还有人能拦住。agent-native 的思路算不上惊艳甚至有点“笨”不搞新概念就是把“一件事只写一遍”这件事做到极致然后让所有协议都来适配它。但往往就是这种笨办法最后活得最久。最后想问问你如果明天你常用的那个 AI 助手真的能直接操作你电脑里的软件和后台系统你最想让它先替你干哪件破事我先说我的答案——把那堆每周都要手动整理的报表交给它。【免费下载链接】agent-nativeA framework for building agentic apps项目地址: https://gitcode.com/GitHub_Trending/ag/agent-native创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
