pi-mono：TypeScript AI Agent 全栈工具包

为什么需要 pi-mono

AI Agent 开发的主流工具链是 Python：LangChain、LlamaIndex、Dify、CrewAI。但如果你在 TypeScript / Node.js 生态里做产品，想加 AI 能力，选择就少得多。

大多数团队的现状：

• 后端：Go / Node.js / Java
• 前端：React / Flutter
• AI 集成：要么直接调 OpenAI API，要么套一层 Python 微服务

pi-mono 试图解决这个问题。它是一个 TypeScript monorepo，提供从底层 LLM API 到上层 coding agent 的完整工具链。

架构概览

pi-mono/
├── packages/
│   ├── ai/              # 统一 LLM API
│   ├── agent/           # Agent runtime + tool calling
│   ├── coding-agent/    # 交互式 coding agent CLI
│   ├── tui/             # 终端 UI 库
│   ├── web-ui/          # Web chat 组件
│   ├── mom/             # Slack bot
│   └── pods/            # vLLM 部署 CLI

核心组件解析

1. @mariozechner/pi-ai — 统一多 Provider LLM API

import { createAI } from "@mariozechner/pi-ai";

// 一个接口，切换不同 provider
const ai = createAI({
  provider: "openai", // 或 "anthropic", "google"
  model: "gpt-4o",
  apiKey: process.env.OPENAI_API_KEY
});

// 统一 API，不管底层用哪家
const response = await ai.complete("Hello, world");

支持的主流 Provider：

• OpenAI (GPT-4o, GPT-4o-mini, etc.)
• Anthropic (Claude 3.5 Sonnet, Opus, etc.)
• Google (Gemini 1.5, etc.)

这个的价值：如果你的产品需要在不同模型之间切换（比如成本优化、regional compliance），统一 API 层可以减少 lock-in。

2. @mariozechner/pi-agent-core — Agent runtime

这是最核心的部分。pi-agent-core 实现了：

• Tool calling：给 Agent 提供工具调用能力
• State management：跨 turn 的状态持久化
• Streaming：支持流式输出

import { createAgent } from "@mariozechner/pi-agent-core";

const agent = createAgent({
  ai: openAIInstance,
  tools: [
    {
      name: "read_file",
      description: "读取文件内容",
      parameters: {
        path: "string"
      },
      execute: async ({ path }) => {
        return readFileSync(path, "utf-8");
      }
    }
  ]
});

// Agent 会自动判断何时调用工具
const result = await agent.run("读取 package.json 看看依赖");

3. @mariozechner/pi-coding-agent — 交互式 coding agent CLI

这个包是给开发者用的。装了之后可以直接在 terminal 里跟 AI 对话，让它帮你写代码、跑命令。

# 安装
npm install -g @mariozechner/pi-coding-agent

# 运行
pi-agent

# 在命令行里直接对话
> 帮我把这个 React component 改成支持 dark mode

4. @mariozechner/pi-pods — vLLM 部署 CLI

如果你想自己 host 模型，pi-pods 提供了一个 CLI 来管理 GPU pod 上的 vLLM 部署。

# 部署一个 vLLM 实例
pi-pods deploy --model mistralai/Mistral-7B-Instruct-v0.2

# 查看状态
pi-pods list

这个适合的场景：你想在本地或自有 GPU 上跑开源模型，用 API 方式调用。

与 LangChain.js 的对比

实际使用场景

场景 1：Node.js 后端加 AI 能力

假设你有个 Express 服务，需要接 AI 分析用户输入：

import { createAI } from "@mariozechner/pi-ai";
import { createAgent } from "@mariozechner/pi-agent-core";

const ai = createAI({ provider: "anthropic", model: "claude-3-5-sonnet" });
const agent = createAgent({ 
  ai,
  tools: [yourTools]
});

app.post("/analyze", async (req, res) => {
  const result = await agent.run(req.body.userInput);
  res.json({ result });
});

场景 2：内部 coding agent

团队内部搭一个 coding agent CLI，让开发者用自然语言操作代码库：

# 开发者本地运行
pi-agent

> add unit tests for the payment module
> refactor this function to use async/await
> explain what this regex does

局限

• 不是 Dify/CrewAI 那种可视化平台：pi-mono 是代码库，你需要写 TypeScript 来集成
• Provider 支持有限：没有覆盖所有 LLM provider（比如 Cohere、Azure OpenAI）
• 生产验证：相比 LangChain，pi-mono 在生产环境的案例较少

安装

# 全量安装
npm install @mariozechner/pi-ai @mariozechner/pi-agent-core ...

# 按需安装单个包
npm install @mariozechner/pi-ai

开发环境依赖 Node.js 20+。

总结

pi-mono 的价值主张：TypeScript 原生 + 全栈覆盖 + 模块可拆分。

如果你在 TypeScript 生态里，想快速给产品加 AI 能力，不需要 Python 微服务，pi-mono 值得看看。它的模块设计让你可以只用 pi-ai 做 API 统一，也可以全量使用搭一个完整的 coding agent。

项目地址：github.com/badlogic/pi-mono