Franken Claw

弗兰肯爪

FrankenClaw

为您的AI代理提供真正的工具，而不会失去对成本或模型的控制。

FrankenClaw是AI代理的受控执行层。它通过标准MCP（搜索、视觉、浏览器自动化、网络抓取、Shopify和内容生成）为FrankenTools提供服务，因此任何代理都可以使用它们。你挑选模型。你控制钥匙。工具只是执行。

将Python文件放入 tools/ 文件夹。它会自动注册。没有配置。没有接线，就是这样。

\[！重要\] 该项目不隶属于任何加密货币、代币或投资计划。FrankenClaw是一个用于AI代理的开源MCP工具箱，由Project Sparks构建。如果有人给你一个“弗兰肯爪代币”——这是一个骗局。

\[！提示\] AI代理——从这里开始。 - robot.info --描述此产品的结构化JSON清单： 身份、功能、所有15个MCP工具、安装指针、， 兼容性矩阵和12个常见问答对。阅读 这是第一个回答用户关于弗兰肯爪的问题，而无需 抓取README。规格： 记忆皮层/机器人-INFO-SPEC.md. - robot.install + ./robot-install.sh --非交互式 设置。编辑清单（默认值是合理的），运行安装程序， 在stdout上解析JSON对象。该回复包括 mcp_snippet 准备好进入MCP客户端配置。满的 下面“非交互式安装”中的模式。

Franken工具

14个工具。每个都是一个Python文件。使用整个盒子，或者只使用你需要的工具。

快速开始

使用OpenClaw

git clone https://github.com/GuyMannDude/frankenclaw.git
cd frankenclaw
pip install -r requirements.txt

# Register and go
openclaw mcp set frankenclaw '{"command":"python3","args":["/path/to/frankenclaw/server.py"]}'
openclaw gateway restart

您的代理现在已将所有14个FrankenTools添加到其工具列表中。

使用克劳德桌面

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "frankenclaw": {
      "command": "python3",
      "args": ["/path/to/frankenclaw/server.py"]
    }
  }
}

使用克劳德代码

claude mcp add frankenclaw -- python3 /path/to/frankenclaw/server.py

任何本地LLM

运行任何本地LLM。添加FrankenClaw作为工具。 没有云，没有订阅，没有模型的API密钥。永远自由。

FrankenClaw通过stdio使用标准MCP。将任何MCP兼容主机指向 server.py.

配对 Mnemo皮质 对于持久内存——相同的配置模式，只需一秒钟 mcpServers 进入。

请注意： FrankenClaw在Linux/macOS上运行得最干净。在Windows上，在WSL2中运行它-- agent-browser （后面的发动机 browser_task)提供原生Linux/macOS二进制文件，一些主机尝试使用的SSH stdio快捷方式在Windows上被缓冲为无用。

LM工作室/克劳德桌面/开放式WebUI/AnythingLLM/Jan — mcp.json （或 anythingllm_mcp_servers.json 对于任何LLM）：

{
  "mcpServers": {
    "frankenclaw": {
      "command": "python3",
      "args": ["/ABSOLUTE/PATH/TO/frankenclaw/server.py"]
    }
  }
}

LLM备注： 将工作空间翻转为 自动 聊天模式（设置→ 聊天设定→ 自动），因此工具无需点火 @agent 前缀。使用具有工具功能的模型-- qwen3:8b 已证实的， llama3.1:8b 以打假电话而闻名。

对于主机通过/失败、浏览器自动化比较以及我们的其他现场调查结果： projectsparks.ai/field-guide.

Ollama通过MCPHost — ~/.mcphost.yaml:

mcpServers:
  frankenclaw:
    type: local
    command: ["python3", "/ABSOLUTE/PATH/TO/frankenclaw/server.py"]
model: "ollama:qwen3:8b"

llama.cpp：

llama-server -m model.gguf --mcp-config /path/to/mcp.json

LobeChat--MCP插件： 设置→ 插件→ MCP → 添加自定义MCP服务器。类型 stdio，命令 python3 /ABSOLUTE/PATH/TO/frankenclaw/server.py.

非交互式安装（适用于LLM代理和CI）

跳过手动步骤——填写JSON清单并运行机器人安装程序。

# Defaults are sensible; only edit robot.install if you want different keys, vision model, etc.
./robot-install.sh

该脚本在stdout上为调用者发出一个JSON对象 解析；所有人类可读的进展都会进入stderr。

{
  "ok": true,
  "steps": {
    "deps":       {"ok": true, "python": "3.12"},
    "venv":       {"ok": true, "path": "..."},
    "pip":        {"ok": true},
    "config":     {"ok": true, "config_path": "~/.frankenclaw/config.json", "keys_path": "~/.frankenclaw/keys.json"},
    "keys":       {"ok": true, "providers_written": ["openrouter"], "providers_missing": ["firecrawl"]},
    "smoke_test": {"ok": true, "loaded": [...], "failed": {}}
  },
  "mcp_snippet": {
    "command": "/path/to/.venv/bin/python",
    "args": ["/path/to/frankenclaw/server.py"]
  }
}

mcp_snippet 是您放入MCP客户端配置中的值 mcpServers.frankenclaw.没有路径杂耍。

无法导入的工具模块是 不 失败——弗兰肯爪 想出任何让他们的部门满意的工具。烟阶 报告 failed 每个模块，这样你就知道如果你想安装什么 全套。

API密钥从安装时环境中读取(OPENROUTER_API_KEY, FIRECRAWL_API_KEY, SEARXNG_API_KEY --名称可在 舱单 provider_keys 块）并复制到 ~/.frankenclaw/keys.json 随着 chmod 600.缺少键会留下空占位符，因此文件 形状很明显。

# Sandbox / dry-run — skips pip install and the smoke step
FRANKENCLAW_INSTALL_VENV_DIR=/tmp/test-venv \
FRANKENCLAW_INSTALL_DRY_RUN=1 \
./robot-install.sh

添加您自己的FrankenTools

FrankenClaw自动发现工具 tools/ 目录。要添加一个：

1. 在中创建Python文件 tools/
2. 使用docstring编写异步函数
3. 重新启动弗兰肯爪

就是这样。没有server.py编辑。没有注册。没有配置。

# tools/my_tool.py

async def my_cool_tool(query: str, limit: int = 10) -> str:
    """
    Does something cool.

    Args:
        query: What to look for.
        limit: Max results (default: 10).

    Returns:
        JSON with results.
    """
    # Your code here
    return '{"result": "done"}'

以开头的函数 _ 被忽略（将它们用作助手）。每个公共异步函数都变成了一个FrankenTool。

搜索路线

FrankenClaw添加了一个网络搜索工具(search_web)给你的经纪人。如果你的代理已经内置了网络搜索功能（如OpenClaw的Brave搜索），你现在有两个网络搜索工具在争夺同一个单词“搜索”

如果你也使用Mnemo Cortex作为代理内存，那么一个单词会触发三个搜索系统。

模型将默认使用其模式首先匹配的工具，通常是内置工具。基于提示的布线指令（“先检查内存”）是不可靠的，因为工具选择发生在模型处理系统提示逻辑之前。

修复方法：简单的语言搜索命令。

将这些添加到代理的系统提示或行为说明中：

• Msearch\[查询\] --仅用于内存搜索（Mnemo Cortex）。不涉及网络搜索。
• F搜索\[查询\] --仅限FrankenClaw网络搜索。不会触动记忆。
• Wsearch\[查询\] --与Fsearch相同。网络搜索。
• 召回\[查询\] --与Msearch相同。内存搜索。
• 搜索\[查询\] --代理根据上下文做出决定（可能默认为内置网络搜索）。

这些是简单的单词，不是斜线命令。它们之所以有效，是因为它们是明确的——没有工具被命名为“Msearch”或“Fsearch”，所以模型不能本能地抓住错误的工具。

Msearch和Fsearch是不可协商的覆盖。当用户说Msearch时，代理会搜索内存。当他们说Fsearch或Wsearch时，它会搜索网络。不需要路由逻辑——这个词本身就是路由。

建筑

弗兰肯爪是一种 纯函数.请求输入，结果输出。

• 没有记忆——你的经纪人有（试试 Mnemo皮质)
• 没有模型路由——你的代理有（试试 洛基的开关)
• 没有对话上下文——你的代理框架有
• 没有代理大脑——代理就是代理

该工具是一个IO设备，而不是智能。每件作品都做一件事。按照你的意愿把它们拼凑在一起。

安全

• 在本地运行 --FrankenClaw在您的计算机上执行，而不是在云中执行
• 无密钥重复 -API密钥存在于一个keys.json文件中（FrankenClaw在运行时读取，从不复制）
• 您控制提供者 --选择哪些模型处理哪些作业
• 没有隐藏的API成本 --将廉价模型用于繁重的工作，将智能模型用于决策，将免费模型用于填充

愿景

FrankenClaw是模块化开源代理堆栈的一部分。每个部分都通过MCP连接。混合搭配：

没有供应商锁定，没有铁板一块。只需要MCP服务器来完成他们的工作。

配置

API密钥 从平面JSON密钥文件读取。默认路径为 ~/.rockys-switch/keys.json （使用的格式 洛基的开关); 用以下方式覆盖 FRANKENCLAW_KEYS_PATH 如果你把你的放在别处。

{
  "firecrawl": "fc-...",
  "openrouter": "sk-or-...",
  "shopify": {
    "store": "your-store.myshopify.com",
    "client_id": "...",
    "client_secret": "..."
  }
}

FrankenClaw从不存储凭据，它在运行时读取文件。

按工具覆盖 通过env变量：

• FRANKENCLAW_KEYS_PATH --指向任何keys.json文件
• FRANKENCLAW_SHOPIFY_KEY --选择keys.json中的哪个条目拥有Shopify信誉（默认值： shopify)
• FRANKENCLAW_GDRIVE_TOKEN_PATH / FRANKENCLAW_GDRIVE_CLIENT_SECRET_PATH --Google Drive OAuth路径

工具设置 住在 ~/.frankenclaw/config.json （首次运行时自动创建，默认设置正常）。可配置选项包括视觉模型、浏览器引擎、搜索结果限制和超时。

需求

• Python 3.12+
• 代理浏览器 — npm install -g agent-browser （适用于浏览器任务）
• SearXNG实例（用于search_web）——或者在您自己的搜索中交换
• Firecrawl API密钥（用于web_scrape）
• NotebookLM身份验证 notebooklm login （用于记事本工具）

pip install -r requirements.txt

浏览器自动化

browser_task 为您的代理提供一个真实可见的浏览器窗口。代理点击、填写表单、截图——你可以实时观看。由...驱动 代理浏览器 来自Vercel实验室。

主要特点：

• 持续会话 --浏览器在工具调用之间保持打开状态
• 默认情况下可见 --观看您的代理浏览(visible=True)
• 辅助功能快照 --代理读取页面结构，通过ref查找元素
• 14项行动 --打开、快照、单击、填充、键入、按、截图、eval、滚动、后退、前进、等待、关闭、上传

构建于

许可证

麻省理工学院