Token导航 LogoToken导航TokenDH.com
中转站排行榜
achai (Chi Chencc) logo
AI代理未说明官方级别未说明来源级核验

achai (Chi Chencc)

MCP Server

Achai是一个基于C语言构建的高性能、轻量级AI Agent运行时环境，专为嵌入式设备设计，支持ReAct认知架构、工具调用、技能动态加载、本地和远程MCP服务以及MQTT远程控制。

工具数

0

提示词数

0

GitHub Stars

1

资源数

0
AI代理API密钥工作流自动化

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

作者 / 组织

ChiChencc

提供方

ChiChencc

最后核验

2026/5/17 20:22

快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

详细介绍

Achai (AI Agent in C)

Achai 是一个基于 C 语言构建的高性能、轻量级 AI Agent 运行时环境。它专为嵌入式设备（如树莓派、IoT 网关）设计，支持 ReAct 认知架构、工具调用（Function Calling）、技能动态加载、本地和远程MCP服务以及 MQTT 远程控制。

✨ 主要特性

  • 轻量级运行时: 纯 C 语言编写，低内存占用，适合嵌入式环境。
  • ReAct 架构: 实现 "思考-行动-观察" (Think-Act-Observe) 循环，支持复杂任务拆解。
  • 多模态交互: 支持命令行交互 (REPL) 和 MQTT 远程指令控制。
  • 工具与技能:

* 内置工具: Shell 命令执行、文件读写、定时器、闹钟等。 * 动态技能: 支持通过 skills/ 目录动态加载外部技能配置。 * IoT 控制: 内置 IoT 管理模块，支持通过配置文件 (iot_config.json) 定义设备，并进行读写操作。 * Web & MCP: 集成 MCP 协议，支持连接本地或远程的 MCP 服务。

  • 异步架构: 基于 Reactor 模式的事件驱动设计，集成 Paho MQTT，实现非阻塞 I/O。
  • 长短期记忆:

* 短期记忆: JSON 文件实时存储最近对话。 * 长期记忆: 基于 SQLite + Vector Search 的归档机制，自动总结并向量化存储重要信息。

  • 模块化设计: 支持多种 LLM 后端（目前支持火山引擎 Volcengine，架构上支持扩展）。

🛠️ 编译指南 (Build)

前置依赖

请确保您的系统已安装以下工具和库：

  • CMake (>= 3.10)
  • GCC 或 Clang 编译器
  • Make
  • libcurl (用于 HTTP 请求)
  • pthread (线程支持)
  • OpenSSL (用于 HTTPS/MQTT)
  • zlib (用于数据压缩)

编译步骤

1. 克隆项目

git clone 
cd achai

2. 本地编译 (x86_64)

使用提供的脚本进行一键编译：

chmod +x build.sh
./build.sh

编译成功后，可执行文件 Achai 将生成在 build/ 目录下。

3. 交叉编译 (ARM)

如果您需要为 ARM 设备（如树莓派、IoT 网关）编译，请使用专门的交叉编译脚本。 该脚本会自动下载并静态编译 curl, openssl, zlib 等依赖库，生成无需外部依赖的静态二进制文件。

chmod +x build_arm.sh
./build_arm.sh

编译成功后，可执行文件 Achai 将生成在 build_arm/ 目录下。

部署到 ARM 设备： 请将以下文件复制到设备：

  1. build_arm/Achai (可执行文件)
  2. .env (配置文件)
  3. cacert.pem (CA 证书，用于 HTTPS)
  4. skills/ 目录 (可选)

运行前请设置证书环境变量：

export CURL_CA_BUNDLE=/path/to/cacert.pem
./Achai

调试模式 (可选)

如果需要开启调试符号及内存检查 (AddressSanitizer):

# 修改 build.sh 或 build_arm.sh 中的 CMAKE_BUILD_TYPE
cmake -DCMAKE_BUILD_TYPE=Debug ..
make

🧪 测试 (Testing)

本项目包含单元测试和集成测试，使用 CTest 进行管理。

运行所有测试

在 build 目录下运行：

ctest --output-on-failure

或者：

make test

运行特定测试

您可以根据测试名称运行特定的测试套件：

# 运行单元测试 (Unit Tests)
ctest -R unit_tests

# 运行网络模块测试 (Network Tests)
ctest -R network_tests

# 运行 MQTT 集成测试 (Integration Tests - 需要 MQTT Broker)
ctest -R integration_mqtt

测试说明

  • unit_tests: 核心逻辑的单元测试，涵盖 Utils, Core, Agent, Skills 等模块。使用 Mock 模拟网络和 LLM 调用，无需外部依赖。
  • network_tests: 网络客户端的逻辑测试，使用 Mock 驱动模拟 LLM 响应。
  • integration_mqtt: MQTT 模块的集成测试。注意：此测试需要本地或配置的 MQTT Broker 处于运行状态，否则会失败。

⚙️ 配置说明 (Configuration)

Achai 使用 .env 文件进行配置。程序启动时会自动在当前目录、父目录或祖父目录查找 .env 文件。

请在项目根目录创建 .env 文件，并参考以下配置：

# --- 基础配置 ---
# 工作区目录 (默认: workspace)
ACHAI_WORKSPACE=workspace
# 技能目录 (默认: skills)
ACHAI_SKILLS_DIR=skills
# 日志级别 (0:User, 1:Process, 2:Debug, 3:Error)
ACHAI_LOGGER=2
# 是否输出日志到控制台 (1:开启, 0:关闭)
ACHAI_LOG_TO_CONSOLE=1

# --- LLM 模型配置 ---
# LLM 提供商 (目前支持: volcengine)
LLM_PROVIDER=volcengine
# 模型接入点 ID (例如火山引擎的 Endpoint ID)
LLM_MODEL_ID=ep-20240604055538-2q2h9
# API Key (格式: 
_API_KEY，大写)
VOLCENGINE_API_KEY=your_api_key_here

# --- 记忆与归档配置 ---
# 触发归档的对话条数 (默认: 25)
ACHAI_MEMORY_ARCHIVE_THRESHOLD=25
# 归档后保留的最近条数 (默认: 5)
ACHAI_MEMORY_ARCHIVE_KEEP=5
# 归档时重叠的条数 (默认: 5)
ACHAI_MEMORY_ARCHIVE_OVERLAP=5

# --- Embedding 配置 ---
# Embedding 模型路径 (GGUF 格式)
ACHAI_EMBEDDING_MODEL=models/embedding/bge-small-zh-v1.5-f32.gguf
# 数据库文件路径 (默认: memory/achai.db)
ACHAI_MEMORY_PATH=memory/achai.db

# --- MQTT 配置 (IoT 集成) ---
# MQTT Broker 地址
MQTT_HOST=localhost
# MQTT 端口
MQTT_PORT=1883
# 客户端 ID
MQTT_CLIENT_ID=achai_device_01
# 订阅的主题 (接收指令)
MQTT_TOPIC_IN=achai/chat/in
# 发布的主题 (发送回复)
MQTT_TOPIC_OUT=achai/chat/out
# (可选) MQTT 用户名和密码
# MQTT_USERNAME=user
# MQTT_PASSWORD=pass

# --- IoT 配置 (IoT) ---
# IoT 配置文件路径 (默认: config/iot_config.json)
ACHAI_IOT_CONFIG=config/iot_config.json
# IoT 数据库路径 (默认: iot.db)
ACHAI_IOT_DB=iot.db

IoT 配置文件 (iot_config.json)

Achai 使用 config/iot_config.json 定义 IoT 设备。支持 只读 (read) 和 只写 (write) 两种权限。

配置示例：

{
  "devices": [
    {
      "name": "living_room_temp",
      "topic": "achai/sensor/temp",
      "type": "float",
      "unit": "°C",
      "access": "read"
    },
    {
      "name": "kitchen_light_control",
      "topic": "achai/kitchen/light/set",
      "type": "string",
      "unit": "mode",
      "access": "write"
    }
  ]
}
  • access="read": 设备为只读（如传感器）。系统会自动订阅 topic，接收到的消息会存入本地数据库 iot.db。
  • access="write": 设备为只写（如控制器）。Agent 可以使用 set_iot 工具向 topic 发送指令，但不会订阅该主题，也不会将指令存入数据库。
  • type: 支持 int, float, bool, string。系统会自动进行类型转换和校验。

MCP 服务配置 (mcp_config.json)

Achai 支持通过 mcp_config.json 文件配置多个 MCP 服务器。支持 Stdio (本地进程) 和 HTTP/SSE (远程服务) 两种模式。

文件路径优先级：

  1. 环境变量 ACHAI_MCP_CONFIG 指定的路径
  2. 当前目录下的 mcp_config.json
  3. 父目录或祖父目录下的 mcp_config.json

配置示例：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/files"],
      "env": {
        "NODE_ENV": "production"
      }
    },
    "remote-agent": {
      "url": "http://localhost:8000/sse",
      "api_key": "sk-..."
    }
  }
}

配置字段说明：

  • Stdio 模式 (通过命令行启动本地服务):

* command: (必填) 可执行命令或脚本路径。 * args: (可选) 命令行参数数组。 * env: (可选) 环境变量键值对对象。

  • HTTP 模式 (连接远程 SSE 服务):

* url: (必填) 远程服务的 SSE 端点地址。 * api_key: (可选) 用于认证的 Bearer Token。

🚀 使用说明 (Usage)

1. 启动 Agent

确保已配置好 .env 文件，然后在 build 目录下运行：

./Achai

或者通过命令行参数指定模型：

# 用法: ./Achai [provider] [model_id]
./Achai volcengine ep-2024xxxx

2. 交互模式

启动后，您可以直接在终端输入自然语言指令与 Agent 交互：

User: 帮我设置一个 5 分钟后的闹钟
Achai: 好的，正在为您设置...
[调用 set_timer 工具]
Achai: 已为您设置好 5 分钟后的闹钟。

3. MQTT 远程控制

Achai 启动后会自动连接配置的 MQTT Broker。

  • 发送指令: 向 achai/chat/in 主题发布消息。
  • 接收回复: 订阅 achai/chat/out 主题获取 Agent 的响应。

4. 目录结构

  • src/: 源代码
  • tools/: 工具定义与注册

* definitions/: 工具的具体实现代码 * tool_list.c: 工具注册列表

  • skills/: 技能定义文件 (Markdown 格式)
  • workspace/: Agent 运行时产生的文件存储位置
  • memory/: 长期记忆数据库存放位置
  • config/: 配置文件存放位置 (如 iot_config.json)
  • prompt/: 系统提示词模板存放位置
  • logs/: 运行时日志存放位置
  • models/: 本地模型存放位置 (需自行下载模型文件)
  • AGENTS.md: 详细的开发与架构文档

🛠️ 如何添加新工具 (How to Add Tools)

Achai 支持扩展自定义工具。工具源代码位于项目根目录的 tools/ 文件夹下。

步骤 1: 创建工具实现文件

在 tools/definitions/ 目录下创建一个新的 .c 文件（例如 my_tool.c），并使用 DEFINE_TOOL 宏实现工具逻辑。

#include 
#include 
#include "utils/cJSON.h" 
#include "tools.h" // 引入基础工具定义

// 使用 DEFINE_TOOL 宏定义工具函数
// 自动生成函数签名: char* tool_my_add(cJSON* args)
DEFINE_TOOL(my_add) {
    // 1. 解析参数 (假设 args 是 [1, 2])
    // GET_ARG_INT(index, variable_name)
    GET_ARG_INT(0, num1); 
    GET_ARG_INT(1, num2);   

    // 2. 执行逻辑
    // ...

    // 3. 返回结果 (自动处理内存分配)
    char buffer[128];
    snprintf(buffer, sizeof(buffer), "%d + %d = %d", num1, num2, num1 + num2);  
    
    RETURN_STRING(buffer);
}

步骤 2: 注册工具

打开 tools/tool_list.c 文件，在 tools_register_all() 函数中注册您的新工具。

  1. 声明外部函数（或者在头文件中声明）：
    // Forward declaration
    char* tool_hello_world(cJSON* args);
  1. 调用 tools_register:
    void tools_register_all(void) {
        // ... 其他工具 ...
        
        // 参数: 名称, 描述, 参数格式(JSON schema 字符串), 函数指针
        tools_register(
            "hello_world", 
            "Say hello to someone", 
            "[\"name\"]", 
            tool_hello_world
        );
    }

常用宏说明

  • DEFINE_TOOL(name): 定义工具函数 tool_name。
  • GET_ARG_STR(idx, var): 获取字符串参数，存入 const char* var。如果类型不匹配会自动返回错误。
  • GET_ARG_INT(idx, var): 获取整数参数，存入 int var。
  • RETURN_STRING(str): 返回字符串结果。
  • RETURN_INT(val): 返回整数结果（自动转字符串）。
  • RETURN_ERROR(msg): 返回错误信息。

步骤 3: 重新编译

cd build
make

重启 Achai 后，Agent 即可感知并使用该工具。

🔌 如何添加本地 MCP 服务 (How to Add Local MCP Server)

除了内置的 C 语言工具，Achai 还支持通过 Model Context Protocol (MCP) 集成外部工具服务。您可以编写 Python、Node.js 等语言的 MCP Server，并通过标准输入输出 (stdio) 与 Achai 通信。

步骤 1: 创建 MCP Server 脚本

在项目根目录下创建一个新目录（例如 MCP_local），并在其中编写 Server 脚本（例如 server.py）。

该脚本需要实现基本的 MCP 协议 JSON-RPC 交互，主要处理以下方法：

  • initialize: 初始化握手
  • tools/list: 返回工具列表
  • tools/call: 执行工具调用

以下是一个 Python 实现示例：

import sys
import json

def main():
    while True:
        try:
            # 读取标准输入
            line = sys.stdin.readline()
            if not line:
                break
            
            req = json.loads(line)
            method = req.get("method")
            req_id = req.get("id")
            
            # 1. 处理初始化请求
            if method == "initialize":
                resp = {
                    "jsonrpc": "2.0",
                    "id": req_id,
                    "result": {
                        "protocolVersion": "2024-11-05",
                        "capabilities": {},
                        "serverInfo": {"name": "MyLocalServer", "version": "1.0"}
                    }
                }
                print(json.dumps(resp))
                sys.stdout.flush()
                
            # 2. 处理初始化通知 (无响应)
            elif method == "notifications/initialized":
                pass
                
            # 3. 返回工具列表
            elif method == "tools/list":
                resp = {
                    "jsonrpc": "2.0",
                    "id": req_id,
                    "result": {
                        "tools": [
                            {
                                "name": "weather_query",
                                "description": "查询指定地点的天气",
                                "inputSchema": {
                                    "type": "object",
                                    "properties": {
                                        "location": {"type": "string", "description": "城市名称"}
                                    },
                                    "required": ["location"]
                                }
                            }
                        ]
                    }
                }
                print(json.dumps(resp))
                sys.stdout.flush()
                
            # 4. 处理工具调用
            elif method == "tools/call":
                params = req.get("params", {})
                name = params.get("name")
                args = params.get("arguments", {})
                
                # 兼容性处理：如果 args 是列表，取第一个元素
                if isinstance(args, list) and len(args) > 0 and isinstance(args[0], dict):
                    args = args[0]
                
                content = ""
                if name == "weather_query":
                    loc = args.get("location", "未知地点")
                    content = f"{loc} 的天气是：晴朗，25°C"
                else:
                    content = f"未知工具: {name}"
                
                resp = {
                    "jsonrpc": "2.0",
                    "id": req_id,
                    "result": {
                        "content": [{"type": "text", "text": content}]
                    }
                }
                print(json.dumps(resp))
                sys.stdout.flush()
                
            # 5. 心跳检测
            elif method == "ping":
                resp = {"jsonrpc": "2.0", "id": req_id, "result": {}}
                print(json.dumps(resp))
                sys.stdout.flush()
                
        except json.JSONDecodeError:
            continue
        except Exception as e:
            continue

if __name__ == "__main__":
    main()

步骤 2: 配置 mcp_config.json

在项目根目录下创建或编辑 mcp_config.json 文件，注册您的本地 Server。

{
    "mcpServers": {
        "local_mcp": {
            "command": "python3",
            "args": ["-u", "server.py"],
            "env": {
                "PYTHONPATH": "/absolute/path/to/achai/MCP_local",
                "LOG_LEVEL": "INFO"
            }
        }
    }
}
注意: cwd (工作目录) 建议使用绝对路径，确保 Achai 能正确找到脚本位置。args 中的 -u 参数对于 Python 很重要，它强制标准输出不缓存，保证通信实时性。

步骤 3: 启动 Achai

配置完成后，正常启动 Achai：

./Achai

Achai 启动时会自动读取 mcp_config.json，启动配置的子进程，并加载其中定义的工具（如 weather_query）。您可以在对话中直接使用这些工具。

☁️ 如何连接远程 MCP 服务 (How to Connect Remote MCP Server)

除了本地子进程，Achai 还支持通过 HTTP (SSE - Server-Sent Events) 协议连接远程运行的 MCP 服务器。这对于将重型计算任务卸载到云端或连接共享的 Agent 服务非常有用。

步骤 1: 部署远程 MCP Server

远程 Server 需要支持 MCP 的 SSE 传输规范。您可以使用官方 SDK 或兼容框架部署。

例如，一个简单的 Node.js SSE Server 可能运行在 http://myserver.com:8000/sse。

步骤 2: 配置 mcp_config.json

在 mcp_config.json 中添加 url 字段即可：

{
    "mcpServers": {
        "remote_math_solver": {
            "url": "http://192.168.1.100:8000/sse",
            "api_key": "optional-secret-token"
        }
    }
}
  • url: 远程服务的 SSE 端点。Achai 会先连接此端点接收事件，并通过 POST 请求发送指令。
  • api_key: (可选) 如果远程服务需要鉴权，Achai 会将其放入 HTTP 请求头的 Authorization: Bearer 中。

步骤 3: 启动 Achai

启动后，Achai 会自动尝试连接该 URL。连接成功后，远程 Server 暴露的工具将自动注册到 Achai 的工具列表中。

📝 开发手册

更多关于项目架构、代码结构和开发规范的详细信息，请参阅 AGENTS.md。

📄 许可证 (License)

本项目基于 MIT 许可证开源。详情请参阅 LICENSE 文件。

Copyright (c) 2024-2025 Achai

目录标签

目录标签

AI代理API密钥工作流自动化C本地部署嵌入式设备ReAct架构工具调用MQTT远程控制

接入字段

传输方式（transport，传输协议）

未说明

鉴权方式（authType，认证方式）

api-key

工具数量（toolCount，工具数）

0

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

未说明api-key部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

仍需确认：installCommand

来源信息

achai logo

MCP World

mcpworld.com

/detail/b7d3ed158c31c20d437b4c2cb447a277

Achai是一个基于C语言构建的高性能、轻量级AI Agent运行时环境，专为嵌入式设备设计，支持ReAct认知架构、工具调用、技能动态加载、本地和远程MCP服务以及MQTT远程控制。

继续浏览同类 MCP

更多AI代理 MCP（18,706）返回 MCP 目录

上一个 MCP

Ace MCP Go (Leon2012)

全面解析Ace MCP GoMCP Server的核心功能、安装配置和实用案例。作为顶级Model Context Protocol服务器，Ace MCP Go能让AI助手访问实时数据、执行操作，为您提供更智能的工作体验和自动化解决方案。

下一个 MCP

ACI.dev MCP

全面解析AciMCP Server的核心功能、安装配置和实用案例。作为顶级Model Context Protocol服务器，Aci能让AI助手访问实时数据、执行操作，为您提供更智能的工作体验和自动化解决方案。