📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流🌐 翻译🐳 Docker💻 CLI🔗 REST API🧬 Embedding🔊 TTS🎙 STT
AI Mock工具
🔌
MCP工具

AI Mock工具

基于 TypeScript · 让 AI 助手直接操作你的系统与工具
英文名：aimock
⭐ 614 Stars 🍴 40 Forks 💻 TypeScript 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
ai-testingaimockllmmcpmock-server
⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，AI Mock工具 获评「强烈推荐」。这款MCP工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.0 分，适合有一定技术背景的用户使用。

📚 深度解析

AI Mock工具 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 AI Mock工具，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。AI Mock工具 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 AI Mock工具 评为 AI 评分 8.0 分，属于同类工具中的优质选择。

📋 工具概览

AI Mock工具 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
⭐ 614
开发语言
TypeScript
支持平台
Windows / macOS / Linux
维护状态
正常维护，社区驱动
开源协议
MIT
AI 综合评分
8.0 分
工具类型
MCP工具
Forks
40

📖 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」。

AI Mock工具 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。

📌 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/CopilotKit/aimock

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

# 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
  1. 确认已安装 Node.js（v18 或以上版本）
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 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 AI Mock工具 执行以下任务...
Claude: [自动调用 AI Mock工具 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": {
    "ai_mock__": {
      "command": "npx",
      "args": ["-y", "aimock"],
      "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 68/100 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

Features

  • Record & Replay — Proxy real APIs, save as fixtures, replay deterministically forever
  • Timing-aware recording and replay — Recorded fixtures capture per-frame arrival timestamps; replay uses recorded timings for approximate timing reproduction based on recorded TTFT and inter-frame cadence (replay chunk count may differ from recording — TTFT and average pace are preserved, not per-token fidelity) with configurable --replay-speed multiplier
  • Recorded token usage and cost — Recording captures the final usage frame of a streaming completion, so replayed fixtures serve real prompt_tokens / completion_tokens instead of a length estimate; OpenRouter's provider-reported usage.cost and its cost_details / *_tokens_details breakdowns are captured too, so an app that bills from real provider cost can e2e-test its wallet path from a tape
  • Multi-turn Conversations — Record and replay multi-turn traces with tool rounds; match distinct turns via turnIndex, hasToolResult, toolCallId, toolResultContains (gate on the tool-result payload), sequenceIndex, systemMessage (gate on host-supplied agent context), or custom predicates
  • 13 providers across 15 API surfaces — OpenAI Chat, OpenAI Responses, OpenAI Realtime (GA + Beta shim), Claude, Gemini REST, Gemini embedContent, Gemini Live, Gemini Interactions, Azure, Bedrock, Vertex AI, Ollama (chat + embeddings), Cohere (chat + embed), OpenRouter (chat + router failover), ElevenLabs TTS — full streaming support
  • Multimedia APIs — image generation (DALL-E, Imagen), image editing (/v1/images/edits), text-to-speech (OpenAI + ElevenLabs), audio transcription, audio translation (/v1/audio/translations), video generation, OpenRouter video generation (/api/v1/videos with async job lifecycle), Google Veo video generation (:predictLongRunning + /v1beta/operations async lifecycle), Grok Imagine video generation (/v1/videos/generations with async job lifecycle), fal.ai (image / video / audio with queue lifecycle)
  • MCP / A2A / AG-UI / Vector — Mock every protocol your AI agents use
  • Chaos Testing — 500 errors, malformed JSON, mid-stream disconnects at any probability
  • Per-Request Strict Mode — X-AIMock-Strict header overrides the server-level --strict flag per request (true/1 = strict, false/0 = lenient)
  • Context-Based Fixture Routing — X-AIMock-Context header scopes fixtures per integration; fixtures with match.context only match requests carrying that context, fixtures without it remain shared
  • Drift Detection — Daily CI validation against real APIs
  • Streaming Physics — Configurable ttft, tps, and jitter
  • WebSocket APIs — OpenAI Realtime (GA protocol with models: gpt-realtime, gpt-realtime-2, gpt-realtime-1.5, gpt-realtime-mini; transcription/translation via gpt-4o-transcribe, gpt-4o-mini-transcribe, whisper-1; image input; commentary phase), Responses WS, Gemini Live
  • Prometheus Metrics — Request counts, latencies, fixture match rates
  • Docker + Helm — Container image and Helm chart for CI/CD
  • Vitest & Jest Plugins — Zero-config useAimock() with auto lifecycle and env patching
  • Response Overrides — Control id, model, usage, finishReason in fixture responses
  • Ordered Blocks — A blocks array streams text and tool calls in any order (tool-first or interleaved); blocks-only fixtures are first-class, and the recorder captures order from genuinely tool-first/interleaved streams
  • Streaming Usage Chunks — stream_options.include_usage support emits a final chunk with token counts, matching OpenAI's streaming usage protocol
  • Rate Limiting Headers — x-ratelimit-* headers on every response and Retry-After on 429 errors for testing retry/backoff logic
  • Zero dependencies — Everything from Node.js builtins

Docker

docker run -d -p 4010:4010 -v "$(pwd)/fixtures:/fixtures" ghcr.io/copilotkit/aimock -f /fixtures -h 0.0.0.0 ```

Note on llmock vs aimock CLIs. The llmock bin is retained as a compat alias for users of the pre-1.7.0 @copilotkit/llmock package. It runs a narrower flag-driven CLI without --config or the convert subcommand. New projects should use aimock (or npx @copilotkit/aimock) for full feature support.

Quick Start

npm install @copilotkit/aimock
// The class is still named `LLMock` for back-compat after the v1.7.0 package
// rename from `@copilotkit/llmock` to `@copilotkit/aimock`.
import { LLMock } from "@copilotkit/aimock";

const mock = new LLMock({ port: 0 });
mock.onMessage("hello", { content: "Hi there!" });
await mock.start();

// Set env BEFORE importing/constructing the OpenAI (or other provider) client.
// Many SDKs cache the base URL at construction time — if the client is built
// before these are set, it will talk to the real API (surprise bills) instead
// of aimock.
process.env.OPENAI_BASE_URL = `${mock.url}/v1`;
process.env.OPENAI_API_KEY = "mock"; // SDK requires a value, even when base URL is mocked

// ... run your tests ...

await mock.stop();

Framework Guides

Test your AI agents with aimock — no API keys, no network calls: LangChain · CrewAI · PydanticAI · LlamaIndex · Mastra · Google ADK · Microsoft Agent Framework

Real-World Usage

AG-UI uses aimock for its end-to-end test suite, verifying AI agent behavior across LLM providers with fixture-driven responses.

Full suite from config

npx @copilotkit/aimock --config aimock.json

Record mode: proxy to real APIs, save fixtures

npx -p @copilotkit/aimock llmock --record --provider-openai https://api.openai.com

API-key validation

By default aimock accepts all requests. Opt into inbound test-client validation with a programmatic option, top-level aimock.json field, or environment-only key list:

await createServer(fixtures, { auth: { apiKeys: ["test-key"] } });
{ "auth": { "apiKeys": ["test-key"] } }
AIMOCK_API_KEYS=test-key,rotated-key npx @copilotkit/aimock --config aimock.json

Use Authorization: Bearer <key>, Authorization: Key <key>, x-api-key, x-goog-api-key, api-key, or xi-api-key. Every supplied credential must resolve to one configured key; mismatches return 401 with an OpenAI-compatible authentication error. HTTP routes, control APIs, mounts, and WebSocket upgrades are protected. Genuine CORS preflights plus GET /health, GET /ready, and GET /metrics remain public. This is inbound test access control, distinct from record.providerKeys; when enabled, proxying strips test credentials and requires a configured static provider credential before egress.

🇨🇳 中文文档镜像 AI 翻译 2026-07-12
英文原文章节由系统翻译为中文摘要，便于快速理解。完整原文见上方 "📑 README 深度解析"。
⚡ 功能介绍

aimock 提供强大的 Record & Replay 功能，允许开发者代理真实的 API 调用并将其保存为 fixtures。通过这种方式，你可以实现确定性的重复测试。特别值得一提的是其具备 Timing-aware 机制，能够捕获每帧到达的时间戳，并在回放时基于记录的 TTFT（首字延迟）和帧间节奏进行近似的时间还原，确保测试过程高度贴近真实交互体验。

🛠 安装步骤（Docker/pip/源码）

你可以通过 Docker 快速部署 aimock 环境。使用命令 `docker run -d -p 4010:4010 -v "$(pwd)/fixtures:/fixtures" ghcr.io/copilotkit/aimock -f /fixtures -h 0.0.0.0` 即可启动。此外，对于旧版用户，系统保留了 `llmock` 作为兼容别名，但对于新项目，强烈建议使用 `aimock` CLI 或通过 `npx @copilotkit/aimock` 进行调用。

🚀 使用教程

aimock 支持通过 npm 进行集成。在 TypeScript 项目中，你可以通过 `import { LLMock } from "@copilotkit/aimock"` 引入类。虽然为了向后兼容类名仍沿用 `LLMock`，但包名已更新。你可以轻松设置 Mock 响应，例如使用 `mock.onMessage` 拦截特定消息并返回预设内容，实现无需 API Key 和网络调用的 AI Agent 测试。

⚙️ 配置说明（含 MCP / env）

你可以通过配置文件进行全量功能管理。使用命令 `npx @copilotkit/aimock --config aimock.json` 即可根据指定的 JSON 配置文件启动完整的测试套件，实现高度定制化的 Mock 环境配置。

🔌 API 说明

aimock 支持 Record 模式，允许你将请求代理到真实的 API（如 OpenAI）并自动保存为 fixtures。通过运行 `npx -p @copilotkit/aimock llmock --record --provider-openai https://api.openai.com`，你可以将真实的 API 交互转化为可复用的测试数据。

🔄 工作流/模块

aimock 是专为 AI 应用测试设计的 Mock 基础设施，其覆盖范围极广，包括 LLM APIs、图像生成、图像编辑、文本转语音（TTS）、转录、音频翻译、音频/视频生成、Embeddings、MCP tools、A2A agents 以及 AG-UI 等多种模态，为构建可靠的 AI 工作流提供支撑。

🎯 aiskill88 AI 点评 A 级 2026-06-02

高质量的AI Mock工具，提高测试效率

📚 实用指南（长尾问题）
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
部署方案
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
aimock 中文教程aimock 安装报错怎么办aimock MCP 配置aimock 与同类工具对比aimock 最佳实践aimock 适合谁用

⚡ 核心功能

👥 适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
⭐ 最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
⚠️ 常见错误
  • API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效

👥 适合人群

Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师

🎯 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

⚖️ 优点与不足

✅ 优点
  • +MIT 协议，可免费商用
  • +标准化 MCP 协议，生态互联性强
  • +与 Claude 官方生态无缝对接
  • +即插即用，配置简单快捷
⚠️ 不足
  • −依赖 Claude 客户端，非 Claude 用户无法使用
  • −MCP 协议仍在持续演进，接口可能变更
  • −需要一定的配置步骤
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。

🔗 相关工具推荐

FastGPT
基于LLM的知识平台，提供综合解决方案
私有GPT
MCP工具
Composio智能工具编排平台
MCP工具
Context7代码文档平台
MCP工具
📚 相关教程推荐
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
AI Agent 工作流设计模式：从单 Agent 到多 Agent 协作的实践指南
帮助中心 · AI Skill Hub
n8n 搭建 AI Agent 工作流：从安装到实战案例
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
Anthropic Claude 最新进展
AI 资讯 · 知识关联
AI 前沿资讯：The gap between knowing AI too…
AI 资讯 · 知识关联
AI 前沿资讯：Introducing new capabilities t…
AI 资讯 · 知识关联
AI 前沿资讯：Half the top 10 trending GitHu…
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
配了5个 MCP 工具，Claude 一个都没用
AI 圈观察
Filesystem MCP 帮 Claude 找文件，找了整个 node_modules
AI 圈观察
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
🗺️ 相关解决方案
mcp
mcp-server-setup
agent
ai-agent-workflow
workflow
ai-workflow-templates
translation
ai-translation-pipeline
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
gptme Agent工作流
MCP · Agent · 工作流
LEANN AI技能包
MCP · Agent · 工作流
智能工作流
Agent · 工作流 · OCR
Augustus
LLM安全测试框架，检测prompt注入、越狱等
Eve Agent V2 本地AI编程助手
一个基于Ollama驱动的本地优先自主AI编程代理。它通过构建AI工作流实现代码编写与自动化任务，强调隐私保护与本地运行，非常适合希望在不依

❓ 常见问题 FAQ

aimock 是一款TypeScript开发的AI辅助工具。开源MCP工具：Mock everything your AI app talks to — LLM APIs, MCP, A2A, AG-UI, vector DBs, se。⭐614 · TypeScript 主要应用场景包括：AI应用接口测试。
💡 AI Skill Hub 点评

AI Skill Hub 点评：AI Mock工具 的核心功能完整，质量优秀。对于Claude Desktop / Claude Code 用户来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 AI Mock工具
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 aimock
原始描述 开源MCP工具：Mock everything your AI app talks to — LLM APIs, MCP, A2A, AG-UI, vector DBs, se。⭐614 · TypeScript
Topics ai-testingaimockllmmcpmock-server
GitHub https://github.com/CopilotKit/aimock
License MIT
语言 TypeScript
🔗 原始来源
🐙 GitHub 仓库  https://github.com/CopilotKit/aimock 🌐 官方网站  http://aimock.copilotkit.dev/

收录时间：2026-06-02 · 更新时间：2026-06-05 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →