BoxcarsAI/boxcars

解決的問題

Boxcars 降低了 Ruby 與 Rails 開發者建構 LLM 驅動系統時的認知負擔。它提供一個統一的框架，無需為每個不同的 AI 提供者或工具撰寫一次性封裝，即可協調搜尋、資料查詢、API 呼叫與檢索。

工作原理

Boxcars 採用基於三個核心概念的模組化架構：

• Boxcars：執行特定任務的單一用途工具（例如計算機、SQL 查詢或 API 呼叫）。
• Trains：接收 Boxcars 清單與 LLM 引擎，將複雜問題分解為工具可解決的步驟的協調器。
• Engines：連接到各種 LLM 提供者（如 OpenAI、Anthropic、Groq 和 Ollama）的連接器，產生驅動工具所需的文字與邏輯。

它還包含 StationAgents，用於更高階的代理抽象，支援生命週期回呼，以及 VectorStores，用於管理嵌入與檢索。

適用對象

希望使用與現有 ActiveRecord 與 SQL 資料無縫整合的一致程式設計模型，建構 AI 助手、內部協作者或營運機器人的 Ruby 與 Rails 團隊。

主要亮點

• 工具可組合性：將領域邏輯打包為可在不同服務間重用的 Boxcar 物件。
• MCP 集成：連接到 Model Context Protocol (MCP) 伺服器，將遠端工具與本地 Ruby 工具融合。
• 提供者彈性：支援廣泛的引擎，包括 OpenAI、Anthropic、Gemini 以及透過 Ollama 的本地模型。
• 結構化輸出：透過 JSONEngineBoxcar 使用 JSON Schema 強制執行 JSON 合約。
• 安全優先的資料存取：SQL 與 ActiveRecord 工具預設以唯讀模式運行，防止意外寫入操作。