llm.rb
面向 CRuby 的智能体 AI 运行时：统一 API 覆盖 14+ 提供商，默认零运行时依赖，支持并发工具执行。
证据显示：MCP工具白名单、Guard钩子（可拦截策略/配额）、Transformers可脱敏、零运行时默认依赖、fork隔离；扣分点：`confirm` 仅作为选项名出现，无用户确认默认行为文档；内置shell/文件系统工具（LLM::Tool::Exec等）的默认权限与同意机制未见说明；无回滚/撤销机制描述；发布者未经注册表验证，仅能确认作者署名（Robert Gleeson）。
证据显示：默认Guard::Loop防死循环、重试预算、超时与取消（LLM::Interrupt）、CI多Ruby版本多JSON解析器矩阵；扣分点：README存在拼写错误（Aftter/providied），错误消息与失败路径的具体行为仅部分提及（未知set键报错、Interrupt），未展示完整错误语义。
证据显示：14+提供商、多并发策略、多传输层、数据库集成、CLI与控制台，适用场景描述充分；扣分点：技能/工具触发精度（何时调用什么）缺乏判据文档，README未给出边界/不适配场景。
证据显示：README结构清晰（安装、快速开始、可折叠专题）、MIT全文许可、大量可运行示例、可选依赖安装说明、CI工作流存在；扣分点：无CHANGELOG或版本历史、无已知限制章节（仅零散提及compactor默认关闭、部分并发策略需opt-in依赖）。
证据显示：单API覆盖多提供商、结构化输出、Schema、持久化、CLI开箱即用，对构建代理应用具有明确边际价值；扣分点：成本收益仅部分可查（registry按价格排序、tool_budget/retry_budget提及但无示例），无可量化的成本控制证据。
证据显示：README链接自托管API文档、CI配置与README声明的可选依赖（curb、pg）相互印证、models.dev来源标注；扣分点：API文档与r.uby.dev聊天机器人自证性引用较多，无第三方独立佐证，功能声明（如DeepSeek SVG生成）无法静态核实。
- 内置Exec/文件系统工具的默认权限边界未见文档，生产部署前必须自行配置Guard并验证确认机制（confirm）的实际行为。
- 发布者身份未经企业注册表验证，功能声明（如DeepSeek扩展能力）均来自自托管文档，需独立核实。
- 无CHANGELOG与已知限制说明，升级前应审查diff并锁定版本。
这个 Agent 能做什么，适合哪些场景？
llm.rb（仓库 r-uby-dev/llm）是一个构建在 CRuby 上的智能体应用运行时，默认零运行时依赖，用同一套连贯的 API 覆盖 14+ 个模型提供商（Anthropic、OpenAI、DeepSeek、Google、Ollama、llama.cpp 等）。核心接口 LLM::Agent 自动管理工具执行、防止无限循环并维护对话状态；LLM::Stream 提供内容、推理、工具调用、压缩等结构化回调。运行时内置 MCP 与 A2A 协议的一等支持、LLM::Schema 结构化输出、LLM::Guard 工具调用策略钩子、LLM::Transformer 消息改写、LLM::Compactor 上下文压缩以及 OpenTelemetry 可观测性。持久化方面支持文件 JSON、ActiveRecord 与 Sequel（含 PostgreSQL b 优化），并附带一个基于 curses 的交互式控制台和 llm.rb CLI。项目采用 MIT 许可证，同时镜像到 Radicle 网络。
通过 gem install llm.rb 安装后，开发者用类工厂方法（如 LLM.deepseek、LLM.openai）创建提供商实例，交给 LLM::Agent 并调用 agent.talk 完成对话。智能体可执行：LLM::Tool 子类形式的 Ruby 工具（含内置文件系统、搜索、shell 工具目录，支持 :async/:thread/:fiber/:fork/:ractor/:sequential 六种并发策略）；Markdown 定义的 Skills（生成一次性子智能体）；LLM::MCP.stdio/.http 挂载的 MCP 服务器工具；LLM::A2A.rest 调用的远程 A2A 智能体技能。LLM::Schema 产生经校验的 JSON 结构化输出，LLM::Guard 可拦截/代答工具调用（默认启用 Loop 防循环保护），LLM::Transformer 在消息发出前改写内容，LLM::Compactor::Truncate 控制上下文窗口，429 与超时按 retry_budget（默认 5 次）自动重试。LLM::Agent#interrupt! 可从任意线程中止流式请求并中断运行中的工具。Embedding API（llm.embed）配合 sqlite-vec/pgvector 支持 RAG，OpenAI、Google、xAI、DeepInfra 支持图像生成，DeepSeek 可通过文本模型生成 SVG。
- Ruby/Rails 开发者需要在现有应用中集成多个 LLM 提供商，希望一行代码切换而不改动调用代码。
- 需要构建带文件系统、shell 或搜索工具的自动化智能体，并要求工具并发或并行执行的团队。
- 已有 ActiveRecord/Sequel 数据栈的团队想为聊天机器人做数据库持久化（如 r.uby.dev 聊天机器人使用 acts_as_agent 与 b）。
- 需要将远程 MCP 服务器或 A2A 智能体的能力以工具形式接入本地智能体的集成场景。
- 预算有限、希望用 DeepSeek 等廉价模型并获得结构化输出与图像（SVG）生成等增强能力的个人开发者。
- 需要通过 curses 控制台或 llm.rb CLI 在终端交互式调试、测试工具和会话的开发者。
这个 Agent 有哪些优点和局限？
- 默认零运行时依赖，单套 API 覆盖 14+ 提供商，切换提供商只需改一行工厂方法。
- 六种并发策略（含 :fork/:ractor 真并行）与 interrupt!/cancel! 中断机制，工具执行控制粒度细。
- MCP 与 A2A 一等支持，工具、技能、压缩、守卫、追踪器均可在 curses 控制台中调试。
- ActiveRecord/Sequel 一列持久化加文件 JSON 持久化，同一套序列化机制。
- 内置模型注册表（来自 models.dev），含目录、价格、上下文窗口与模态信息，可按价格排序。
- 部分并发策略需要额外依赖：:async 需 async gem，:fork 需 xchan.rb gem，:fiber 需自行提供 Fiber.scheduler。
- 文档较新的特性（如 Skills、A2A）依赖维护者个人项目生态（r.uby.dev、roda-llm），主要维护者为一人，巴士因子风险存在。
- 多语言/多运行时支持受限：针对 CRuby，README 另提到独立的 mruby-llm 运行时需单独回移改动。
- 默认 :sequential 串行执行工具，并行需显式选择并承担相应依赖成本。
- DeepSeek 的图像生成仅限 SVG 矢量图形，且结构化输出是运行时模拟而非官方 API 能力。
如何安装或部署这个 Agent？
安装 gem：
gem install llm.rb如需完整控制台体验，可另装可选依赖：
gem install unicode-display_width curses kramdown xchan.rb test-cmd.rb设置环境变量中的 API 密钥（如 DEEPSEEK_API_KEY、OPENAI_API_KEY、ANTHROPIC_API_KEY 等），本地模型（Ollama、llama.cpp）通常无需密钥。
如何使用这个 Agent？
最小示例：
require "llm"llm = LLM.deepseek(key: ENV["KEY"])
agent = LLM::Agent.new(llm, stream: $stdout)
agent.talk "hello world"添加自定义工具：定义 LLM::Tool 子类（name/description/parameter/required，实现 call）并传入 tools:。持久化：LLM::Agent.new(llm, path: "session.") 自动保存/恢复会话。数据库持久化：require "llm/active_record" 后在模型上使用 acts_as_agent(format: :b)。CLI：安装后运行 llm.rb（自动检测环境变量中的提供商），llm.rb -p openai 指定提供商，llm.rb -t 使用临时会话，会话存储于 ~/.llm.rb/。MCP：mcp = LLM::MCP.stdio(argv: ["ruby", "server.rb"]) 后将 mcp.tools 传入 Agent。
这个 Agent 与同类方案有什么区别？
README 未直接列出竞品，但从定位看，llm.rb 相当于 Ruby 生态中的智能体运行时，与 Python 生态的 LLM 智能体框架对标；其差异化在于零依赖、CRuby 原生并发（fiber/ractor/fork）以及 MCP/A2A 内置支持。