带上你的 Swagger/OpenAPI 文件，它可以变成一个 AI 聊天机器人。

从现在开始，每位后端开发者都可以成为AI开发者。

从后端开发者的日常工作来看，他们实际上更适合开发AI代理。

后端开发人员，让我们用[@agentica](https://github.com/wrtnlabs/agentica)一起成为AI开发者吧，试试这个工具。

• Github 项目主页: https://github.com/wrtnlabs/agentica
• 使用指南: https://wrtnlabs.io/agentica

import { Agentica } from "@agentica/core";
import { HttpLlm } from "@samchon/openapi";
import OpenAI from "openai";
import typia from "typia";

const agent = new Agentica({
  vendor: {
    model: "gpt-4o-mini",
    api: new OpenAI({ apiKey: "********" }),
  },
  controllers: [
    {
      protocol: "http",
      application: HttpLlm.application({
        model: "chatgpt",
        document: await fetch(
          "https://shopping-be.wrtn.ai/editor/swagger.json",
        ),
      }),
      connection: {
        host: "https://shopping-be.wrtn.ai",
        headers: {
          Authorization: "Bearer ********",
        },
      },
    },
  ],
});
await agent.conversate("我想写一篇文章，可以帮我吗？");

点击这里全屏，点击这里退出全屏

（这是一张图片，你可以通过链接查看。）

最近，我的老板向我展示了Sierra.ai，这是一家由OpenAI董事会成员创立的公司，估值约45亿美元（约240亿人民币）。他问我为什么我们不能做类似的事，并质问我为何他还应该继续支付我的薪水。

在浏览Sierra.ai的主页时，我发现他们似乎专注于为电子商务和咨询开发智能代理。然后，我从一个包含289个API功能的购物网站后端服务器中获取了swagger.json文件，并向他展示了购物AI聊天机器人。

在演示中，一切运行得非常顺利：搜索和购买商品、订单和配送管理流程、包含退款功能的客户支持服务、折扣券功能和账户存款功能。演示结束时，我的老板说：

嘿，我们应该把这个项目开源。

让我们的技术扬名世界。

    import { Agentica } from "@agentica/core";
    import { HttpLlm } from "@samchon/openapi";
    import typia from "typia";

    const agent = new Agentica({
      controllers: [
        HttpLlm.application({
          model: "chatgpt",
          document: await fetch(
            "https://shopping-be.wrtn.ai/editor/swagger.json",
          ).then(r => r.json()),
        }),
        typia.llm.application<MobileCamera, "chatgpt">(), // 对应于MobileCamera的“chatgpt”应用
        typia.llm.application<MobileFileSystem, "chatgpt">(), // 对应于MobileFileSystem的“chatgpt”应用
        typia.llm.application<MobilePhoneCall, "chatgpt">(), // 对应于MobilePhoneCall的“chatgpt”应用
      ],
    });
    await agent.与之对话("我想买个MacBook Pro"); // 我想买个MacBook Pro

点击进入全屏 点击退出全屏

@agentica 是一个专用于LLM函数调用的框架。我们在2023年开发了这项技术，现在已将其开源。

使用@agentica框架，你可以通过使用TypeScript类和Swagger/OpenAPI文档定义功能服务。通过引入你的后端服务器的OpenAPI文档，你可以实现与你后端服务器的对话交互，通过自然对话来调用API功能。

使用商场的后端服务器，用户可以通过对话形式搜索并购买商品。通过 GitHub 服务，你可以创建一个从你的代码中学习并进行实时编程的代理。利用 TypeScript 类，你可以开发一个既可以与你的移动设备交互，又可以与后端服务器互动的代理。

此外，如果你同时提供多个OpenAPI文档，比如arxiv、newspaper和notion，你的AI代理可以通过分析学术论文和新闻文章在Notion中撰写文档。当你让代理分析最近的韩国经济趋势、评论这些趋势、整理相关论文并将所有内容记录在Notion中时，AI代理会无缝完成所有这些任务。

也可以在 TypeScript 类中提供函数功能

• 文档示例（示例文档）

• IShoppingSaleUnitStock

• IShoppingCouponRestriction

• ShoppingCustomerOrderController

• Swagger-UIhttps://shopping-be.wrtn.ai/editor/

鉴于他们的工作性质，后端开发人员实际上比其他任何人，甚至是传统的AI/ML开发人员，都更适合开发AI代理程序。

以商场为例。后台开发者在研究和实现核心领域概念（如SKU）时，设计API和DTO。对于每一个API和DTO，都编写详细的说明来指导客户端开发者。

这些清晰定义和详细描述的API函数和DTO模式结构，后端开发者通常会创建这些，是理想的AI提示。实际上，我通过添加描述来解释API函数之间的关系，仅用一天时间就成功构建了一个购物聊天机器人。

后端开发者们，你们已经准备好成为AI开发者了。让我们利用API设计技能开发AI代理。只需把你的swagger.json文件，它可以直接变成一个企业级的AI代理。

    export class ShoppingSaleController {
      /**

* 列出所有汇总销售。
       *

* 列出所有 {@link IShoppingSale.ISummary 汇总销售}。
       *

* 如您所见，返回的销售是汇总的，不包含详细的 SKU（库存单位）信息。这些信息由上述类型表示。如果您需要某个销售的详细信息，可以使用

* `GET /shoppings/customers/sales/{id}` 操作对每个销售进行查询。
       *

* > 如果您是一个 AI 聊天机器人，用户希望从某个销售中购买或整理 {@link IShoppingCartCommodity 购物车商品}，那么您需要至少调用一次

* > `GET /shoppings/customers/sales/{id}` 操作来获取该销售的详细 SKU 信息。这一步是后续操作的必要条件。
       *

* @param input 分页、查询和排序的请求参数

* @returns 汇总的销售记录，分页显示

* @tag 销售
       *

* @author Samchon
       */
      @TypedRoute.Patch()
      public async index(
        @AuthGuard() actor: Actor,
        @TypedBody() input: IShoppingSale.IRequest,
      ): Promise<IPage<IShoppingSale.ISummary>>;
    }

点击这里进入全屏模式，点击这里退出全屏模式

如果你刚接触AI，你可能很好奇它是怎么用函数搞定所有事情的。

相反地，如果你是AI代理开发的专家，你可能会有不同的疑问。传统的代理开发主要围绕着代理的工作流图，那么@agentica是如何利用LLM函数调用来实现类似的功能的呢？

访问我们的框架主页或阅读我之前的文章以了解关于 @agentica 的关键原则。这些资源会帮助你了解新的 AI 开发模式：“编译驱动开发”和“文档驱动开发”。

• Github 仓库: https://github.com/wrtnlabs/agentica
• 文档: https://wrtnlabs.io/agentica