aiXplain SDK
用 Python 构建、治理、部署并监控单智能体或多智能体系统。
- Star 数
- ★ 59
- 最近更新
- 7 天前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 29/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台
- 费用
- 有免费版，另有付费云服务
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- Python 开发者需要为应用增加带网络搜索和引用要求的研究助手，并希望直接获得类型化运行结果。
- 不适合
- 需要完全离线、数据不出本地的团队，运行元数据会经 ipinfo.io 外发
- 不愿注册 aiXplain 账号并持有 API key 的用户
- 仍依赖 SDK v1 旧工厂 API 且不打算迁移的团队
这个 Agent 能做什么，适合哪些场景？
aiXplain SDK 是面向 Python 开发者的智能体运行与部署平台，覆盖构建、评估、部署、监控和演进流程。它支持知识检索、数据处理、自定义逻辑、外部集成和多智能体团队，并通过统一入口连接 900 多种模型、工具与集成。运行时可对每次操作应用权限、限流、用量控制和检查策略，同时记录计划、工具调用及结果的步骤级轨迹。项目宣称同一智能体定义可以运行在云端、本地、边缘或本地部署环境中，但给定材料没有提供各环境的安装细节或兼容性测试矩阵。
SDK 读取 AIXPLAIN_API_KEY，获取市场中的模型或工具，并用 Python 定义带有指令、工具、子智能体和 Inspector 的智能体。运行请求时，规划器拆分目标，编排器把工作路由给子智能体，工具执行外部操作，Inspector 根据运行时策略检查或编辑结果。agent.save() 可把定义保存为持久化、版本化端点；agent.run() 执行查询并返回类型化结果，正文通过 result.data.output 读取。材料还说明平台支持 RAG、MCP 端点、步骤级执行追踪，以及云端、本地、边缘和本地部署。
- Python 开发者需要为应用增加带网络搜索和引用要求的研究助手，并希望直接获得类型化运行结果。
- 团队需要让一个主智能体协调研究、分析或自定义逻辑子智能体，同时在输出前执行统一检查策略。
- 企业需要为模型和工具设置允许操作、资产权限、速率限制、用量限制及访问控制。
- 需要跨云端、本地、边缘或本地环境维护同一套智能体定义的工程团队。
- 使用兼容 MCP 的 IDE 或编码智能体、并希望通过统一端点访问市场资产的开发者。
如何安装或部署这个 Agent？
在具有 Python 和 shell 的环境中运行：
pip install aixplain
export AIXPLAIN_API_KEY=<your-key>材料未说明最低 Python 版本、支持的操作系统、离线安装方式或各类本地部署所需的额外依赖。
如何使用这个 Agent？
使用 SDK v2 创建客户端，取得工具并限制其操作，然后构建、保存和运行智能体：
from aixplain import Aixplainaix = Aixplain()
search_tool = aix.Tool.get("tavily/tavily-web-search/tavily")
search_tool.allowed_actions = ["search"]
agent = aix.Agent(name="Research agent",
description="Answers questions with concise web-grounded findings.",
instructions="Use the search tool when needed and cite key findings.",
tools=[search_tool],
)
agent.save()
result = agent.run(query="Who is the CEO of OpenAI? Answer in one sentence.")
print(result.data.output)多智能体配置可通过 subagents 添加子智能体，通过 inspectors 添加运行时检查器，并用 agent.save(save_subcomponents=True) 一并保存组件。README 还提到 API、CLI 和 MCP，但没有给出通用 CLI 工作流或完整 API 部署步骤。
这个 Agent 有哪些优点和局限？
- 一个 SDK 覆盖智能体定义、执行、持久化部署、运行时治理和步骤级追踪。
- 支持由规划器、编排器、子智能体和 Inspector 组成的多智能体执行流程。
- 通过单一密钥访问 900 多种模型、工具和集成，减少逐个接入供应商 SDK 的工作。
- 明确提供允许列表、资产权限、速率与用量限制以及访问控制等治理机制。
- 文档宣称同一定义可用于云端、本地、边缘和本地部署，并支持兼容 MCP 的客户端。
- 快速入门依赖 aiXplain 账户、API 密钥和网络访问；云端资源采用按量计费或订阅定价。
- 给定材料没有列出 Python 版本、操作系统支持范围、完整本地部署步骤或各环境的功能差异。
- 没有提供测试套件、基准结果、可用性承诺或 900 多项市场资产的逐项兼容性证据。
- Inspector 示例使用始终返回 false 的占位判断器，不能证明实际策略在误判、工具失败或超时情况下的行为。
- SDK v1 仅支持到 2026 年 8 月 1 日，旧版用户需要迁移到 v2。
这个 Agent 与同类方案有什么区别？
与自行拼接多个模型供应商 SDK、认证、限流、队列、自动扩缩容、治理和追踪组件相比，aiXplain 提供统一的 SDK、市场入口和运行时。代价是快速入门需要 aiXplain API 密钥，云端资产受其计费与服务可用性影响；材料虽宣称支持本地及多基础设施运行，但未给出足以比较部署差异的技术细节。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| aiXplain SDK 当前 | 29 · 缺口较多 | 代码库 / SDK免费版 + 付费版 | ★ 59 | 7 天前 | Python | — |
| AgenticX 多智能体平台 | 64 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 977 | 1 天前 | Python | Claude Code · OpenAI API · Claude API |
| AgentScope 2.0 | 70 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 35k | 2 天前 | Python | OpenAI API · Claude API |
| Swarms 多智能体编排框架 | 证据不足 | 代码库 / SDK免费 + 模型费 | ★ 7.4k | 今天 | Python | Claude Code · OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：仓库未提供权限管理、用户确认、数据流透明性、敏感数据处理、依赖安全、外部影响、回滚或来源归属的任何实现或文档。所有信任相关标准均缺失，因此得分为0。
证据显示：存在测试套件和CI配置，表明一定的一致性；依赖在pyproject.toml中列出，但未锁定版本；测试中有错误处理，但未提供用户友好的失败消息。因此自一致性、依赖可用性和失败消息各得1分。
证据显示：README描述了目标受众（Python程序员）和场景（构建AI代理）；能力边界未明确说明；触发精度未定义；环境适配（Python版本、操作系统）在pyproject.toml中说明。因此受众和场景得2分，能力边界和触发精度各得1分，环境适配得2分。
证据显示：有README和文档链接，但信息架构不完整；安装说明在README中提及但未详细说明；命名稳定性未明确；示例和FAQ有限；已知限制未说明；许可证为Apache-2.0；版本号存在但无变更日志；维护责任未明确。因此信息架构得2分，安装说明、命名稳定性、示例和FAQ、版本控制各得1分，已知限制得0分，许可证得2分，维护责任得1分。
证据显示：输出可用性未明确说明；边际价值在README中有所体现（提供900+模型）；成本效益未讨论。因此输出可用性得1分，边际价值得2分，成本效益得1分。
证据显示：README中的声明未提供证据支持；跨来源验证有限；事实与推断未分离。因此声明可追溯性得1分，跨来源验证得1分，事实推断分离得0分。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 未提供权限管理或用户确认机制，可能执行任意代码或访问敏感数据。
- 依赖未锁定版本，存在供应链风险。
- 未说明已知限制，可能隐藏功能缺陷。
- 发布者身份未验证，需谨慎评估。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v0.2.48 0.2.48
发布说明摘录
Release Notes [0.2.48](https://github.com/aixplain/aiXplain/compare/0.2.47...v0.2.48) (2026-09-11) Everything merged since 0.2.47. This is the first tag to use the v prefix (v0.2.48), which the release pipeline requires. Critical fix - packaging: a source build made outside a git checkout shipped 3 of 169 modules with no error and no warning. [tool.setuptools.packages.find].include was a bare "aixplain", which fnmatches the full dotted package name and so discarded all 26 subpackages; the missing setuptools-scm file-finder had been masking it. Now "aixplain*", wi …在 GitHub 查看 ↗ -
发布说明摘录
Release Notes [0.2.47](https://github.com/aixplain/aiXplain/compare/0.2.44...0.2.47) (2026-07-22) Combined changelog for everything since 0.2.44. This release includes and supersedes the 0.2.45rc1 pre-release and more. Critical fix - v2-agent: Agent.get() + save() no longer silently overwrites the agent's LLM with the default (GPT-5.4). On 0.2.43/0.2.44 the fetched agent never decoded the model field from the API response, so agent.llm fell back to DEFAULT_LLM and any subsequent save() persisted it — resetting the agent's configured LLM (#922). …在 GitHub 查看 ↗ -
发布说明摘录
Release Notes [0.2.44](https://github.com/aixplain/aiXplain/compare/0.2.43...0.2.44) (2026-04-07) Features - v2-actions: Add unified Actions -> Action -> Inputs -> Input hierarchy for models and tools - Models now expose model.actions["run"].inputs with model.inputs as a shorthand - Tools now expose tool.actions["action_name"].inputs for action discovery and parameter configuration - Inputs support schema-aware validation, defaults, reset behavior, and dot/bracket access patterns - rlm: Add Recursive Language Model support to the SDK …在 GitHub 查看 ↗