# AgentBridge 🪟

**本地优先的 AI API 保管库 + Agent 能力中枢** —— 像 Cherry Studio 一样管理你的所有 API，但数据 100% 留在本机，并且 Agent 可以通过 MCP 直接读取、调用、记账。

## ✨ 核心特性

- 🔒 **安全第一**：API Key 存在 Windows 凭据管理器（系统级加密），数据库是本机单个 SQLite 文件，零云端依赖，断网可用
- 📦 **API 保管库**：统一管理所有供应商的接口地址、Key、模型名称，面板一键复制
- 📊 **使用量统计**：哪个 Agent、哪个模型、用了多少次 / token / 估算费用，自动记账
- 🌉 **多形态接入 Agent**：
  - **MCP 服务器**（stdio）—— Claude Code / Codex / Hermes 等直接接入
  - **REST API**（HTTP）—— 任何程序可调用
  - 后续支持插件形态

## 🚀 快速开始

1. 双击 `start.bat`（首次运行自动创建环境）
2. 浏览器自动打开 `http://127.0.0.1:8765`
3. 添加你的第一个供应商（名称 + 接口地址 + Key + 模型名）

### 让 Agent 接入（MCP）

在你的 Agent 的 MCP 配置中添加：

```json
{
  "mcpServers": {
    "agentbridge": {
      "command": "D:\\GitHub\\agentbridge\\.venv\\Scripts\\python.exe",
      "args": ["D:\\GitHub\\agentbridge\\app\\mcp_server.py"]
    }
  }
}
```

Agent 将获得 4 个工具：

| 工具 | 作用 |
|---|---|
| `list_providers` | 查看所有供应商（地址、模型列表，不含 Key 明文） |
| `get_credentials` | 取某供应商的完整调用凭证（地址 + Key + 模型） |
| `log_usage` | 每次调用后自动记账 |
| `usage_summary` | 查询使用量统计 |

## 🗺️ 路线图

- [x] v0.1 — API 保管库 + 使用量统计 + MCP 接入
- [ ] v0.2 — 知识库（LLM Wiki，带来源标注）
- [ ] v0.3 — 统一管理 skill / 插件 / MCP / 专家角色
- [ ] v0.4 — 对话记忆引擎（自动总结 → 分类 → 跨 Agent 共享）
- [ ] v0.5 — 能力蒸馏（Agent A 的经验提炼成能力卡，给 Agent B 学习）

## 🛡️ 安全说明

- API Key 通过 [keyring](https://pypi.org/project/keyring/) 存入 **Windows 凭据管理器**，数据库中只有"是否有 Key"的布尔值
- SQLite 数据库文件在本机 `data/` 目录，不上传任何服务器
- 服务只监听 `127.0.0.1`，局域网内其他设备无法访问
- MCP 的 `get_credentials` 只能从本机进程调用

## 📄 许可证

MIT