这个组件服务平台是Claude的公司Anthropic推出的，你可以通过api调用平台上面的工具，调用上面的那些mcp组件。还是老样子，仓库和官网链接先放出来：
这个平台通过mcp server支持数百种应用程序，你可以通过远程调用将各种操作集成到自己的应用里面。
如何使用
关于使用方面，我这里用的是python3.12版本，我们先新建一个conda虚拟环境，然后把依赖包安装好：
conda create env -n composioconda activate composio
创建好环境后，安装好依赖包：
pip install composio-core composio-openai
然后现在我们根据官网的例子，用Composio的GitHub工具给给它的仓库加一个star。运行视频放在这：
在做这项任务之前，我们需要先在命令行运行下面这个命令，将你的composio关联到你的github：
composio add github
运行命令行之后会出现一个 CLI API KEY，将这个东西复制完粘贴到你的命令行，然后完成github的连接验证，之后你就可以在本地调用你的github进行操作。
然后来到composio的控制台页面，找到你关联账号的apikey，记住这个东西后面要用：
之后我们新建一个python文件，或者新建一个notebook，我这里是在python文件写的代码测试。
from composio_openai import ComposioToolSet, App, Actionfrom openai import OpenAIopenai_client = OpenAI(base_url="",api_key="")# 连接工具列表composio_toolset = ComposioToolSet(api_key="") # 这里替换成刚才上面关联账号的apikey# 选择要用到的工具tools = composio_toolset.get_tools(actions=[Action.GITHUB_STAR_A_REPOSITORY_FOR_THE_AUTHENTICATED_USER])# 提示词，也是你的任务task = "帮我给一个仓库点star: composiohq/composio on GitHub"response = openai_client.chat.completions.create(model="deepseek-ai/DeepSeek-V2.5",tools=tools,messages=[{"role": "system", "content": "You are a helpful assistant."},{"role": "user", "content": task},],)result = composio_toolset.handle_tool_calls(response)print(result)
将上面的代码配置完后运行，当你的界面出现这个的时候，说明成功了：
而到仓库里面也能看到已经被我们的工具成功加了个star了。
其他组件和调用流程
我们来到仓库，这里还有其他的工具组件可以用，里面还配有Serpapi，Firecrawl等等这些搜索引擎检索工具。
那么它是如何工作的呢？以大模型用计算器为例子，我们来看看下面这张流程图：
上面这张图对应这个代码：
from composio_openai import ComposioToolSet, actionfrom typing import Annotatedfrom openai import OpenAIimport mathclient = OpenAI()toolset = ComposioToolSet()@action(toolname="calculate_square_root", requires=["math"])def calculate_square_root(a: Annotated[int, "Number from which to take the square root"],) -> float:"""Calculate the square root of a number.:param a: Number from which to take the square root:return sqrt: Square root of the number"""return math.sqrt(a)tools = toolset.get_tools([calculate_square_root])question = "What is the square root of 212?"response = client.chat.completions.create(model="gpt-4o-mini",messages=[{"role": "user","content": question,}],tools=tools,tool_choice="auto",)result = toolset.handle_tool_calls(response=response)print("Question: ", question)print("Answer: ", result[0]["data"]["sum"])
一是创建工具，代码中的函数被转换为LLM可以理解的形式。在这里，这通过 @action 包装器来完成，对应代码里面的：
@action(toolname="calculate_square_root", requires=["math"])
二是大模型调用工具，大模型根据我们的输入，来决定是否使用工具，如果确定使用工具的话，就会生成一个格式正确的工具使用请求。这个对应的是图里面的2、3
最后是Composio调用定义的工具。handle_tool_calls 方法解释工具的调用并调用定义的那些工具。
Composio支持三种调用工具的方法，一种是刚才提到的整个平台的工具，
另一种是本地已经有的工具，最后一种是用Composio提供的自定义工具格式创建的工具。
对于我们日常使用的来讲，免费计划已经够我们白嫖了，每个月有1w次api请求机会：
