LLM Functions

它做什么

• 用 Bash、JavaScript 或 Python 写工具——函数调用的 JSON 声明从你已写好的注释自动生成（argc 风格注解、JSDoc 或 Python docstring）
• agent 遵循「prompt + 工具 + 文档（RAG）」的公式，由带 index.yaml 的目录定义——README 类比为 OpenAI 的 GPTs
• 双向 MCP：mcp/server 把 llm-functions 的工具与 agent 经 MCP 暴露出去；mcp/bridge 把外部 MCP 工具接进来
• 前置条件只要 argc 与 jq；web_search 槽位通过软链一个特定供应商的工具来填（Cohere、Perplexity、Tavily、VertexAI）

什么时候用

给 CLI agent（AIChat）配一套能干活的本地工具——命令执行、文件处理、API 调用——而不必为每个工具手写 JSON schema；或运行内置 server，让现有脚本能被任意 MCP 客户端调用。

如何上手

前置条件：argc 与 jq。然后：

git clone https://github.com/sigoden/llm-functions
cd llm-functions

# 在 tools.txt 列工具文件名、agents.txt 列 agent 名，然后：
argc build
argc check

# 暴露给 AIChat（唯一受支持的宿主）：
argc link-to-aichat
# 或把环境变量 AICHAT_FUNCTIONS_DIR 指向本仓库

注意事项

AIChat 是目前唯一托管 llm-functions 的 CLI——README 明确如此说明，选型时要把这层依赖算进去。Bash 工具以 shell 权限运行（示例 execute_command.sh 就是个 eval 包装器），请像对待任何暴露 shell 的 agent 一样审慎挑选工具集。首次使用前可用 argc check 核验环境变量与 Node/Python 依赖。