Token导航 LogoToken导航

Agent Skill · 开发

coze-api(coze API 文档)

用于辅助 API 设计、接口文档、请求响应结构和服务集成说明。它适合让 Agent 梳理 endpoint、生成 OpenAPI 草稿、检查字段命名、整理错误码或辅助前后端联调。使用时需要确认真实业务语义、鉴权方式、分页和错误处理规则;涉及生成接口文档时,应避免凭空补字段,最好从现有代码、schema 或接口样例中提取事实。

coze-api 是开发类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为接触敏感数据;许可证为 MIT,第三方扫描已通过,按安装量在开发类的 21,746 个 Skill 里排第 9,503。

总安装 2,668周安装 109GitHub Stars 240下载 855核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:coze-api(coze API 文档)
来源仓库:https://github.com/smallnest/langgraphgo
仓库路径:skills/coze-api
安装命令:
npx skills add https://github.com/smallnest/langgraphgo --skill coze-api
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/smallnest/langgraphgo --skill coze-api

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

coze-api 提供与字节跳动 Coze 平台的完整接口集成。支持对话、工作流执行与消息状态查询功能。适用宿主包括 Codex、Claude、Cursor、Gemini CLI,接入前应确认版本、权限和运行环境要求。需申请 PAT 令牌并绑定已发布的 Bot ID。API 调用遵循国内版地址与 v3 版本规范。

coze-api 属于开发类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/coze-api

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/smallnest/langgraphgo --skill coze-api;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

coze-api 怎么安装?

在终端执行 npx skills add https://github.com/smallnest/langgraphgo --skill coze-api。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

coze-api 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

coze-api 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

coze-api 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

coze-api 用的人多吗?

公开数据是累计安装 2,668 次,近一周安装 109 次,下载 855 次,GitHub 240 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

coze-api 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
coze-api

coze API 文档 · 本页

2,668240接触敏感数据MIT通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Coze API 集成 Skill

扣子(Coze)是字节跳动推出的 AI 智能体开发平台,本 Skill 提供完整的 Coze API 调用指南。

核心功能

  1. 对话 API (Chat API) - 与智能体进行对话
  2. 工作流 API (Workflow API) - 执行工作流
  3. 消息管理 - 查询对话状态和消息列表

快速开始

1. 准备工作

在使用 Coze API 前需要完成以下准备:

获取访问令牌 (Personal Access Token)

  1. 登录 Coze 平台: https://www.coze.cn
  2. 进入个人中心 → API 管理
  3. 创建个人访问令牌(PAT)
  4. 保存令牌(仅显示一次)

获取 Bot ID

  1. 进入 Bot 编辑页面
  2. 从 URL 中获取 Bot ID

- 例如: https://www.coze.cn/space/123/bot/7348293334 - Bot ID 为: 7348293334

发布 Bot 为 API 服务

  1. 在 Bot 页面点击"发布"
  2. 选择"Bot as API"
  3. 等待审核通过

2. API 基础信息

API 基础 URL

  • 国内版: https://api.coze.cn
  • API 版本: v3(推荐)

认证方式

Authorization: Bearer {YOUR_PAT_TOKEN}
Content-Type: application/json

使用限制

  • 基础版: 每账号 100 次 API 调用(一次性)
  • 专业版: 无限制,按 Token 消耗计费

对话 API (Chat API)

非流式对话

发起一次完整对话,等待完整结果后返回。

API 端点

POST https://api.coze.cn/v3/chat

Python 示例代码

import requests
import json

API_URL = "https://api.coze.cn/v3/chat"
RETRIEVE_URL = "https://api.coze.cn/v3/chat/retrieve"
MESSAGE_LIST_URL = "https://api.coze.cn/v3/chat/message/list"

# 配置参数
PAT_TOKEN = "YOUR_PAT_TOKEN"
BOT_ID = "YOUR_BOT_ID"
USER_ID = "unique_user_id"

def send_message(message):
    """发起对话"""
    headers = {
        "Authorization": f"Bearer {PAT_TOKEN}",
        "Content-Type": "application/json"
    }

    data = {
        "bot_id": BOT_ID,
        "user_id": USER_ID,
        "stream": False,
        "auto_save_history": True,
        "additional_messages": [
            {
                "role": "user",
                "content": message,
                "content_type": "text"
            }
        ]
    }

    response = requests.post(API_URL, headers=headers, json=data)
    return response.json()

def check_status(conversation_id, chat_id):
    """查询对话状态"""
    headers = {
        "Authorization": f"Bearer {PAT_TOKEN}",
        "Content-Type": "application/json"
    }

    params = {
        "conversation_id": conversation_id,
        "chat_id": chat_id
    }

    response = requests.get(RETRIEVE_URL, headers=headers, params=params)
    return response.json()

def get_messages(conversation_id, chat_id):
    """获取对话消息"""
    headers = {
        "Authorization": f"Bearer {PAT_TOKEN}",
        "Content-Type": "application/json"
    }

    params = {
        "conversation_id": conversation_id,
        "chat_id": chat_id
    }

    response = requests.get(MESSAGE_LIST_URL, headers=headers, params=params)
    return response.json()

# 使用示例
result = send_message("你好,请介绍一下自己")
print(json.dumps(result, ensure_ascii=False, indent=2))

流式对话

实时接收 AI 回复,类似打字机效果。

Python 示例代码

import requests
import json

def stream_chat(message):
    """流式对话"""
    headers = {
        "Authorization": f"Bearer {PAT_TOKEN}",
        "Content-Type": "application/json"
    }

    data = {
        "bot_id": BOT_ID,
        "user_id": USER_ID,
        "stream": True,
        "auto_save_history": False,  # 流式时必须为 False
        "additional_messages": [
            {
                "role": "user",
                "content": message,
                "content_type": "text"
            }
        ]
    }

    response = requests.post(API_URL, headers=headers, json=data, stream=True)

    # 处理流式响应
    for line in response.iter_lines():
        if line:
            line_str = line.decode('utf-8')

            # 跳过非 data 行
            if not line_str.startswith('data:'):
                continue

            # 提取 JSON 数据
            json_str = line_str.split('data:', 1)[1].strip()

            try:
                data = json.loads(json_str)

                # 处理消息事件
                if data.get('event') == 'conversation.message.delta':
                    content = data.get('data', {}).get('content', '')
                    print(content, end='', flush=True)

                # 处理完成事件
                elif data.get('event') == 'conversation.message.completed':
                    print("\n[对话完成]")

            except json.JSONDecodeError:
                continue

# 使用示例
stream_chat("写一首关于春天的诗")

重要参数说明

请求参数

  • bot_id (必填): Bot 的唯一标识符
  • user_id (必填): 用户标识符,用于区分不同用户
  • stream (必填): 是否使用流式输出

- true: 流式输出,auto_save_history 必须为 false - false: 非流式输出,auto_save_history 必须为 true

  • auto_save_history: 是否自动保存历史记录
  • additional_messages: 消息数组

- role: 角色,通常为 "user" - content: 消息内容 - content_type: 内容类型,通常为 "text"

  • conversation_id (可选): 对话 ID,用于继续之前的对话

响应字段

  • conversation_id: 对话 ID
  • chat_id: 本次对话的 ID
  • status: 对话状态

- in_progress: 处理中 - completed: 已完成 - failed: 失败

工作流 API

执行已发布的工作流。

API 端点

POST https://api.coze.cn/v3/workflows/run

Python 示例代码

import requests
import json

WORKFLOW_RUN_URL = "https://api.coze.cn/v3/workflows/run"

def run_workflow(workflow_id, parameters):
    """执行工作流"""
    headers = {
        "Authorization": f"Bearer {PAT_TOKEN}",
        "Content-Type": "application/json"
    }

    data = {
        "workflow_id": workflow_id,
        "parameters": parameters
    }

    response = requests.post(WORKFLOW_RUN_URL, headers=headers, json=data)
    return response.json()

# 使用示例
workflow_id = "73xxx47"
params = {
    "input_text": "需要处理的文本",
    "option": "选项A"
}

result = run_workflow(workflow_id, params)
print(json.dumps(result, ensure_ascii=False, indent=2))

完整示例: 轮询获取对话结果

非流式对话需要轮询查询状态,直到对话完成。

import requests
import time
import json

def chat_with_polling(message, max_retries=30, interval=2):
    """
    发起对话并轮询获取结果

    Args:
        message: 用户消息
        max_retries: 最大重试次数
        interval: 轮询间隔(秒)
    """
    headers = {
        "Authorization": f"Bearer {PAT_TOKEN}",
        "Content-Type": "application/json"
    }

    # 1. 发起对话
    data = {
        "bot_id": BOT_ID,
        "user_id": USER_ID,
        "stream": False,
        "auto_save_history": True,
        "additional_messages": [
            {
                "role": "user",
                "content": message,
                "content_type": "text"
            }
        ]
    }

    response = requests.post(API_URL, headers=headers, json=data)
    result = response.json()

    if response.status_code != 200:
        print(f"发起对话失败: {result}")
        return None

    conversation_id = result['data']['conversation_id']
    chat_id = result['data']['id']

    print(f"对话已创建: conversation_id={conversation_id}, chat_id={chat_id}")

    # 2. 轮询查询状态
    retrieve_url = f"https://api.coze.cn/v3/chat/retrieve"
    params = {
        "conversation_id": conversation_id,
        "chat_id": chat_id
    }

    for i in range(max_retries):
        time.sleep(interval)

        status_response = requests.get(retrieve_url, headers=headers, params=params)
        status_data = status_response.json()

        status = status_data['data']['status']
        print(f"查询状态 [{i+1}/{max_retries}]: {status}")

        if status == "completed":
            # 3. 获取消息列表
            message_url = f"https://api.coze.cn/v3/chat/message/list"
            message_response = requests.get(message_url, headers=headers, params=params)
            message_data = message_response.json()

            # 提取 AI 回复
            messages = message_data['data']
            for msg in messages:
                if msg['role'] == 'assistant' and msg['type'] == 'answer':
                    print("\n=== AI 回复 ===")
                    print(msg['content'])
                    return msg['content']

        elif status == "failed":
            print("对话失败")
            return None

    print("轮询超时")
    return None

# 使用示例
response = chat_with_polling("介绍一下人工智能的发展历史")

错误处理

常见错误码

  • 400 - 请求参数错误

- 检查 bot_id 是否正确 - 检查 stream 和 auto_save_history 的组合是否正确

  • 401 - 认证失败

- 检查 PAT Token 是否正确 - 检查 Authorization 头格式是否正确

  • 403 - 权限不足

- 检查 Bot 是否已发布为 API 服务 - 检查账号是否有权限访问该 Bot

  • 429 - 请求频率限制

- 基础版达到 100 次限制 - 降低请求频率

  • 500 - 服务器错误

- 稍后重试

错误处理示例

def safe_api_call(func, *args, **kwargs):
    """安全的 API 调用"""
    try:
        result = func(*args, **kwargs)
        return result
    except requests.exceptions.RequestException as e:
        print(f"请求错误: {e}")
        return None
    except json.JSONDecodeError as e:
        print(f"JSON 解析错误: {e}")
        return None
    except Exception as e:
        print(f"未知错误: {e}")
        return None

最佳实践

1. 管理对话上下文

使用 conversation_id 维持多轮对话:

def multi_turn_chat(conversation_id=None):
    """多轮对话"""
    data = {
        "bot_id": BOT_ID,
        "user_id": USER_ID,
        "stream": False,
        "auto_save_history": True,
        "additional_messages": [
            {
                "role": "user",
                "content": "继续我们的对话",
                "content_type": "text"
            }
        ]
    }

    # 如果有 conversation_id,继续之前的对话
    if conversation_id:
        data["conversation_id"] = conversation_id

    # ... 发送请求

2. 选择合适的响应模式

  • 非流式 (stream=False): 适合需要完整结果的场景

- 数据分析 - 批量处理 - API 集成

  • 流式 (stream=True): 适合交互式场景

- 聊天应用 - 实时反馈 - 用户体验优先

3. 合理设置超时

response = requests.post(
    API_URL,
    headers=headers,
    json=data,
    timeout=30  # 设置 30 秒超时
)

4. 使用自定义变量

在对话中传递上下文信息:

data = {
    "bot_id": BOT_ID,
    "user_id": USER_ID,
    "stream": False,
    "auto_save_history": True,
    "additional_messages": [...],
    "custom_variables": {
        "user_name": "张三",
        "company": "ABC公司",
        "department": "技术部"
    }
}

参考资料

注意事项

  1. Token 安全: 不要在代码中硬编码 PAT Token,使用环境变量或配置文件
  2. 费用管理: 专业版按 Token 消耗计费,注意监控使用量
  3. 版本更新: API 可能更新,建议定期查看官方文档
  4. 流式限制: 流式模式下 auto_save_history 必须为 false
  5. 用户标识: 使用唯一的 user_id 区分不同用户,便于追踪和管理

平台分布

OpenCode

30.32%
按下载量换算259

Claude Code

25.46%
按下载量换算218

Antigravity

19.39%
按下载量换算166

Codex

11.81%
按下载量换算101

Gemini CLI

7.35%
按下载量换算63

Cursor

3.9%
按下载量换算33

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。

继续浏览同类 Skills