微信扫码
添加专属顾问
我要投稿
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
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。
如何使用
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:
composio add 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, Action
from openai import OpenAI
openai_client = OpenAI(
base_url="",
api_key=""
)
# 连接工具列表
composio_toolset = ComposioToolSet(api_key="") # 这里替换成刚才上面关联账号的apikey
# 选择要用到的工具
tools = composio_toolset.get_tools(actions=[Action.GITHUB_STAR_A_REPOSITORY_FOR_THE_AUTHENTICATED_USER])
# 提示词,也是你的任务
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。
其他组件和调用流程
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, action
from typing import Annotated
from openai import OpenAI
import math
client = OpenAI()
toolset = ComposioToolSet()
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:
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-04-19
Exa:给 AI Agent 的 “Bing API”
2025-04-19
Chrome过时了,AI Agent需要自己的浏览器。
2025-04-19
n8n + mcp王炸组合:5个节点轻松搭建一个AI工作流
2025-04-18
火山引擎OS Agent解决方案、豆包1.5·UI-TARS模型发布
2025-04-18
前沿导读 | 基于大模型智能体的出行行为模拟
2025-04-18
大概念模型(Large Concept Models)会取代提示工程吗?
2025-04-18
AI 重要概念科普与热门技术解析
2025-04-18
我对于AI领域商业模式的思考
2024-08-13
2024-06-13
2024-08-21
2024-09-23
2024-07-31
2024-05-28
2024-08-04
2024-04-26
2024-07-09
2024-09-17
2025-04-18
2025-04-16
2025-04-13
2025-04-13
2025-04-13
2025-04-12
2025-04-12
2025-04-11