能力标签

🔌 MCP 🤖 Agent 🔄 工作流 🔗 REST API 🧬 Embedding 🧠 Claude ✨ GPT 🖥 本地 LLM

🔌

MCP工具

Go AI SDK

基于 Go · 让 AI 助手直接操作你的系统与工具

英文名：goai

⭐ 109 Stars 🍴 12 Forks 💻 Go 📄 MIT 🏷 AI 8.0分

8.0AI 综合评分

aiai-sdkgo

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

Go AI SDK 是 AI Skill Hub 本期精选MCP工具之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

Go AI SDK 是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 Go AI SDK，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。Go AI SDK 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 Go AI SDK 评为 AI 评分 8.0 分，属于同类工具中的优质选择。

📋 工具概览

统一的AI API，支持21+提供者，流式和结构化数据

Go AI SDK 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 109

开发语言

支持平台

Windows / macOS / Linux（跨平台）

维护状态

轻量级项目，按需更新

开源协议

MIT

AI 综合评分

8.0 分

工具类型

MCP工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

统一的AI API，支持21+提供者，流式和结构化数据

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/zendev-sh/goai

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "go-ai-sdk": {
      "command": "npx",
      "args": ["-y", "goai"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 Go AI SDK 执行以下任务...
Claude: [自动调用 Go AI SDK MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "go_ai_sdk": {
      "command": "npx",
      "args": ["-y", "goai"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 61/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

GoAI

AI SDK, the Go way. Go SDK for building AI applications. One SDK, 25+ providers, MCP support.

1.1x faster streaming, 24x faster cold start, 3.1x less memory vs Vercel AI SDK (<a href="bench/RESULTS.md">benchmarks</a>)

<a href="https://goai.sh">Website</a> · <a href="https://goai.sh/getting-started/installation">Docs</a> · <a href="https://goai.sh/architecture">Architecture</a> · <a href="https://goai.sh/providers/">Providers</a> · <a href="https://goai.sh/examples">Examples</a> · <a href="https://github.com/zendev-sh/zenflow">Orchestration (zenflow)</a>

---

Inspired by the Vercel AI SDK. The same clean abstractions, idiomatically adapted for Go with generics, interfaces, and functional options.

What's New

v0.7.2 - New provider: NVIDIA NIM (OpenAI-compatible, chat + embeddings). E2E tested with meta/llama-3.3-70b-instruct. Changelog → v0.7.0 - New providers: Cloudflare Workers AI and FPT Smart Cloud (both OpenAI-compatible, chat + embeddings). Changelog → v0.6.0 - OpenTelemetry tracing + metrics, context propagation via RequestInfo.Ctx, Langfuse data race fix. Changelog → v0.5.8 - RunPod provider, Bedrock embeddings, and docs accuracy improvements. Changelog →

Features

7 core functions: GenerateText, StreamText, GenerateObject[T], StreamObject[T], Embed, EmbedMany, GenerateImage
25+ providers: OpenAI, Anthropic, Google, Bedrock, Azure, Vertex, Mistral, xAI, Groq, Cohere, DeepSeek, MiniMax, Fireworks, Together, DeepInfra, OpenRouter, Perplexity, Cerebras, Ollama, vLLM, RunPod, Cloudflare Workers AI, FPT Smart Cloud, NVIDIA NIM, + generic OpenAI-compatible
Auto tool loop: Define tools with Execute handlers, set MaxSteps for GenerateText and StreamText
Structured output: GenerateObject[T] auto-generates JSON Schema from Go types via reflection
Streaming: Real-time text and partial object streaming via channels
Dynamic auth: TokenSource interface for OAuth, rotating keys, cloud IAM, with CachedTokenSource for TTL-based caching
Prompt caching: Automatic cache control for supported providers (Anthropic, Bedrock)
Citations/sources: Grounding and inline citations from xAI, Perplexity, Google, OpenAI
Web search: Built-in web search tools for OpenAI, Anthropic, Google, Groq, xAI. Model decides when to search
Code execution: Server-side Python sandboxes via OpenAI, Anthropic, Google, xAI. No local setup
Computer use: Anthropic computer, bash, text editor tools for autonomous desktop interaction
20 provider-defined tools: Web fetch, file search, image generation, X search, and more - full list
MCP client: Connect to any MCP server (stdio, HTTP, SSE), auto-convert tools for use with GoAI
Observability: Built-in Langfuse and OpenTelemetry (OTel) integrations for tracing generations, tools, and multi-step loops
Multi-agent orchestration: For declarative YAML workflows on top of GoAI, see zenflow
9 lifecycle hooks: Observability (OnRequest, OnResponse, OnToolCallStart, OnToolCall, OnStepFinish, OnFinish) and interceptor (OnBeforeToolExecute, OnAfterToolExecute, OnBeforeStep) hooks for permission gates, secret scanning, output transformation, and loop control
Retry/backoff: Automatic retry with exponential backoff on retryable HTTP errors (429/5xx)
Minimal dependencies: Core depends on golang.org/x/oauth2 + one indirect (cloud.google.com/go/compute/metadata). Optional observability/otel submodule uses separate go.mod with OTel SDK.

Install

go get github.com/zendev-sh/goai@latest

Requires Go 1.25+.

Quick Start

Most hosted providers auto-resolve API keys from environment variables. Local/custom providers may require explicit options:

package main

import (
	"context"
	"fmt"
	"log"

	"github.com/zendev-sh/goai"
	"github.com/zendev-sh/goai/provider/openai"
)

func main() {
	// Reads OPENAI_API_KEY from environment automatically.
	model := openai.Chat("gpt-4o")

	result, err := goai.GenerateText(context.Background(), model,
		goai.WithPrompt("What is the capital of France?"),
	)
	if err != nil {
		log.Fatal(err)
	}
	fmt.Println(result.Text)
}

Examples

See the examples/ directory:

chat - Non-streaming generation
streaming - Real-time text streaming
streaming-tools - Streaming with multi-step tool loops
structured - Structured output with Go generics
tools - Single tool call
agent-loop - Multi-step agent with callbacks
multi-turn - Multi-turn conversation with ResponseMessages
citations - Accessing sources and citations
hooks - Lifecycle hooks: permission gates, secret scanning, loop control, OnFinish
langfuse - Langfuse tracing integration
otel - OpenTelemetry tracing and metrics
computer-use - Anthropic computer, bash, and text editor tools
embedding - Embeddings with similarity search
web-search - Web search across providers (OpenAI, Anthropic, Google)
web-fetch - Anthropic web fetch tool
code-execution - Anthropic code execution tool
code-interpreter - OpenAI code interpreter tool
google-search - Google Search grounding with Gemini
google-code-execution - Google Gemini code execution tool
file-search - OpenAI file search tool
image-generation - OpenAI image generation via Responses API
mcp-tools - MCP tools with GoAI LLM integration
mcp-filesystem - Filesystem MCP server via stdio
mcp-github - GitHub MCP server via stdio
mcp-playwright - Playwright MCP server for browser automation
mcp-remote - MCP over Streamable HTTP transport
mcp-sse - MCP over legacy SSE transport
mcp-local - MCP client basics (no LLM needed)

Options Reference

Generation Options

Option	Description	Default
`WithSystem(s)`	System prompt	-
`WithPrompt(s)`	Single user message	-
`WithMessages(...)`	Conversation history	-
`WithTools(...)`	Available tools	-
`WithMaxOutputTokens(n)`	Response length limit	provider default
`WithTemperature(t)`	Randomness (0.0-2.0)	provider default
`WithTopP(p)`	Nucleus sampling	provider default
`WithTopK(k)`	Top-K sampling	provider default
`WithFrequencyPenalty(p)`	Frequency penalty	provider default
`WithPresencePenalty(p)`	Presence penalty	provider default
`WithSeed(s)`	Deterministic generation	-
`WithStopSequences(...)`	Stop triggers	-
`WithMaxSteps(n)`	Tool loop iterations	1 (no loop)
`WithSequentialToolExecution()`	Execute tools one at a time	parallel
`WithMaxRetries(n)`	Retries on 429/5xx	2
`WithTimeout(d)`	Overall timeout	none
`WithHeaders(h)`	Per-request HTTP headers	-
`WithProviderOptions(m)`	Provider-specific params	-
`WithPromptCaching(b)`	Enable prompt caching	false
`WithToolChoice(tc)`	"auto", "none", "required", or tool name	-

Structured Output Options

Option	Description
`WithExplicitSchema(s)`	Override auto-generated JSON Schema
`WithSchemaName(n)`	Schema name for provider (default "response")

Embedding Options

Option	Description	Default
`WithMaxParallelCalls(n)`	Batch parallelism	4
`WithEmbeddingProviderOptions(m)`	Embedding provider params	-

Image Options

Option	Description
`WithImagePrompt(s)`	Text description
`WithImageCount(n)`	Number of images
`WithImageSize(s)`	Dimensions (e.g., "1024x1024")
`WithAspectRatio(s)`	Aspect ratio (e.g., "16:9")
`WithImageMaxRetries(n)`	Retries on 429/5xx
`WithImageTimeout(d)`	Overall timeout
`WithImageProviderOptions(m)`	Image provider params