开发与工程 mcp integration-platform oauth2 function-calling strata sandbox api

Klavis AI - MCP 集成平台

让 AI 代理通过可靠的 MCP 集成，在任何规模下使用工具。

源仓库: Klavis-AI/klavis
Star 数: ★ 5.8k
最近更新: 4 个月前
License: Apache-2.0
主语言: Python
FA 评分: 12/100 · 缺口较多

30 秒速览

运行形态: 云服务 / SaaS自托管服务代码库 / SDK
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: DockerpipxPython SDKTypeScript SDKShell / 命令行网络访问本地文件系统
典型场景: 开发者需要快速集成多个外部工具（如 Gmail、Slack）到 AI 代理中，通过预构建的 MCP 集成节省开发时间。
不适合: 需要完全离线、数据不出本地的团队
不愿依赖 Klavis 云服务与 API Key 的用户
需要详尽自托管文档与完整 API 参考的团队
源码审查: 12/100 · 缺口较多 8 项安全控制未见

这个 Agent 能做什么，适合哪些场景？

Klavis AI 是一个开源的 MCP（模型上下文协议）集成平台，旨在让 AI 代理能够可靠地使用外部工具。它提供三种核心解决方案：Strata（智能连接器，优化上下文窗口）、MCP 集成（100+ 预构建集成，支持 OAuth）和 MCP 沙盒（可扩展的 MCP 环境，用于 LLM 训练和强化学习）。该平台支持云托管（klavis.ai）和自托管（Docker）两种方式，并提供 Python/TypeScript SDK 和 REST API。它还提供了 GitHub MCP 服务器、Playwright MCP 集成等示例。Klavis AI 旨在成为 AI 代理与外部工具之间的桥梁，提升工具调用的可靠性和可扩展性。

Klavis AI 通过 MCP 协议将 AI 代理连接到外部工具和服务。它提供 Strata，用于聚合多个 MCP 服务器并优化上下文窗口；提供 100+ 预构建的 MCP 集成，涵盖 Gmail、Slack 等，支持 OAuth2 认证；提供 MCP 沙盒环境，用于在隔离环境中运行 MCP 服务器，支持 LLM 训练和强化学习。用户可以通过 Python SDK（如 'from klavis import Klavis'）或 TypeScript SDK（如 'import { KlavisClient } from klavis'）创建和管理 MCP 服务器实例，也可以通过 REST API（如 POST /v1/mcp-server/strata）直接调用。自托管时，用户可以使用 Docker 运行独立的 MCP 服务器，或使用 pipx 安装 Strata 命令行工具。

开发者需要快速集成多个外部工具（如 Gmail、Slack）到 AI 代理中，通过预构建的 MCP 集成节省开发时间。
需要优化上下文窗口的团队，使用 Strata 将多个 MCP 服务器聚合为一个，减少 token 消耗。
进行 LLM 训练的工程师，利用 MCP 沙盒创建可扩展的工具环境，进行强化学习实验。
希望通过 OAuth2 安全连接外部服务的应用，Klavis 提供无需处理复杂认证流程的集成。
希望自托管 MCP 基础设施的企业，使用 Docker 镜像（如 ghcr.io/klavis-ai/github-mcp-server）部署到自己的环境中。
希望通过 REST API 实现服务器端集成的开发者，可灵活调用 Klavis 的 API 端点。

如何安装或部署这个 Agent？

Klavis 提供多种安装方式：

云托管：直接访问 klavis.ai 注册并使用快速入门指南。
自托管 MCP 服务器：使用 Docker 拉取镜像，例如 docker pull ghcr.io/klavis-ai/github-mcp-server:latest，然后运行 docker run -p 5000:5000 ghcr.io/klavis-ai/github-mcp-server:latest。
安装 Strata：使用 pipx 安装 pipx install strata-mcp，然后添加 MCP 服务器，如 strata add --type stdio playwright npx @playwright/mcp@latest。
使用 SDK：安装 Python 或 TypeScript SDK，并设置 API 密钥（从 klavis.ai 获取）。

如何使用这个 Agent？

安装后，根据部署方式使用：
- 对于自托管的 MCP 服务器，直接通过 Docker 暴露的端口（如 5000）与服务器交互。
- 对于 Strata，使用命令行工具添加和管理 MCP 服务器。
- 对于 SDK 用户，创建 Klavis 客户端实例，然后调用 mcp_server.create_strata_server 或 mcp_server.create_server_instance 创建服务器实例，传入用户 ID 和服务器名称（如 GMAIL、SLACK）。
- 对于 REST API，使用 curl 发送 POST 请求到 https://api.klavis.ai/v1/mcp-server/strata，包含 API 密钥和 JSON 负载（如 {"user_id": "user123", "servers": ["GMAIL", "SLACK"]}）。
例如，Python 示例：

from klavis import Klavis
klavis = Klavis(api_key="your-key")
strata = klavis.mcp_server.create_strata_server(user_id="user123", servers=["GMAIL", "SLACK"])

这个 Agent 有哪些优点和局限？

优点

提供 100+ 预构建的 MCP 集成，覆盖常见服务，支持 OAuth2，降低集成成本。
Strata 通过聚合多个 MCP 服务器优化上下文窗口，减少 token 消耗，提升效率。
支持多种部署方式（云、自托管、SDK、REST），灵活适应不同场景。
MCP 沙盒环境可扩展，为 LLM 训练和强化学习提供隔离环境。
开源（Apache-2.0），允许自定义和自托管。

局限

云服务依赖 Klavis 基础设施，存在供应商锁定风险，自托管需要自行维护。
SDK 和 API 需要 API 密钥，需要注册并可能产生成本（未在 README 中明确）。
自托管 MCP 服务器仅提供了 GitHub 和 Playwright 的示例，覆盖范围可能有限。
文档主要在外部网站，README 中未包含详细的 API 参考，迁移可能需要查阅额外资料。
MCP 协议和 Strata 是相对较新的概念，可能需要用户学习新工具。

这个 Agent 与同类方案有什么区别？

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
Klavis AI - MCP 集成平台当前	12 · 缺口较多	云服务 / SaaS免费版 + 付费版	★ 5.8k	4 个月前	Python	—
Corsair 产品集成平台	53 · 缺口较多	代码库 / SDK免费版 + 付费版	★ 15k	今天	TypeScript	—
ACI.dev 开源工具调用平台	40 · 缺口较多	自托管服务免费版 + 付费版	★ 4.9k	4 个月前	Python	—
OpenAI Agents SDK	64 · 存在缺口	代码库 / SDK免费 + 模型费	★ 30k	2 天前	Python	OpenAI API

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1

缺口较多

12/ 100 五分制 0.6 / 5

信任安全 0/29

可靠稳定 2/14

适用触发 3/18

规范维护 4/18

有效结果 3/13

证据核验 0/8

查看各维度的扣分理由

信任安全0 / 29 · 0.0/5

证据显示仓库包含MCP服务器构建工作流，但未提供权限最小化、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的具体实现或文档。所有信任相关标准均未得到支持，因此评分为0。

可靠稳定2 / 14 · 0.7/5

自一致性：README中展示了多种使用方式（云托管、自托管、SDK、REST API），但未提供详细的错误处理或失败消息文档。依赖可用性：未提供依赖清单或锁定文件。失败消息：未提供错误处理或用户提示的文档。因此自一致性评分为1，其余为0。

适用触发3 / 18 · 0.8/5

受众与场景：README明确了目标用户（AI代理开发者）和场景（MCP集成），但未详细说明能力边界。触发精度：未提供触发条件或权限控制细节。环境适配：提供了多种部署选项（Docker、pipx、SDK），但未说明系统要求。因此受众与场景和环境适配评分为1，其余为0。

规范维护4 / 18 · 1.1/5

信息架构：README结构清晰，但缺少详细文档。安装说明：提供了快速开始指南，但未提供完整安装步骤。命名稳定性：未提供命名约定或API稳定性说明。示例与FAQ：提供了代码示例，但无FAQ。已知限制：未提及。许可证：提供了Apache-2.0许可证文件，评分为2。版本与变更日志：未提供。维护责任：未明确维护者或贡献指南。因此信息架构、安装说明、示例与FAQ、维护责任评分为1，许可证评分为2，其余为0。

有效结果3 / 13 · 1.2/5

输出可用性：提供了SDK和REST API示例，但未说明输出格式或集成方式。边际价值：提供了多种集成选项，但未与其他方案比较。成本效益：未提供定价或性能数据。因此输出可用性和边际价值评分为1，成本效益为0。

证据核验0 / 8 · 0.0/5

声明可追溯性：README中的声明（如100+预构建集成）未提供证据。跨来源佐证：未提供独立验证。事实与推断分离：未区分事实和推断。因此所有标准评分为0。

风险与缓解建议

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。
仓库未提供权限最小化、用户确认或数据流透明度的实现或文档，存在安全风险。
依赖安全未得到验证，且未提供依赖清单或锁定文件。
README中的声明（如100+预构建集成）缺乏证据支持，需谨慎对待。

证据充分度：低评估于 2026年8月13日审查版本 45c9f7da83d1

评估证据 README.md LICENSE workflows/mcp-servers-build.yml workflows/python-sdk-release.yml tests/conftest.py tests/test_server.py

查看完整评分方法 →

常见问题

使用 Klavis 的成本是多少？

README 未提及定价，云服务可能收费，自托管开源免费。具体费用需访问 klavis.ai 或联系团队。

如何获得 API 密钥？

需要注册 klavis.ai 账户，在控制台创建 API 密钥。自托管用户可能不需要 API 密钥。

自托管时如何管理多个 MCP 服务器？

可以使用 Strata 聚合多个服务器，或使用 Docker 分别运行，并通过网络连接。

是否支持自定义 MCP 服务器？

是的，Strata 和 SDK 允许添加自定义 MCP 服务器，但可能需要遵循 MCP 协议。

MCP 沙盒的用途是什么？

主要用于创建可扩展的 MCP 环境，支持 LLM 训练和强化学习，提供隔离的运行环境。

Klavis AI - MCP 集成平台

30 秒速览

这个 Agent 能做什么，适合哪些场景？

如何安装或部署这个 Agent？

如何使用这个 Agent？

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

FollowAgents 如何评估这个 Agent？

最近版本

常见问题

对比同类 Agent

开源编程 Agent 横向对比

MCP Agent 横向对比

相关 Agents

Corsair 产品集成平台

ACI.dev 开源工具调用平台

OpenAI Agents SDK

AppWorld 智能体基准测试环境