开源实现程序化工具调用(PTC)的智能代理，允许AI通过代码执行而非传统JSON工具调用来处理大量数据，特别适合金融分析等场景，可显著减少token消耗。
一分钟了解#
Open PTC Agent 是 Anthropic 的程序化工具调用(PTC)技术的开源实现，它让AI代理能够通过编写代码来执行任务，而不是通过传统的JSON工具调用。特别适合处理大量结构化数据和时间序列数据，如金融市场数据分析，能减少85-98%的token消耗。
核心价值：让大模型发挥其代码编写优势，在沙箱环境中执行复杂数据处理，只返回最终结果而非原始数据。
快速上手#
安装难度：中 - 需要Python 3.12+、Node.js和uv包管理器
git clone https://github.com/Chen-zexi/open-ptc-agent.git
cd open-ptc-agent
uv sync
source .venv/bin/activate # Windows: .venv\Scripts\activate
适合我的场景吗？
- ✅ 金融数据分析：处理大量股票、财务数据并生成报告
- ✅ 多模态任务：结合图像分析与数据处理
- ❌ 简单查询：对于单个API调用的简单任务，传统工具调用更直接
- ❌ 无网络环境：需要MCP服务器和LLM API连接
核心能力#
1. 程序化工具调用(PTC) - 解决传统工具调用的效率问题#
- 允许LLM编写完整代码而非多个独立工具调用，在沙箱环境中执行数据处理 实际价值：处理15,000+行股票数据时，token使用减少85-98%，仅返回最终摘要而非原始数据
2. 交互式CLI - 提供终端友好的交互界面#
- 支持会话持久化、计划模式、主题和丰富的UI功能 实际价值：开发人员可在终端中高效交互，执行bash命令，提及文件，查看结果
3. 后台子代理执行 - 实现任务并行处理#
- 子代理在后台异步执行，分配任务ID，主代理可继续工作 实际价值：同时处理多个分析任务，提高效率，完成后通过缓存结果通知主代理
4. MCP服务器集成 - 无缝连接各种数据源#
- 自动将任何MCP服务器工具转换为Python函数 实际价值：轻松集成金融数据(tavily、yfinance、tickertick)、网络搜索等功能，无需单独API调用
5. Agent技能系统 - 扩展专业能力#
- 通过开放Agent技能标准包装领域专业知识 实际价值：动态加载PDF处理、Excel分析、文档创建、财务建模等专业技能，按需加载
技术栈与集成#
开发语言：Python 3.12+ 主要依赖：LangChain DeepAgents、Daytona沙箱环境 集成方式：库/SDK
生态与扩展#
- 插件/扩展：Agent技能系统支持动态加载领域专业知识，包括PDF处理、Excel操作、文档创建和财务建模
- 集成能力：支持自定义MCP服务器实现，可直接部署到沙箱会话中
维护状态#
- 开发活跃度：活跃开发，最近添加了交互式CLI、后台子代理执行和视觉/多模态支持
- 最近更新：持续更新，包含新特性和功能改进
- 社区响应：基于LangChain生态系统，有良好社区支持
商用与许可#
许可证：MIT
- ✅ 商用：允许商业使用
- ✅ 修改：允许修改和分发
- ⚠️ 限制：需包含原始许可证和版权声明
文档与学习资源#
- 文档质量：全面，包含配置指南、CLI参考、示例代码
- 官方文档：项目README包含详细配置和示例
- 示例代码：提供Jupyter笔记本(PTC_Agent.ipynb、Subagent_demo.ipynb)和Python脚本(quickstart.py)