开发与工程 python-sdk typescript-sdk structured-output function-calling multi-provider-models pydantic async-execution

Mirascope

用统一接口调用不同前沿模型，并构建带工具和结构化输出的智能体。

源仓库: Mirascope/mirascope
Star 数: ★ 1.5k
最近更新: 1 天前
License: MIT
主语言: Python
FA 评分: 55/100 · 缺口较多

30 秒速览

运行形态: 代码库 / SDK开发框架
可在哪里用: 通用 · 跨平台Claude API
费用: 软件免费，模型调用费用自付
上手难度: 低 · 几分钟可跑通
开始前需要: Pythonuv提供商 API 凭据Shell / 命令行网络访问
典型场景: Python 应用开发者需要用同一种装饰器接口调用不同模型，而不想让业务函数直接绑定某个供应商 SDK。
不适合: 希望开箱即用聊天界面而非自己写代码的用户
需要现成权限隔离与工具沙箱的生产团队
源码审查: 55/100 · 缺口较多 2 项安全控制未见

这个 Agent 能做什么，适合哪些场景？

Mirascope 是一个采用 MIT 许可证的 Python 与 TypeScript 单体仓库，定位为连接不同前沿大语言模型的统一编程接口。Python API 通过 @llm.call 把普通函数变成模型调用，并可用 Pydantic 模型约束和解析结构化结果。开发者可用 @llm.tool 注册函数工具，再通过 response.tool_calls、execute_tools() 和 resume() 驱动工具调用循环。项目还说明支持流式处理、异步执行和多轮对话，但相关用法未在所给快速入门中展开。它是供应用程序嵌入的开发库，而非独立托管的聊天产品；仓库同时包含 Python、TypeScript、网站和跨语言文档。

应用先定义一个由 @llm.call("provider/model") 装饰的 Python 函数，函数返回的字符串成为模型请求内容；调用该函数后，Mirascope 向所选模型服务发起请求并返回响应对象。设置 format=Book 等 Pydantic 类型后，可调用 .parse() 得到经过类型化的结构化对象。通过 @llm.tool 声明工具并将其传入 tools=[...] 后，代码检查 response.tool_calls，以 response.execute_tools() 执行本地工具，再用 response.resume(...) 将结果交还模型，循环至没有待处理工具。仓库还提供 Python 与 TypeScript 实现及示例；文档网站可用 bun run website:dev 启动，根目录的 bun run ci 会运行拼写检查、Python/TypeScript lint 与类型检查以及文档构建。

Python 应用开发者需要用同一种装饰器接口调用不同模型，而不想让业务函数直接绑定某个供应商 SDK。
后端团队需要让模型返回符合 Pydantic 模型的对象，例如书籍、工单或领域实体，而不是自行解析自由文本。
智能体开发者需要把现有 Python 函数暴露为模型工具，并在应用代码中明确控制工具执行与恢复循环。
需要流式、异步或多轮模型交互的团队，可将 Mirascope 作为应用内库进一步评估其完整文档。
同时维护 Python 与 TypeScript 服务的工程团队，可评估该仓库提供的两种语言实现和统一跨语言文档。

如何安装或部署这个 Agent？

在 Python 项目中运行：

uv add "mirascope[all]"

该命令需要 Python 和 uv。模型调用还需要对应供应商的 API 凭证和网络连接，但所给材料没有说明凭证名称、环境变量或支持的 Python 版本，因此需按所选模型供应商补充配置。只有开发文档网站时才明确需要 Bun。

如何使用这个 Agent？

最小调用示例：

from mirascope import llm

@llm.call("anthropic/claude-sonnet-4-5")
def recommend_book(genre: str):

return f"Recommend a {genre} book."

response = recommend_book("fantasy")
print(response.text())

如需结构化结果，定义 Pydantic BaseModel，将其传给 format，然后调用 .parse()。如需工具，使用 @llm.tool 装饰函数，通过 tools=[get_available_books] 注册，并在 while response.tool_calls: 循环中执行 response.resume(response.execute_tools())。所选 Anthropic 模型的具体凭证配置没有在材料中给出。

这个 Agent 有哪些优点和局限？

优点

以 @llm.call 提供统一模型调用入口，仓库明确宣称可用于任意前沿大语言模型。
结构化输出直接结合 Pydantic 模型，并提供 .parse() 获取类型化结果。
工具执行循环由应用代码显式控制，可检查 tool_calls、执行工具并恢复模型响应。
同时包含 Python 和 TypeScript 实现，以及统一的跨语言文档。
除基础调用外，项目明确列出流式、异步和多轮对话支持。

局限

快速入门只展示了 Anthropic 模型标识，未列出其他供应商、模型适配器或各自的配置方式。
材料没有给出 API 凭证的环境变量名称、错误处理、重试、超时或速率限制策略。
示例中的工具由应用进程本地执行，采用者仍需自行处理工具权限、隔离和副作用。
Python 安装命令使用 [all] 可选依赖集合，但材料没有说明其包含内容或最小安装方式。
TypeScript 实现存在，但所给材料没有提供对应的安装命令或首个可运行示例。

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
Mirascope 当前	55 · 缺口较多	代码库 / SDK免费 + 模型费	★ 1.5k	1 天前	Python	Claude API
TanStack AI	76 · 存在缺口	代码库 / SDK免费 + 模型费	★ 3.2k	4 天前	TypeScript	OpenAI API · Claude API
Strands Agents	30 · 缺口较多	代码库 / SDK免费 + 模型费	★ 8.9k	2 天前	Python	OpenAI API · Claude API
Composio	51 · 缺口较多	代码库 / SDK免费 + 模型费	★ 31k	2 天前	TypeScript	Claude Code · OpenAI API · Claude API

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1

缺口较多

55/ 100 五分制 2.8 / 5

信任安全 11/29

可靠稳定 8/14

适用触发 10/18

规范维护 13/18

有效结果 7/13

证据核验 6/8

查看各维度的扣分理由

信任安全11 / 29 · 1.9/5

CI 工作流将默认权限限制为 contents: read，发布任务仅单独授予 id-token: write；测试录像还会过滤授权头、API 密钥、Cookie 和组织标识，因此依赖权限与敏感信息处理有明确证据。扣分在于产品层没有展示工具权限隔离、调用前用户确认、数据保留或供应商传输说明；execute_tools 可执行用户注册工具，但没有副作用分级、恢复或回滚机制。仓库、站点、版权主体和许可证归属清楚，但没有可核实的个人维护者身份，且给定出版者身份仍属未知。

可靠稳定8 / 14 · 2.9/5

README、包脚本、CI 和测试配置共同呈现了统一调用、结构化输出及工具循环，并覆盖 Python 3.10–3.13、TypeScript 和多个运行时。锁文件检查、冻结安装和录像回放提高依赖可用性，但实际模型服务仍依赖外部供应商和凭据。可见 ToolExecutionError、ToolNotFoundError 等错误类型，不过没有提供面向用户的错误消息实现或恢复指导；README 所称四个 CI 作业也与工作流中的更多作业不完全一致。

适用触发10 / 18 · 2.8/5

示例覆盖普通调用、Pydantic 结构化结果、工具型代理、异步及流式能力入口，并显示 Python、TypeScript、Node、Bun、Deno 与 macOS 特例，适配面较广。装饰器、显式 tools 列表和 tool_calls 循环使触发路径较清楚。扣分在于“任何前沿 LLM”的边界没有由所给文件充分限定，供应商差异、支持矩阵、网络要求及不适用场景也未系统说明。

规范维护13 / 18 · 3.6/5

README 清晰划分 python、typescript、website 和 docs，并指向结构文档；快速安装、开发命令、CI 命令、语义化版本和 MIT 全文都很明确。示例质量良好，但没有所给范围内的 FAQ。已知限制仅零散提到 Bun 和 Apple Silicon；有版本号、语义化版本声明和发布流程，却没有变更日志。Mirascope, Inc.、仓库工作流和发布路径表明组织层维护责任，但没有明确联系人、支持渠道或安全报告路径。

有效结果7 / 13 · 2.7/5

统一模型调用、类型化结构输出、工具注册和响应恢复循环能产生可直接消费的对象与文本，具有明显的集成价值。扣分在于更高级能力主要通过外部文档声明，所给材料没有展示复杂代理编排、治理优势或与替代方案的比较；也没有令牌、延迟、供应商费用或运维成本说明，因此成本收益只能得到有限支持。

证据核验6 / 8 · 3.8/5

安装、示例、版本、许可和 CI 主张大多能在 package.json、工作流与测试配置之间相互核对，尤其跨来源佐证很强。扣分在于“任何前沿 LLM”等宽泛主张没有完整支持矩阵，流式、异步和多轮能力仅被指向外部文档；README 的 CI 作业数量与实际工作流不一致，使部分事实陈述和概括没有完全分离。

风险与缓解建议

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：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。
工具函数由应用代码定义并通过 execute_tools 执行；在接入具有写入、删除、支付或消息发送能力的工具前，应自行增加权限隔离、参数审查和逐次确认。
调用会依赖外部模型供应商和 API 密钥，但所给材料没有说明各供应商的数据保留、地域、遥测或隐私策略。
VCR 过滤敏感请求头是积极措施，但请求体和 URI 也可能含有敏感数据；现有配置仍以 URI 和 body 匹配并可能将其写入录像。
不要仅凭 README 徽章推断当前修订的 CI 或覆盖率已经通过；本评估没有执行测试。
安装 all extra 可能扩大依赖面；部署前应审查语言子包的锁文件、传递依赖和实际需要的供应商额外项。

证据充分度：低评估于 2026年8月14日审查版本 dd02f478b350 评估后仓库已有新提交，评分可能未覆盖最新改动

评估证据 README.md LICENSE package.json workflows/ci.yml workflows/release.yml tests/conftest.py e2e/conftest.py

查看完整评分方法 →

常见问题

Mirascope 是否包含模型使用费用？

材料没有说明费用。模型调用依赖外部供应商服务，因此具体价格和配额需由所选供应商确定。

运行示例需要哪些密钥？

需要所选模型供应商的 API 凭证。示例使用 anthropic/claude-sonnet-4-5，但材料没有给出凭证变量名或配置步骤。

工具调用会自动完成吗？

不会完全隐藏在一次函数调用中。示例要求应用检查 response.tool_calls，调用 execute_tools()，再以 resume() 继续，直到工具调用结束。

能否直接部署成聊天服务？

所给材料把 Mirascope 展示为嵌入应用的库，没有提供独立聊天服务器、容器镜像或生产部署命令。

是否支持 TypeScript？

仓库明确包含 typescript/ 实现和示例，但材料没有展示 TypeScript 的安装及调用代码。

Mirascope

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

相关 Agents

TanStack AI

Strands Agents

Composio

Atomic Agents