Connect supported workflows to your agent stack.
Find the package or implementation recipe for your framework. Each guide explains the product it supports, what has been tested and which parts you need to implement yourself.
เลือกเฟรมเวิร์กของคุณ ที่ที่เราจัดส่งแพ็คเกจคุณติดตั้งมัน; มิฉะนั้นคุณห่อ SDK ของเราในเครื่องมือพื้นเมืองของเฟรมเวิร์กนั้น ไม่ว่าจะเป็นทางใดก็เป็นชั้นบางๆ เหนือ HTTP API หนึ่งตัว และคุณสามารถข้ามมันและเรียก API โดยตรง.
แต่ละการ์ดเปิดการเจาะลึก: การติดตั้งหรือสูตร ตัวอย่างเอเจนต์ที่ทำงาน การจัดการ webhook และข้อผิดพลาดทั่วไป สามแพ็คเกจถูกส่งเป็นแพ็คเกจจริงในวันนี้ - agentcredia-langchain และ agentcredia-crewai บน PyPI และ @agentcredia/mcp บน npm อีกเจ็ดรายการเป็นสูตรสั้น ๆ บน SDK เดียวกัน ไม่มีแพ็คเกจที่สร้างขึ้น.
สิบเฟรมเวิร์ก สามแพ็คเกจ เจ็ดสูตร หนึ่ง API
LangChain
แพ็คเกจ PyPIชุดเครื่องมือ Python จากแพ็คเกจ agentcredia-langchain; ตัวแทน TypeScript ห่อหุ้มลูกค้า x402
CrewAI
แพ็คเกจ PyPIชุดเครื่องมือ Python จาก agentcredia-crewai, รูปร่างโรงงานเดียวกันกับ LangChain
AutoGen
สูตร SDKสูตร: ห่อหุ้ม SDK ในเครื่องมือฟังก์ชัน AutoGen
LlamaIndex
สูตร SDKสูตร: ห่อหุ้มลูกค้าใน LlamaIndex FunctionTool
OpenAI Agents SDK
สูตร SDKสูตร: ห่อหุ้มลูกค้าในเครื่องมือฟังก์ชัน OpenAI Agents SDK
Pydantic AI
สูตร SDKสูตร: ลงทะเบียนเครื่องมือ Pydantic AI ที่เรียกลูกค้า
LangGraph
สูตร SDKสูตร: โหนด LangGraph ที่เรียกลูกค้า x402
Semantic Kernel
สูตร SDKสูตร: KernelFunction ที่ห่อหุ้ม SDK; ไม่มีอะแดปเตอร์ NuGet หรือ Java
Agno
สูตร SDKสูตร: Agno Toolkit ที่ห่อหุ้มลูกค้า Python
MCP servers
แพ็กเกจ npmเครื่องมือกระเป๋าเงินสำหรับลูกค้า MCP ใด ๆ ผ่านเซิร์ฟเวอร์ @agentcredia/mcp
Agent Skill
Agent SkillAgent Skill ที่ติดตั้งได้หนึ่งรายการ ซึ่งสอน AI agent ใดๆ ให้เข้าใจพื้นผิวการเชื่อมต่อ wallet ทั้งหมด - ใช้แบบพกพาได้หรือผ่าน Claude Code plugin marketplace
รูปร่างที่สอดคล้องกันในทุกเฟรมเวิร์ก.
- คำสั่งติดตั้งสำหรับแพ็กเกจ หรือ recipe เมื่อไม่มีแพ็กเกจ
- โค้ดที่คัดลอกไปวางแล้วรันได้ ไม่ใช่ pseudocode
- คำตอบสั้นๆ สำหรับ 'จะเพิ่มระบบชำระเงินให้เอเจนต์ {framework} ของฉันได้อย่างไร'
- รายการ FAQ พร้อม schema แบบ HowTo/FAQ สำหรับ AI search engine
- ลิงก์ไปยังหน้า Landing Page แบบ long-tail ที่ตรงกัน
- ลิงก์ไปยังหน้าราคา
การรวมแต่ละครั้งเป็นตัวห่อที่บางเบาเหนือ API เดียวกัน.
การรวม AgentCredia ไม่ใช่ผลิตภัณฑ์แยกกัน 10 รายการ แต่เป็น 10 พื้นผิวที่ออกแบบตามหลักสรีรศาสตร์ที่แตกต่างกันบน HTTP API เดียว API เป็นแหล่งความจริง; ตัวห่อของกรอบงานมีอยู่เพื่อประหยัดเวลา.
แต่ละตัวห่อจะแปลจาก "วิธีที่กรอบงานของคุณกำหนดเครื่องมือ" เป็น "การเรียก HTTP ไปยัง API ของเรา" นั่นคือหน้าที่ทั้งหมด อะแดปเตอร์ Python เปิดเผย create_agentcredia_toolset(client) ซึ่งมอบชุดเครื่องมือที่พร้อมใช้งานให้กับ LangChain หรือ CrewAI กรอบงานที่ไม่มีอะแดปเตอร์ที่ส่งมาจะห่อ createX402Client(...) (Node) หรือไคลเอนต์ agentcredia (Python) ในเครื่องมือพื้นเมืองของกรอบงานนั้น API เดียวกันอยู่ด้านล่าง ไม่ว่าจะด้วยวิธีใด.
นี่มีความสำคัญจากหลายเหตุผล ประการแรก คุณสามารถผสมผสานได้: ตัวแทนการผลิต LangChain และตัวแทนทดลอง CrewAI สามารถมุ่งเป้าไปที่กระเป๋าเงิน AgentCredia ตัวเดียวกันได้โดยไม่มีความขัดแย้ง ประการที่สอง คุณไม่ได้ถูกล็อคอยู่ในตัวเลือกเฟรมเวิร์กผ่านเรา; การเปลี่ยนเฟรมเวิร์กไม่จำเป็นต้องเปลี่ยนแปลงกระเป๋าเงิน นโยบายการใช้จ่าย หรือหน้าสาธารณะของคุณ ประการที่สาม เมื่อเราส่งจุดสิ้นสุดใหม่หรือเหตุการณ์ webhook ใหม่ ตัวห่อเฟรมเวิร์กจะเปิดเผยในรุ่นถัดไป; API ที่อยู่เบื้องหลังคือสัญญา.
คุณสามารถรวมเข้ากับระบบโดยไม่ต้องใช้ SDK, wrapper หรือการรวมกรอบงานของเรา
API ของ AgentCredia เป็น JSON ธรรมดาผ่าน HTTPS พร้อมการตรวจสอบสิทธิ์แบบ bearer-token ลูกค้า HTTP ใด ๆ ในภาษาใดก็สามารถเรียกใช้ได้ SDK และตัวห่อของกรอบงานอย่างเป็นทางการเป็นเลเยอร์ที่สะดวก; API ดิบมีเอกสาร, เสถียร, และมีขนาดเล็กพอที่การเขียนด้วยมือจะเป็นเรื่องสมเหตุสมผล.
curl -X POST https://api.agentcredia.com/v1/payments \ -H "Authorization: Bearer $AGENTCREDIA_API_KEY" \ -H "Idempotency-Key: $(uuidgen)" \ -H "Content-Type: application/json" \ -d '{ "agentId": "<your-agent-id>", "to": "0xRecipientAddress", "amountWei": "100000", "metadata": { "reason": "Custom market analysis" } }'
เมื่อการข้าม SDK มีเหตุผล
- คุณอยู่ในภาษาที่เราไม่ได้จัดส่ง. Go, Rust, Elixir, Ruby, PHP, Java - ทั้งหมดนี้สามารถเรียก API ของเราได้โดยตรงด้วยไลบรารี HTTP มาตรฐานของพวกเขา ไม่ต้องการเครื่องมือพิเศษ
- คุณอยู่บนขอบ. Cloudflare Workers, Vercel Edge Functions, Deno Deploy - สภาพแวดล้อมที่คุณไม่ต้องการรวมการพึ่งพาเพิ่มเติม API ดิบทำงานที่นั่นโดยไม่ต้องเปลี่ยนแปลง
- คุณต้องการเห็นสิ่งที่อยู่บนสายอย่างชัดเจน. สำหรับการดีบัก การตรวจสอบความปลอดภัย หรือการเรียนรู้โปรโตคอล รูปร่าง HTTP ดิบจะชัดเจนกว่าการอ่านแหล่งที่มาของ SDK
- คุณมีเลเยอร์ HTTP ของคุณเองพร้อมการลองใหม่, การบันทึก, การตรวจสอบข้อมูล. การนำ SDK อื่นเข้ามาที่มีพฤติกรรมการลองใหม่ของตนเองจะทำให้โครงสร้างพื้นฐานที่มีอยู่ของคุณมีปัญหา การเรียกใช้ API ดิบเป็นเพียงอีกหนึ่งจุดสิ้นสุด HTTP จะทำให้การทำงานเป็นไปอย่างเรียบร้อย.
เอกสาร API เต็มรูปแบบที่ docs.agentcredia.com รวมถึงสเปค OpenAPI, ดังนั้นคุณจึงสามารถสร้างไคลเอนต์ของคุณเองในภาษาใดก็ได้ที่มีเครื่องมือ OpenAPI codegen.
เมื่อแต่ละเฟรมเวิร์กเป็นเครื่องมือที่ถูกต้อง
หากคุณยังไม่ได้เลือกกรอบเอเจนต์, นี่คือวิธีที่เรามองเห็นข้อดีข้อเสีย. ไม่มีตัวเลือกใดที่ผิด; ตัวเลือกที่ถูกต้องขึ้นอยู่กับว่าเอเจนต์ของคุณทำอะไรและใครดูแลมัน.
| เฟรมเวิร์ก | ดีที่สุดเมื่อ | หลีกเลี่ยงเมื่อ |
|---|---|---|
| LangChain | มี codebase LangChain อยู่แล้ว, tool chains ซับซ้อน, ใช้งานใน ecosystem กว้าง | คุณต้องการการพึ่งพาน้อยที่สุด; LangChain ดึงเข้ามามาก |
| LangGraph | เวิร์กโฟลว์หลายขั้นตอนแบบมี state, durable execution, human-in-the-loop | สายโซ่เชิงเส้นง่ายๆ; ภาระกราฟถูกสูญเปล่า |
| CrewAI | รูปแบบการทำงานร่วมกันของ multi-agent (researcher + writer + reviewer) | ลูปเอเจนต์เดียว; CrewAI ถูกสร้างขึ้นสำหรับทีม |
| AutoGen | การสนทนาแบบ multi-agent, รูปแบบ group chat, เครื่องมือของ Microsoft | การผลิตที่มีความสามารถสูง; AutoGen ปรับให้เหมาะสมสำหรับการวิจัย |
| LlamaIndex | เอเจนต์ที่ใช้ RAG หนัก, document Q+A เป็นความสามารถหลัก | ตัวแทนที่ใช้เครื่องมืออย่างเดียว; จุดแข็งของ LlamaIndex ไม่ได้ถูกใช้งาน |
| OpenAI Agents SDK | สแต็กที่ใช้เฉพาะ OpenAI, ต้องการ tool-use API ที่เรียบง่ายที่สุด | สแต็คหลายผู้ให้บริการ; OpenAI SDK มุ่งเน้นไปที่ OpenAI |
| Pydantic AI | strong typing ครอบคลุม input/output ของเอเจนต์ทั้งหมด, เน้น Python-first | สแต็คที่เน้น TypeScript; การพิมพ์แบบพื้นเมืองของ Python คือคุณค่า |
| Semantic Kernel | มี codebase .NET / C# / Java อยู่แล้ว, เป็นองค์กรที่ใช้ Microsoft เป็นหลัก | ทีมที่ใช้ Python เท่านั้น; คุณกำลังจ่ายสำหรับการรวม MS ที่ไม่ได้ใช้งาน |
| Agno | Python-native, น้ำหนักเบา ต้องการ abstraction overhead ต่ำที่สุด | คุณต้องการการรวมของบุคคลที่สามในระบบนิเวศ LangChain |
| MCP middleware | คุณกำลังรัน MCP server และต้องการให้ลูกค้าจ่ายต่อการเรียกใช้งาน | คุณไม่ได้รันเซิร์ฟเวอร์ MCP (มันเป็นรูปแบบด้านเซิร์ฟเวอร์) |
สองคำแนะนำที่เป็นประโยชน์ หากคุณเริ่มต้นจากศูนย์และต้องการเส้นโค้งการเรียนรู้ที่เล็กที่สุด LangChain หรือ OpenAI Agents SDK เป็นตัวเลือกที่ปลอดภัยที่สุด หากคุณมีเฟรมเวิร์กอยู่แล้ว การรวมของเราสำหรับมันทำงานได้ดี; อย่าเปลี่ยนเฟรมเวิร์กเพียงเพื่อใช้ AgentCredia.
สถานการณ์เฉพาะจะมีหน้าของตัวเอง.
นอกเหนือจากหน้าอินทิเกรชันเฉพาะกรอบแล้ว เราเผยแพร่คู่มือที่ยาวเกี่ยวกับคำถามที่แคบกว่า: "ฉันจะเพิ่มการชำระเงินในเวิร์กโฟลว์หลายขั้นตอนของ LangGraph ได้อย่างไร", "ฉันจะให้เซิร์ฟเวอร์ MCP ของฉันเรียกเก็บเงินต่อเครื่องมือได้อย่างไร", "ฉันจะปิดกั้น API ที่คล้ายกับ Stripe ไว้หลังการชำระเงิน USDC ได้อย่างไร" สิ่งเหล่านี้อยู่ที่ /lp/{slug} และตั้งใจที่จะไม่อยู่ในการนำทางหลัก พวกเขาจะถูกค้นพบผ่านการค้นหา; แต่ละลิงก์กลับไปยังหน้าการรวมที่เกี่ยวข้อง.
ที่ไหนที่จะหาพวกเขา
ชุดแรกของคู่มือแบบยาวจะถูกจัดส่งพร้อมกับหน้าเฟรมเวิร์กการรวม จนกว่าจะถึงตอนนั้นเนื้อหาที่เฉพาะเจาะจงต่อสถานการณ์ที่ชัดเจนที่สุดจะอยู่ในเอกสารที่ docs.agentcredia.com ภายใต้ "คู่มือ". ทุกหน้า /lp/ จะรวมโค้ดที่ใช้งานได้ที่คุณสามารถเรียกใช้และ CTA โดยตรงเพื่ออัปเกรดตัวแทนที่เกี่ยวข้องเป็น Pro.