Bindu

AI Agent 的身份、通信与支付层

🇬🇧 English • 🇩🇪 Deutsch • 🇪🇸 Español • 🇫🇷 Français • 🇮🇳 हिंदी • 🇮🇳 বাংলা • 🇨🇳 中文 • 🇳🇱 Nederlands • 🇮🇳 தமிழ்

---

“正如向日葵转向阳光，智能体（Agents）在群体中协作——它们彼此独立，但聚在一起便能创造出更伟大的成果。”

一行代码接入你的 Agent：

curl -fsSL https://getbindu.com/install-bindu.sh | bash

---

Bindu (读作：binduu) 能将任何 AI Agent 转化为生产级微服务。无论你使用什么框架构建 Agent（如 Agno、LangChain、OpenAI SDK，甚至纯 TypeScript），只需调用 bindufy()，即可获得具备 DID 身份、A2A 协议、OAuth2 鉴权和加密货币支付功能的成熟服务。无需编写基础设施代码，无需重构。

支持 Python、TypeScript 和 Kotlin。基于开放协议构建：A2A、AP2 和 X402。

🌟 注册你的 Agent • 🌻 文档 • 💬 Discord 社区

---

🎥 Bindu 演示

（此处应为视频预览）

---

📋 前置要求

在安装 Bindu 之前，请确保已具备：

• Python 3.12 或更高版本 - 点击下载
• UV 包管理器 - 安装指南
• API Key：请在环境变量中设置 OPENROUTER_API_KEY、OPENAI_API_KEY 或 MINIMAX_API_KEY。可以使用 OpenRouter 提供的免费模型进行测试。MiniMax AI 提供支持 1M 上下文窗口的 M2.7 模型。

验证环境

# 检查 Python 版本
uv run python --version  # 应显示 3.12 或更高

# 检查 UV 安装情况
uv --version

---

📦 安装

用户须知 (关于 Git 和 GitHub Desktop)

在某些 Windows 系统上，由于 PATH 配置问题，即使安装了 Git，命令提示符（Command Prompt）也可能无法识别。

如果遇到此问题，可以使用 GitHub Desktop 作为替代方案：

1. 从 https://desktop.github.com/ 下载并安装 GitHub Desktop。
2. 使用你的 GitHub 账号登录。
3. 使用以下仓库 URL 克隆项目： https://github.com/getbindu/Bindu.git

GitHub Desktop 允许你进行克隆、管理分支、提交更改和发起 Pull Request，而无需使用命令行。

# 安装 Bindu
uv add bindu

# 开发环境安装（若需向 Bindu 贡献代码）
# 创建并激活虚拟环境
uv venv --python 3.12.9
source .venv/bin/activate  # macOS/Linux
# .venv\Scripts\activate  # Windows

uv sync --dev

常见安装问题（点击展开）

问题	解决方案
uv: command not found	安装 UV 后重启终端。在 Windows 上请使用 PowerShell
Python version not supported	从 python.org 安装 Python 3.12+
虚拟环境无法激活 (Windows)	使用 PowerShell 并运行 .venv\Scripts\activate
Microsoft Visual C++ required	下载 Visual C++ Build Tools
ModuleNotFoundError	激活 venv 环境并运行 uv sync --dev

---

🚀 快速上手

方案 1：手动设置

创建你的 Agent 脚本 my_agent.py：

import os

from bindu.penguin.bindufy import bindufy
from agno.agent import Agent
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.models.openai import OpenAIChat

# 定义你的 Agent
agent = Agent(
    instructions="You are a research assistant that finds and summarizes information.",
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGoTools()],
)

# 配置信息
config = {
    "author": "your.email@example.com",
    "name": "research_agent",
    "description": "A research assistant agent",
    "deployment": {
        "url": os.getenv("BINDU_DEPLOYMENT_URL", "http://localhost:3773"),
        "expose": True,
    },
    "skills": ["skills/question-answering", "skills/pdf-processing"]
}

# 处理函数
def handler(messages: list[dict[str, str]]):
    """处理消息并返回 Agent 响应。

    Args:
        messages: 包含对话历史的消息字典列表

    Returns:
        Agent 响应结果
    """
    result = agent.run(input=messages)
    return result

# 使用 Bindu 封装
bindufy(config, handler)

# 使用隧道将你的 Agent 暴露到互联网
# bindufy(config, handler, launch=True)

你的 Agent 现在已在 deployment.url 配置的地址上运行。

无需修改代码即可自定义端口：

# Linux/macOS
export BINDU_PORT=4000

# Windows PowerShell
$env:BINDU_PORT="4000"

当设置了 BINDU_PORT 时，现有的 http://localhost:3773 配置会被自动覆盖。

方案 2：TypeScript Agent

模式相同，只是语言不同。创建 index.ts：

import { bindufy } from "@bindu/sdk";
import OpenAI from "openai";

const openai = new OpenAI();

bindufy({
  author: "your.email@example.com",
  name: "research_