推荐语
探索AI工具平台Composio，体验大模型和Agent操作的便捷集成。
核心内容：
1. Composio平台概述及其功能特色
2. 通过API调用实现应用程序集成
3. Python环境下的使用指南与实践案例
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
这个组件服务平台是Claude的公司Anthropic推出的，你可以通过api调用平台上面的工具，调用上面的那些mcp组件。还是老样子，仓库和官网链接先放出来：
这个平台通过mcp server支持数百种应用程序，你可以通过远程调用将各种操作集成到自己的应用里面。
关于使用方面，我这里用的是python3.12版本，我们先新建一个conda虚拟环境，然后把依赖包安装好：
conda create env -n composioconda activate composio
创建好环境后，安装好依赖包：
pip install composio-core composio-openai
然后现在我们根据官网的例子，用Composio的GitHub工具给给它的仓库加一个star。运行视频放在这：
在做这项任务之前，我们需要先在命令行运行下面这个命令，将你的composio关联到你的github：
运行命令行之后会出现一个 CLI API KEY，将这个东西复制完粘贴到你的命令行，然后完成github的连接验证，之后你就可以在本地调用你的github进行操作。
然后来到composio的控制台页面，找到你关联账号的apikey，记住这个东西后面要用：
之后我们新建一个python文件，或者新建一个notebook，我这里是在python文件写的代码测试。
from composio_openai import ComposioToolSet, App, Actionfrom openai import OpenAI
openai_client = OpenAI( base_url="", api_key="")
composio_toolset = ComposioToolSet(api_key="") tools = composio_toolset.get_tools(actions=[Action.GITHUB_STAR_A_REPOSITORY_FOR_THE_AUTHENTICATED_USER])
task = "帮我给一个仓库点star: composiohq/composio on GitHub"
response = openai_client.chat.completions.create( model="deepseek-ai/DeepSeek-V2.5", tools=tools, messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": task}, ],)result = composio_toolset.handle_tool_calls(response)print(result)
将上面的代码配置完后运行，当你的界面出现这个的时候，说明成功了：
而到仓库里面也能看到已经被我们的工具成功加了个star了。
我们来到仓库，这里还有其他的工具组件可以用，里面还配有Serpapi，Firecrawl等等这些搜索引擎检索工具。
那么它是如何工作的呢？以大模型用计算器为例子，我们来看看下面这张流程图：
上面这张图对应这个代码：
from composio_openai import ComposioToolSet, actionfrom typing import Annotatedfrom openai import OpenAIimport math
client = OpenAI()toolset = ComposioToolSet()
@action(toolname="calculate_square_root", requires=["math"])def calculate_square_root( a: Annotated[int, "Number from which to take the square root"],) -> float: """ Calculate the square root of a number. :param a: Number from which to take the square root :return sqrt: Square root of the number """ return math.sqrt(a)
tools = toolset.get_tools([calculate_square_root])
question = "What is the square root of 212?"
response = client.chat.completions.create( model="gpt-4o-mini", messages=[ { "role": "user", "content": question, } ], tools=tools, tool_choice="auto",)
result = toolset.handle_tool_calls(response=response)
print("Question: ", question)print("Answer: ", result[0]["data"]["sum"])
一是创建工具，代码中的函数被转换为LLM可以理解的形式。在这里，这通过 @action 包装器来完成，对应代码里面的：
@action(toolname="calculate_square_root", requires=["math"])
二是大模型调用工具，大模型根据我们的输入，来决定是否使用工具，如果确定使用工具的话，就会生成一个格式正确的工具使用请求。这个对应的是图里面的2、3
最后是Composio调用定义的工具。handle_tool_calls 方法解释工具的调用并调用定义的那些工具。
Composio支持三种调用工具的方法，一种是刚才提到的整个平台的工具，
另一种是本地已经有的工具，最后一种是用Composio提供的自定义工具格式创建的工具。
对于我们日常使用的来讲，免费计划已经够我们白嫖了，每个月有1w次api请求机会：
粤ICP备14082021号
免费POC，
零成本试错
