YoMo
面向低延迟函数调用的可部署式 AI Agent 与工具框架。
- 源仓库
- yomorun/yomo
- Star 数
- ★ 1.9k
- 最近更新
- 4 天前
- 主语言
- Rust
- FA 评分
- 24/100 · 缺口较多
30 秒速览
- 可在哪里用
- 兼容但需适配
- 开始前需要
- 典型场景
- 为已有聊天应用实现天气查询等可由函数完成的任务的开发者。
- 主要局限
- 示例仅明确展示 Ollama 和
ornith，其他模型或提供商的配置方式未在所给材料中说明。
这个 Agent 能做什么，适合哪些场景？
YoMo 是一个用于构建可扩展、高速 AI Agent 的开源 LLM 函数调用框架。它提供 `yomo serve` 服务端、`yomo init` 工具项目初始化，以及 `yomo run` 的工具运行方式。服务端暴露 `POST /v1/chat/completions`，可根据对话请求调用已运行的工具；示例使用 Ollama 的 `ornith` 模型。工具也可通过 `POST /tool/get-weather` 直接调用，并以 JSON 参数接收输入。项目将 TLS v1.3、无服务器工具管理和地理分布式部署作为其产品特性。
先用 ollama pull ornith 获取示例所用模型，再通过 yomo serve 启动服务。执行 yomo init 会初始化一个工具项目，文档示例要求编辑 ./app/src/app.ts；随后以 yomo run -n get-weather ./app 运行名为 get-weather 的工具。客户端可向 http://127.0.0.1:9001/v1/chat/completions 发送包含 messages 的 JSON 对话请求，也可向 http://127.0.0.1:9001/tool/get-weather 发送含转义 JSON 字符串的 args，直接调用该工具。
- 为已有聊天应用实现天气查询等可由函数完成的任务的开发者。
- 希望在本机通过 Ollama 模型验证工具调用流程的工程团队。
- 需要让内部 HTTP 客户端通过
/v1/chat/completions发起对话请求的后端开发者。 - 希望把一个名为
get-weather的服务端工具直接暴露为/tool/get-weatherHTTP 接口的团队。 - 关注将推理和工具部署到更接近终端用户位置的架构设计者。
如何安装或部署这个 Agent？
安装 CLI：curl -fsSL https://get.yomo.run | sh，然后运行 yomo --version 验证。获取示例模型：ollama pull ornith。也可从源码执行 cargo build --release，再使用 ./target/release/yomo --help；源码构建需要 Rust/Cargo。文档未要求配置 API 密钥。
如何使用这个 Agent？
运行 yomo serve 启动服务；可使用 --config 指定自定义 YAML 配置文件。执行 yomo init 初始化项目并编辑 ./app/src/app.ts，然后运行 yomo run -n get-weather ./app。首次请求可执行：curl http://127.0.0.1:9001/v1/chat/completions -H "Content-Type: application/json" -d '{"messages":[{"role":"user","content":"How is the weather in London?"}]}'。
这个 Agent 有哪些优点和局限？
- 同时给出对话入口
/v1/chat/completions与工具直连入口/tool/get-weather，便于分别测试 Agent 流程和单个工具。 - CLI 覆盖服务启动、工具初始化与工具运行三个步骤，示例可从本机 Ollama 模型开始。
- 项目明确将 TLS v1.3 应用于数据包，并将地理分布式架构列为设计特性。
- 示例仅明确展示 Ollama 和
ornith，其他模型或提供商的配置方式未在所给材料中说明。 - 工具项目的完整 TypeScript 依赖、构建方式及生产部署步骤未提供。
- 自定义 YAML 的具体字段和服务端认证、授权、错误处理行为均未在所给材料中说明。
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 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| YoMo 当前 | 24 · 缺口较多 | ★ 1.9k | 4 天前 | Rust | — |
| SGR Agent Core | 56 · 缺口较多 | ★ 1.1k | 7 天前 | Python | OpenAI API |
| fx 编程代理 | 63 · 存在缺口 | ★ 3.1k | 4 天前 | Zig | ChatGPT · Codex · OpenAI API |
| Osaurus | 80 · 表现良好 | ★ 8k | 4 天前 | Swift | 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：仓库未提供权限模型、用户确认机制、数据流透明性、敏感数据处理、依赖安全审计、外部影响控制、回滚机制或来源归属的明确说明。所有信任相关标准均未得到支持，因此评分为0。
证据显示：README和Cargo.toml中的描述基本一致，但存在拼写错误（如'ornith'应为'ornith'？）和版本号不一致（README未提及版本）。依赖项在Cargo.toml中列出，但未提供可用性保证。失败消息未在文档中说明。因此，自我一致性评分为1，依赖可用性评分为1，失败消息评分为0。
证据显示：README明确了目标受众（AI Agent开发者）和使用场景（LLM Function Calling），但能力边界未明确说明。触发精度方面，提供了API示例，但未详细说明触发条件。环境适配方面，提供了安装和运行说明，但未说明系统要求。因此，受众和场景评分为2，能力边界评分为1，触发精度评分为1，环境适配评分为1。
证据显示：README提供了清晰的信息架构，包括功能、快速开始、文档链接等。安装说明提供了CLI安装和运行步骤。命名稳定性方面，项目名称和版本号在Cargo.toml中明确，但README未提及版本历史。示例和FAQ提供了示例，但未提供FAQ。已知限制未提及。许可证为Apache-2.0，在Cargo.toml和README中均有说明。版本控制和变更日志未提供。维护责任方面，有贡献指南和问题模板，但未明确维护者。因此，信息架构评分为2，安装说明评分为2，命名稳定性评分为1，示例和FAQ评分为2，已知限制评分为0，许可证评分为2，版本控制和变更日志评分为1，维护责任评分为1。
证据显示：输出可用性方面，提供了API响应示例，但未说明输出格式的通用性。边际价值方面，项目提供了独特的Geo-distributed架构，但未与其他方案对比。成本效益方面，未提供性能或成本数据。因此，输出可用性评分为1，边际价值评分为1，成本效益评分为1。
证据显示：README中的声明（如'ultra-fast'）未提供基准测试或数据支持。跨来源验证方面，未提供其他来源的验证。事实与推断分离方面，未明确区分事实和推断。因此，声明可追溯性评分为1，跨来源验证评分为0，事实与推断分离评分为0。
- 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。
- 仓库未提供权限模型或用户确认机制，部署时需谨慎评估安全风险。
- README中的性能声明（如'ultra-fast'）缺乏基准测试支持，应视为营销语言。
- 依赖项未进行安全审计，建议使用前检查依赖漏洞。
常见问题
运行示例需要 API 密钥吗？
ornith。能否直接调用工具而不经过聊天接口？
/tool/get-weather 发送 args JSON 字符串的直接 HTTP 调用。默认服务地址是什么？
http://127.0.0.1:9001。