LLM 适配器

本文介绍如何为 Harness 接入一个新的 LLM 提供方。

概述

LLM 适配器是一个继承 LlmAdapter 的类，实现 stream() 方法，将 Harness 的统一请求格式转换为具体 API 的调用。

最小实现

import type { Context } from 'cordis'
import { LlmAdapter, type GenerateOptions, type StreamChunk } from '@deepseek-ai/dsh-llm'

class MyAdapter extends LlmAdapter {
  private apiKey: string

  constructor(apiKey: string) {
    super()
    this.apiKey = apiKey
  }

  async *stream(options: GenerateOptions): AsyncIterable<StreamChunk> {
    // 1. 将 options.messages 转换为你的 API 格式
    // 2. 调用 API（流式）
    // 3. 将 API 响应转换为 StreamChunk 序列
  }
}

export interface Config {
  apiKey: string
  models: string[]
}

export const name = 'my-llm-adapter'
export const inject = ['llm']

export function apply(ctx: Context, config: Config) {
  const adapter = new MyAdapter(config.apiKey)
  ctx.llm.registerAdapter(config.models, adapter)
}

StreamChunk 协议

stream() 必须按以下协议 yield chunk：

// 1. 每个内容块以 block-start 开始
yield { type: 'block-start', index: 0, blockType: 'text' }

// 2. 文本块使用 text-delta
yield { type: 'text-delta', index: 0, text: 'Hello' }
yield { type: 'text-delta', index: 0, text: ' world' }

// 3. 每个内容块以 block-end 结束（携带完整 block）
yield {
  type: 'block-end',
  index: 0,
  block: { type: 'text', text: 'Hello world' },
}

// 4. Tool call 块
yield { type: 'block-start', index: 1, blockType: 'tool-call' }
yield {
  type: 'tool-call-delta',
  index: 1,
  id: CallId('call-123'),
  name: 'bash',
  argumentsDelta: '{"command":"ls"}',
}
yield {
  type: 'block-end',
  index: 1,
  block: {
    type: 'tool-call',
    id: CallId('call-123'),
    name: 'bash',
    arguments: '{"command":"ls"}',
  },
}

// 5. Token 用量
yield { type: 'usage', usage: { inputTokens: 100, outputTokens: 50 } }

// 6. 结束原因
yield { type: 'finish', reason: { kind: 'stop' } }
// 或: { kind: 'tool-calls' } 表示模型想调用 tool

关键规则

每个 block-start 必须有对应的 block-end
index 从 0 递增，标识内容块顺序
tool-call-delta 的 argumentsDelta 是 JSON 字符串的增量（可以一次 yield 全部，也可以分多次）
finish 必须是最后一个 chunk
usage 在 finish 之前 yield

GenerateOptions

stream() 接收的请求包含：

interface GenerateOptions {
  /** 模型名 */
  model: string
  /** 对话历史 */
  messages: Message[]
  /** 可用的 tool 列表 */
  tools?: ToolSpec[]
  /** 系统提示词 */
  system?: string
  /** 最大输出 token */
  maxTokens?: number
  /** 温度 */
  temperature?: number
}

你的适配器需要将这些映射到具体 API 的参数。

注册适配器

ctx.llm.registerAdapter(['model-name-1', 'model-name-2'], adapter)

第一个参数是该适配器支持的模型名列表。当用户在 cordis.yml 中配置 model: model-name-1 时，框架会路由到这个适配器。

在 cordis.yml 中使用

- id: my-llm
  name: './src/my-llm-adapter.ts'
  config:
    apiKey: !!js process.env.MY_API_KEY
    models:
      - my-model-v1
      - my-model-v2

- id: stdio-agent
  name: '@deepseek-ai/dsh-stdio-agent'
  config:
    model: my-model-v1  # 引用上面注册的模型名

实战参考

仓库中有两个完整实现可供参考：

packages/llm/llm-deepseek/ — DeepSeek API 适配器（OpenAI 兼容格式）
packages/llm/llm-pi-ai/ — Pi AI 适配器（不同的 API 格式）
examples/echo-agent/src/mock-llm.ts — 最简 mock 适配器（教学用）

mock 适配器是学习 StreamChunk 协议的最佳起点——它用纯本地逻辑演示了完整的 chunk 序列。

错误处理

适配器中的异常会被 agent-loop 捕获并转化为 LlmError，告知上层。不需要在 stream() 内部做错误恢复——让异常冒泡即可。

async *stream(options: GenerateOptions): AsyncIterable<StreamChunk> {
  const response = await fetch(this.endpoint, { /* ... */ })
  if (!response.ok) {
    throw new Error(`API error: ${response.status}`)
  }
  // ... 正常流式处理
}

4.2 KiB Raw Blame History Unescape Escape