超腾开源平台AI模块

AI 模块提供提示词管理、大模型管理、大模型提供商、MCP 工具、智能体、IDE 账号、Cursor API 等 AI 功能。

目录

• AI 提示词
• AI 大模型提供商
• AI 大模型
• MCP 工具
• AI 智能体
• AI IDE 账号
• Cursor API

AI 提示词

提示词模块提供 AI 提示词的创建、管理、版本控制等功能。

提示词 CRUD

创建提示词

接口地址: POST /api/ai/prompts/create

需要认证: 是

请求体:

{
  "name": "代码审查提示词",
  "description": "用于代码审查的提示词",
  "content": "请审查以下代码，并给出改进建议...",
  "category": "programming",
  "tags": ["代码", "审查"],
  "is_public": false
}

提示词使用

我的提示词

公开提示词

AI 大模型提供商

大模型提供商模块提供各种 AI 服务提供商的管理功能。

大模型提供商 CRUD

创建大模型提供商

接口地址: POST /api/ai/llm-providers/create

需要认证: 是

请求体:

{
  "name": "OpenAI",
  "type": "openai",
  "api_key": "sk-xxxxx",
  "base_url": "https://api.openai.com/v1",
  "description": "OpenAI 官方 API",
  "is_active": true
}

大模型提供商测试

测试连接

接口地址: POST /api/ai/llm-providers/test

需要认证: 是

请求体:

{
  "provider_id": "1",
  "test_prompt": "Hello"
}

我的大模型提供商

可用大模型提供商

AI 大模型

大模型模块提供大模型的创建、管理、测试、使用等功能。

大模型 CRUD

创建大模型

接口地址: POST /api/ai/llm-models/create

需要认证: 是

请求体:

{
  "provider_id": "1",
  "name": "GPT-4",
  "model_id": "gpt-4",
  "description": "GPT-4 模型",
  "context_length": 8192,
  "is_default": true
}

大模型测试与使用

使用大模型

接口地址: POST /api/ai/llm-models/use

需要认证: 是

请求体:

{
  "model_id": "1",
  "messages": [{ "role": "user", "content": "你好" }],
  "temperature": 0.7,
  "max_tokens": 1000
}

响应示例:

{
  "success": true,
  "code": 200,
  "msg": "操作成功",
  "data": {
    "content": "你好！有什么可以帮助你的吗？",
    "usage": {
      "prompt_tokens": 10,
      "completion_tokens": 15,
      "total_tokens": 25
    }
  }
}

流式聊天

接口地址: POST /api/ai/llm-models/chat/stream

需要认证: 是

说明: 返回 Server-Sent Events (SSE) 流式数据。

我的大模型

可用大模型

MCP 工具

MCP (Model Context Protocol) 工具模块提供 MCP 工具的管理功能。

MCP 工具 CRUD

MCP 工具测试与执行

执行 MCP 工具

接口地址: POST /api/ai/mcp-tools/execute

需要认证: 是

请求体:

{
  "tool_id": "1",
  "parameters": {
    "url": "https://example.com",
    "method": "GET"
  }
}

AI 智能体

智能体模块提供 AI 智能体的创建、配置、执行等功能。

智能体 CRUD

创建智能体

接口地址: POST /api/ai/agents/create

需要认证: 是

请求体:

{
  "name": "代码助手",
  "description": "帮助编写和审查代码的智能体",
  "model_id": "1",
  "system_prompt": "你是一个代码助手，请帮助用户编写和审查代码。",
  "tools": ["code-execution", "file-read"],
  "temperature": 0.7,
  "max_tokens": 2000
}

智能体执行与测试

执行智能体

接口地址: POST /api/ai/agents/execute

需要认证: 是

请求体:

{
  "agent_id": "1",
  "message": "请帮我写一个Python函数计算斐波那契数列"
}

AI IDE 账号

IDE 账号模块提供 AI IDE（如 Cursor、Copilot 等）账号的管理功能。

IDE 账号 CRUD

Cursor API

Cursor API 模块提供 Cursor IDE 的 API 管理功能。

Cursor API CRUD

枚举类型说明

大模型提供商类型 (LLMProviderType)

提示词分类 (PromptCategory)

智能体工具 (AgentTool)

使用示例

Python 示例

import requests

base_url = 'http://localhost:8000/api/ai'
token = 'your_access_token'
headers = {'Authorization': f'Bearer {token}'}

# 创建提示词
response = requests.post(
    f'{base_url}/prompts/create',
    headers=headers,
    json={
        'name': '代码审查提示词',
        'content': '请审查以下代码...',
        'category': 'programming'
    }
)
print(response.json())

# 使用大模型
response = requests.post(
    f'{base_url}/llm-models/use',
    headers=headers,
    json={
        'model_id': '1',
        'messages': [{'role': 'user', 'content': '你好'}]
    }
)
print(response.json())

# 执行智能体
response = requests.post(
    f'{base_url}/agents/execute',
    headers=headers,
    json={
        'agent_id': '1',
        'message': '请帮我写一个Python函数'
    }
)
print(response.json())

JavaScript 示例

// 使用大模型
async function useLLM(token, modelId, messages) {
  const response = await fetch("http://localhost:8000/api/ai/llm-models/use", {
    method: "POST",
    headers: {
      Authorization: `Bearer ${token}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({ model_id: modelId, messages }),
  });
  return await response.json();
}

// 流式聊天
async function chatStream(token, modelId, messages, onChunk) {
  const response = await fetch(
    "http://localhost:8000/api/ai/llm-models/chat/stream",
    {
      method: "POST",
      headers: {
        Authorization: `Bearer ${token}`,
        "Content-Type": "application/json",
      },
      body: JSON.stringify({ model_id: modelId, messages }),
    }
  );

  const reader = response.body.getReader();
  const decoder = new TextDecoder();

  while (true) {
    const { done, value } = await reader.read();
    if (done) break;
    const chunk = decoder.decode(value);
    onChunk(chunk);
  }
}

注意事项

1. API 密钥安全: 大模型提供商的 API 密钥会加密存储，不会在响应中返回完整密钥。
2. 流式响应: 流式聊天接口使用 Server-Sent Events (SSE) 格式返回数据。
3. Token 限制: 大模型有上下文长度限制，超出部分会被截断。
4. 使用记录: 所有大模型调用都会记录使用次数和 token 消耗。
5. 工具执行: MCP 工具执行需要在配置的环境中进行，注意安全性。
6. 智能体配置: 智能体的系统提示词会影响其行为，需要谨慎设置。

相关文档

• 数据模型参考
• 内容模块 API
• API 概览