10 个 GitHub 开源 AI 项目 2025

GitHub 上 10 大关键开源 AI 项目：从 MCP 到多代理

MCP 协议标准化了大型语言模型（LLM）中的上下文传递，类似于设备上的 USB-C 接口。它为 AI 模型提供统一访问外部数据和工具的方式，无需自定义适配器。开发者使用 MCP 构建可扩展代理，上下文可动态连接各种来源。

Open WebUI MCP：OpenAPI 代理

项目 Open WebUI MCP（Python，MIT）将 MCP 工具转换为 RESTful OpenAPI 服务器。这允许将 MCP 与任何支持标准 HTTP 接口的客户端集成。

关键特性：

• 自动生成 OpenAPI 规范。
• 支持代理请求到 MCP 服务器。
• 通过配置实现简单设置。

对于中高级开发者，这简化了将遗留工具迁移到 LLM 生态系统，而无需重写代码。

Unbody：AI 应用的模块化后端

Unbody（TypeScript，Apache 2.0）是一个类似于 Supabase 的 AI 后端即服务（BaaS）。它分为数据处理层：

• 感知层：输入数据的解析、分析和向量化。
• 记忆层：向量数据库和持久化存储。
• 推理层：响应生成、函数调用、规划。
• 行动层：通过 API 暴露。

模块化设计允许将组件与任何框架组合，抽象化后端。非常适合需要状态管理的代理式应用，而非单体堆栈。

OWL：多代理系统框架

OWL（Python，Apache 2.0）基于 CAMEL-AI，通过浏览器、终端、函数调用和 MCP 协调代理。在 GAIA 基准测试中领先（58.18%）：

• 基于角色的代理交互方式。
• 支持多模态任务。
• 生成合成数据集。

对于资深专家：实现在生产规模场景下的代理编排，注重可扩展性。

MCP Tools：开发者 CLI 工具

F/mcptools（Go，MIT）是一个用于 MCP 服务器的命令行工具。支持：

• 搜索和调用工具：mcp call tool_name。
• 管理资源和提示。
• 通过 stdin/stdout 或 HTTP 测试。
• 输出 JSON/表格。

内置安全模式限制生产环境中的工具。非常适合原型开发和调试 MCP 集成。

Self.so：个人网站 AI 生成器

Nutlope/self.so（TypeScript，MIT）从简历/LinkedIn 生成网站。技术栈：Together.ai（LLM）、Vercel AI SDK、Clerk（认证）、Next.js、Helicone（可观测性）、S3、Upstash Redis、Vercel。

展示了可组合架构：每个服务都是微服务。适合学习全栈应用中的 AI 集成。

VoiceStar：TTS 时长控制

VoiceStar（Python，MIT/CC-BY-4.0）精确控制合成语音的长度。提供 CLI 和 Gradio UI，以及预训练模型。

应用场景：

• 视频配音。
• 固定时段的广告。
• 同步叙述。

开源 TTS 模型，具有广播级控制，无需后处理。

Second-Me：数字孪生

Second-Me（Python，Apache 2.0）将用户的沟通风格和知识克隆到代理中。例如：代表用户管理 LinkedIn/Airbnb。

从模型向代理转变：捕获个人上下文，用于个性化助手。

CSM：多模态语音合成

SesameAILabs/csm（Python，Apache 2.0）通过 Llama + Mimi RVQ 音频解码器从文本/音频生成语音。单 GPU 即可运行。

架构：

• 文本/音频 → RVQ 码。
• 轻量解码器生成自然语音。

专有 TTS 的替代方案，加速语音系统研发。

Letta：代理格式（.af）

Letta（Python，Apache 2.0）是一个开源代理文件格式（.af），用于序列化带有记忆/行为的代理。memgpt 的分支，与 LangGraph、CrewAI 兼容。

存储：记忆快照、工具、提示。类似于 Docker 的跨框架可移植性。

关键要点

• MCP 主导：标准化 LLM 上下文，简化集成（Open WebUI、mcptools）。
• 多代理演进：OWL 在 GAIA 中领先，Letta 标准化可移植性。
• 后端模块化：Unbody 为代理式应用抽象堆栈。
• TTS 突破：VoiceStar/CSM 在开源模型上提供精确控制和多模态。
• 向代理转变：Second-Me、OWL 展示从模型到有状态代理的过渡。

这些项目标志着开源 AI 的成熟：标准、可移植性和可组合性。

— Editorial Team