Awesome Email Agents

AI代理的精彩电子邮件 

一份精心策划的电子邮件基础设施、SDK、工具、框架和AI代理系统模式列表。

电子邮件是人工智能代理的通用异步协议。此列表涵盖了为代理提供真正收件箱所需的一切——从专用基础设施到框架集成再到生产模式。

纳入标准： 工具必须是专门为AI代理设计的，或者已经在代理堆栈中大规模展示了生产应用。

______________________________________________________________________

目录

• 电子邮件基础架构
• MCP服务器
• 框架集成
• n8n/工作流自动化
• 开源电子邮件服务器
• 生产模式
• 食谱示例
• 文章和谈话

______________________________________________________________________

电子邮件基础架构

为AI代理提供专用电子邮件功能的工具和平台。

专为代理商打造

公社 --为AI代理提供专用的电子邮件基础设施。每个代理都有自己的收件箱，入站电子邮件会触发Webhook，线程会跨客户端跟踪，附件会进行威胁扫描。内置：RFC 5322线程、语义向量搜索、结构化JSON提取、提示注入保护、HMAC签名的webhooks，具有8次重试交付保证。

• Python SDK： pip install commune-mail — 公社python
• TypeScript SDK： npm install commune-ai — 公社ai
• MCP服务器： uvx commune-mcp — 公社mcp
• 可自托管后端-- 公社
• 食谱： 公社烹饪书

交易电子邮件（两用）

重发 -面向开发人员的现代电子邮件API。清洁API，React电子邮件模板，webhook，入站电子邮件支持。不为每个代理提供独立收件箱。最适合只需要发送电子邮件（不需要接收）的代理。

• npm install resend 或 pip install resend
• github： 重新发送/重新发送节点

SendGrid --Twilio的电子邮件平台。大容量发送、可交付性工具、入站解析webhook。专为批量/营销电子邮件而设计；代理本机特性需要大量的包装器代码。

• github： sendgrid/sendgrid python,

邮戳 --专注于事务性电子邮件的可送达性。入站webhook支持。没有每个代理收件箱隔离。

亚马逊SES --AWS电子邮件服务。规模成本低。向S3/SNS/Lambda发送入站电子邮件。需要对代理用例进行大量设置。

自托管电子邮件服务器

邮政的 --用于大容量发送的开源邮件服务器。SendGrid/Mailgun的自托管替代方案。基于Ruby。

Mailu --全功能邮件服务器堆栈（Docker）。SMTP、IMAP、反垃圾邮件、网络邮件。对于需要IMAP访问现有邮箱的代理非常有用。

哈拉卡 --高性能Node.js SMTP服务器。可通过插件进行扩展。用于自定义入站处理管道。

______________________________________________________________________

MCP服务器

模型上下文协议服务器，为AI助手（Claude Desktop、Cursor、Windsurf）提供电子邮件功能。

公社mcp --用于Claude Desktop、Cursor和Windsurf的电子邮件工具。创建收件箱、阅读帖子、发送电子邮件。 uvx commune-mcp.

mcp服务器gmail --Gmail的官方MCP服务器。从您的个人Gmail帐户读取/发送。官方MCP服务器集合的一部分。

mcp服务器sendgrid --SendGrid电子邮件发送的官方MCP服务器。

______________________________________________________________________

框架集成

LangChain

• 公社烹饪书/语言链 --用于send_email、read_inbox、search_threads的LangChain工具——客户支持和主要外联代理的完整示例
• langchain社区电子邮件工具 --langchain社区中的Gmail工具包

船员AI

• 公社烹饪书 --多代理团队示例：分诊代理、专家代理、QA代理都通过Commune收件箱进行协调

OpenAI代理SDK

• 公社食谱/openai代理商 — @function_tool 公社经营包装

克劳德（人类学）

• 公社烹饪书/克劳德 — tool_use 示例：客户支持、潜在客户拓展、结构化提取

自动生成

• 公社烹饪书 --AutoGen示例即将推出

______________________________________________________________________

n8n/工作流自动化

n8n节点通信 --公社的n8n社区节点。全面覆盖：邮件（发送、列表）、收件箱（创建、列表、获取、更新、删除、设置Webhook、设置提取模式）、线程（列表、获取邮件、更新状态）、搜索、传递和入站电子邮件触发器。

______________________________________________________________________

生产模式

代理系统中电子邮件的架构模式——附代码示例。

模式1：每个代理一个收件箱

系统中的每个代理都有一个专用收件箱。客户支持代理使用 support@company.com，计费代理使用 billing@company.com这隔离了线程历史，使路由明确，并防止工作流之间的交叉污染。

# Create dedicated inboxes for each agent type
support_inbox = client.inboxes.create(local_part="support")
billing_inbox = client.inboxes.create(local_part="billing")
onboarding_inbox = client.inboxes.create(local_part="onboarding")

模式2：Webhook→ 代理→ 在帖子中回复

规范代理电子邮件流：接收webhook，运行LLM，用thread_id回复。

@app.post("/webhook")
async def handle_email(request: Request):
    body = await request.body()
    verify_signature(body, headers["x-commune-signature"], WEBHOOK_SECRET, headers["x-commune-timestamp"])

    payload = json.loads(body)
    # Run your agent with the email content
    reply = await agent.run(payload["content"])
    # Reply in the same thread
    client.messages.send(to=payload["sender"], text=reply, inbox_id=payload["inboxId"], thread_id=payload["thread_id"])

模式3：用于零LLM解析的结构化提取

在收件箱上定义JSON模式。入站电子邮件会自动解析，无需额外的LLM调用。

client.inboxes.set_extraction_schema(domain_id, inbox_id,
    name="support_ticket",
    schema={"type": "object", "properties": {
        "intent": {"type": "string"},
        "priority": {"type": "string", "enum": ["low", "medium", "high", "critical"]},
        "product": {"type": "string"}
    }}
)
# Every inbound email now has extracted intent, priority, product before your webhook fires

模式4：通过电子邮件进行多代理协调

代理通过电子邮件将任务相互移交。代理A完成一个子任务，并将结果通过电子邮件发送给代理B。完成后，代理B会回复。线程历史记录中的完整审计跟踪。

# Agent A hands off to Agent B
client.messages.send(
    to="billing-agent@company.com",  # Agent B's inbox
    subject=f"Process refund for {customer_email}",
    text=f"Customer {customer_id} requested refund of ${amount}. Order: {order_id}",
    inbox_id=agent_a_inbox.id,
)
# Agent B receives via webhook, processes, replies to Agent A

模式5：代理记忆的语义搜索

通过在所有电子邮件历史中进行矢量搜索，代理可以访问相关的过去上下文。

# Before replying, search for relevant past interactions
past_context = client.search.threads(
    f"customer {customer_email} previous issues",
    inbox_id=support_inbox.id,
    limit=3,
)
context_str = "\n".join([t.snippet for t in past_context])
reply = llm.complete(f"Context from past interactions:\n{context_str}\n\nNew message: {email_content}\n\nReply:")

模式6:Idempotent发送可靠的代理

代理循环重试。使用幂等性密钥来防止重复的电子邮件。

client.messages.send(
    to="user@example.com",
    subject="Weekly report",
    text=report_body,
    inbox_id=inbox.id,
    idempotency_key=f"weekly-report-{user_id}-{week_number}",
)
# Safe to call 10 times — exactly one email is sent

______________________________________________________________________

食谱示例

代理系统中电子邮件的完整、可运行的代码示例。

______________________________________________________________________

文章和谈话

• 为什么AI代理需要自己的电子邮件基础设施 --代理原生电子邮件与重新利用人工电子邮件的案例
• 电子邮件作为代理通信协议 --RFC 5322，线程和异步代理工作流

______________________________________________________________________

贡献

找到属于这里的工具或图案了吗？打开一个pull请求。

纳入标准：

• 专为AI代理构建，或在代理堆栈中经过验证的生产采用
• 积极维护（最后一次提交在12个月内）
• 不是垃圾邮件或没有实质内容的自我推销

看 贡献.md 作为指导方针。

______________________________________________________________________

相关列表

• 代理堆栈 --50多种生产代理基础设施工具的更广泛注册
• 出色的代理协议 --代理通信协议（MCP、电子邮件、webhooks、代理间消息传递）
• 很棒的mcp服务器 --精心策划的MCP服务器列表

______________________________________________________________________

*由维护 公社 ·MIT许可证*