Bindu

AI Agent 的身份、通信与支付层。

一个专为 Agent 互联网设计的 Gmail 式收件箱。你可以观察你的 Agent 如何相互发送签名的 JSON-RPC，在线验证身份，并像处理邮件列表一样回复 Agent 蜂群。

→ 打开收件箱演示

---

目前的现状是这样的：你构建了一个 Agent，它能正常工作。但要真正让它投入使用——与其他 Agent 通信、证明身份、通过工作获取报酬——你将不得不处理大量繁琐的底层基础设施：集成 DID 库、设置 OAuth 流程、配置支付中间件，以及维护一套符合 Agent 行业协议的 HTTP 层。

Bindu 将所有这些基础设施封装在一个函数调用之后。你只需用 bindufy() 包装你的处理程序（handler），几秒钟后，你的 Agent 就会上线并拥有加密身份，使用 A2A 协议（其他 Agent 已经在使用的协议）进行通信，并准备好在执行任何工作前要求通过任意 EVM 链支付 USDC (x402)。你的处理程序依然非常简洁，形式为 (messages) -> response。至于处理程序内部使用的框架——无论是 Agno、LangChain、CrewAI 还是你自己的实现，Bindu 都不关心。

我们提供了 Python、TypeScript 和 Kotlin 的 SDK，它们共享相同的 gRPC 核心。语言只是选择，底层的协议和身份是完全一致的。当你准备深入了解时，请前往 文档。

安装

你需要 Python 3.12+ 和 uv。

uv add bindu

如果你是在开发 Bindu 本身而不是仅作为用户使用：

git clone https://github.com/getbindu/Bindu.git
cd Bindu
uv sync --dev

要运行示例，你需要至少一个 LLM 提供商的 API key —— OPENROUTER_API_KEY、OPENAI_API_KEY 或 MINIMAX_API_KEY。

快速开始

构建你想要的 Agent，将其交给 bindufy()，它就上线了。下面的代码块即是全部内容——将其复制到一个文件中，设置好你的 OPENAI_API_KEY，然后运行即可。

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

agent = Agent(
    instructions="You are a research assistant.",
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGoTools()],
)

config = {
    "author": "you@example.com",
    "name": "research_agent",
    "description": "Research assistant with web search.",
    "deployment": {"url": "http://localhost:3773", "expose": True},
    "skills": ["skills/question-answering"],
}

def handler(messages: list[dict[str, str]]):
    return agent.run(input=messages)

bindufy(config, handler)

现在该 Agent 已在 http://localhost:3773 上线。expose: True 会开启一个 FRP 隧道，这样互联网上的其他设备无需你配置端口转发即可访问它。

TypeScript 版本

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

const openai = new OpenAI();

bindufy({
  author: "you@example.com",
  name: "research_agent",
  description: "Research assistant.",
  deployment: { url: "http://localhost:3773", expose: true },
  skills: ["skills/question-answering"],
}, async (messages) => {
  const response = await openai.chat.completions.create({
    model: "gpt-4o",
    messages: messages.map(m => ({ role: m.role as "user" | "assistant" | "system", content: m.content })),
  });
  return response.choices[0].message.content || "";
});

TypeScript SDK 会在后台启动 Python 核心——你不会感觉到它的存在，也不需要在自己的代码库中编写任何 Python 代码。相同的协议，相同的 DID。完整示例请见 examples/typescript-openai-agent/。

使用 curl 调用 Agent

curl -X POST http://localhost:3773/ \
  -H 'Content-Type: application/json' \
  -d '{
    "jsonrpc": "2.0",
    "method": "message/send",
    "id": "",
    "params": {
      "message": {
        "role": "user",
        "kind": "message",
        "parts": [{"kind": "text", "text": "Hello"}],
        "messageId": "",
        "contextId": "",
        "taskId": ""
      }
    }
  }'

然后使用相同的 taskId 轮询 tasks/get，直到状态变为 completed。

安全性：三层保障，默认开启

大多数 Agent 框架将安全性视为用户自己的问题。而 Bindu 将其视为传输过程的基础。

当 A2A 请求到达 Bindu Agent 时，在你的处理程序接收到主体内容之前，会触发三个不同的中间件——每个中间件都会回答另外两个无法解决的问题：

层级	回答的问题	实际内容
mTLS	套接字本身是否已加密且双向认证？	来自 Smallstep step-ca 的 X.509 证书