模型适配器

适配器把供应商专属 API 规范化为统一接口（amrita_core.base.adapter 中的 ModelAdapter）。

适配器 + 供应商：连接由适配器（说哪种协议、即线上格式）与供应商 （连到哪个端点和模型、即 base_url + model）共同决定。适配器并非厂商 特化：同一个 OpenAI 兼容适配器同时服务 OpenAI、DeepSeek、Azure 或任意 本地服务——只需改 base_url/model。

内置适配器

OpenAIAdapter

服务任意 OpenAI 兼容端点。注册协议："openai"、"__main__"（ModelPreset 的默认协议）。

agent = create_agent(
    base_url="https://api.deepseek.com",  # 任意 OpenAI 兼容端点
    api_key=os.environ["API_KEY"],
    model="deepseek-chat",
)

create_agent() 总是构造默认协议（"__main__" → OpenAIAdapter）的 preset， 所以 OpenAI 兼容端点零协议配置即可使用——DeepSeek、Azure 等不是独立 协议，只是不同的 base_url/model 取值。

供应商专属请求追踪：适配器从 x-request-id（OpenAI）、 x-ds-trace-id / eo-log-uuid（DeepSeek）读取请求 id——空响应警告会带上 该 id，方便你在供应商日志中定位失败调用。

AnthropicAdapter

注册协议："anthropic"、"claude"。

create_agent() 没有 protocol 参数——要选择非默认适配器，需构造带 目标 protocol 的 ModelPreset 并传给 AgentRuntime：

from amrita_core.agent.functions import AgentRuntime
from amrita_core.config import AmritaConfig
from amrita_core.types import Message, ModelConfig, ModelPreset

preset = ModelPreset(
    name="anthropic-default",
    protocol="anthropic",
    base_url="https://api.anthropic.com",
    api_key=os.environ["ANTHROPIC_API_KEY"],
    model="claude-sonnet-4-5",
    config=ModelConfig(),
)
agent = AgentRuntime(
    config=AmritaConfig(),
    preset=preset,
    train=Message(content="You are a helpful assistant.", role="system"),
)

支持工具调用与扩展思考（ThinkingConfig），包括思考增量流式与签名 往返。

缺少 anthropic SDK 时，适配器记录 info 并跳过注册——不会导入报错。

Thinking 模式与 reasoning_content

支持思考的模型（DeepSeek thinking、Claude extended thinking）在答案之外 返回推理。AmritaCore 把它存在 Message.reasoning_content 中，并在后续请求 原样回传——DeepSeek 要求如此（否则 HTTP 400），Claude 需要签名往返。 思考过滤器（thinking_config.content_mode）只为请求负载剥离它， 不改动活动消息对象。

编写自定义适配器

继承 ModelAdapter；它会自动注册（__init_subclass__ → AdapterManager().register_adapter(cls)）：

from amrita_core.base.adapter import ModelAdapter


class MyAdapter(ModelAdapter):
    # 声明此适配器服务的协议。
    @staticmethod
    def get_adapter_protocol() -> str | tuple[str, ...]:
        return "my-provider"

    async def call_api(self, messages, **kwargs):
        # 流式：产出 UniResponse chunk（content / reasoning / usage）。
        ...

    async def call_tools(self, messages, tools, tool_choice=None, **kwargs):
        # 工具调用完成；返回 UniResponse[None, list[ToolCall] | None]。
        ...

    async def call_embed(self, texts, **kwargs):
        # 嵌入；返回 Sequence[EmbeddingChunk]。
        ...

然后直接使用——无需显式注册调用：

from amrita_core.agent.functions import AgentRuntime
from amrita_core.config import AmritaConfig
from amrita_core.types import Message, ModelConfig, ModelPreset

preset = ModelPreset(
    name="my-provider-default",
    protocol="my-provider",
    base_url="https://my-provider.example.com",
    api_key=...,
    model="my-model",
    config=ModelConfig(),
)
agent = AgentRuntime(
    config=AmritaConfig(),
    preset=preset,
    train=Message(content="You are a helpful assistant.", role="system"),
)

在类上设 __override__ = True 可替换同协议已注册的适配器。

契约清单：

• 流式：产出 UniResponse chunk（content / reasoning / usage）
• 对 thinking 供应商在 assistant 消息上返回 reasoning_content
• 供应商发送追踪 id 时暴露 metadata.original_request_id