LLM Functions
用 Bash、JavaScript 或 Python 函数构建可供 AIChat 调用的工具与智能体。
这个 Agent 能做什么，适合哪些场景？
LLM Functions 是一个将普通 Bash、JavaScript 和 Python 函数包装为 LLM 工具的项目。它通过注释自动生成工具的 JSON 声明，并用 argc 构建 bin 与 functions.json。智能体以“提示词 + 工具 + 文档”的目录结构定义，核心配置文件为 agents/<agent>/index.yaml。当前明确支持该项目的 CLI 只有 AIChat，使用者可将仓库链接到 AIChat 的 functions_dir，或设置 AICHAT_FUNCTIONS_DIR。项目还包含 MCP server，用于向 Model Context Protocol 暴露其工具和智能体，以及 MCP bridge，用于让 LLM Functions 使用外部 MCP 工具。
开发者在 tools/ 中编写 .sh、.js 或 .py 函数；Bash 工具可用 # @describe 和 # @option 注释声明接口，JavaScript 与 Python 示例则从函数注释和签名提供描述。将工具文件名写入 tools.txt、将智能体名写入 agents.txt 后，运行 argc build 生成 bin 和 functions.json，再运行 argc check 检查环境变量、Node/Python 依赖及 mcp-bridge server。每个智能体可在 agents/<agent>/ 中通过 index.yaml 定义 name、description、instructions、conversation_starters、variables 与 documents，并配置共享或专属工具。完成链接后，AIChat 可用 aichat --role %functions% 调用工具，或用 aichat --agent <agent> 调用智能体。
- 熟悉 Shell 的开发者需要把执行命令的脚本封装成函数调用工具，并从 AIChat 对话中触发它。
- Node.js 开发者希望将 exports.run 函数作为工具执行一段 JavaScript 逻辑。
- Python 开发者需要把带类型标注和文档字符串的 run 函数转为工具声明。
- 团队要创建带 instructions、variables 和 documents 的专用智能体，并为其配置共享工具与本地工具。
- 已经使用 AIChat 的用户想把本地函数仓库链接到 functions_dir 后，通过 --role 或 --agent 使用。
- 需要在 MCP 客户端与函数工具之间互通的开发者，可评估项目提供的 mcp/server 和 mcp/bridge。
这个 Agent 有哪些优点和局限？
- 可直接复用 Bash、JavaScript 和 Python 函数，而非要求学习专用工具定义语言。
- argc build 可从代码注释自动生成 functions.json 工具声明。
- 智能体目录同时容纳提示词、工具清单和 documents，配置边界清楚。
- 同时提供向 MCP 暴露工具/智能体的 server，以及接入外部 MCP 工具的 bridge。
- 文档明确表示目前只有 AIChat CLI 支持 LLM Functions，采用边界较窄。
- 运行前依赖 argc 与 jq；argc check 还会检查 Node/Python 依赖和 mcp-bridge server。
- 外部 API 工具的认证、密钥管理和失败处理方式未在所给材料中说明。
- 示例包含执行 shell、JavaScript 与 Python 代码的工具，实际部署时需要自行评估所接入工具的执行权限。
如何安装或部署这个 Agent？
先安装 README 列出的 argc 与 jq；要实际调用函数，还需安装 AIChat。克隆并进入仓库：
git clone https://github.com/sigoden/llm-functions
cd llm-functions
创建 tools.txt，每行一个工具文件名；创建 agents.txt，每行一个智能体名称。随后运行：
argc build
argc check
将当前目录链接到 AIChat 的 functions_dir：
ln -s "$(pwd)" "$(aichat --info | sed -n 's/^functions_dir\s\+//p')"
也可运行 argc link-to-aichat，或设置：
export AICHAT_FUNCTIONS_DIR="$(pwd)"
仓库未说明需要任何账号凭据或 API 密钥；如所选工具本身访问外部 API，其凭据配置方式未在所给材料中说明。
如何使用这个 Agent？
在 tools.txt 中列出如 get_current_weather.sh 和 execute_command.sh 的工具文件，在 agents.txt 中列出如 coder 和 todo 的智能体名称，执行 argc build 与 argc check。确认仓库已链接到 AIChat 后，可运行：
aichat --role %functions% what is the weather in Paris?
或：
aichat --agent todo list all my todos
自定义 Bash 工具以 eval "$(argc --argc-eval \"$0\" \"$@\")" 初始化 argc，并把结果写入 $LLM_OUTPUT；JavaScript 工具导出 exports.run，Python 工具定义 run。
这个 Agent 与同类方案有什么区别？
AIChat 是唯一被明确说明支持 LLM Functions 的 CLI；材料没有提供与其他 CLI 或智能体框架的功能对比。