tuui
AI-QL/tuui加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：TUUI 应用图标
想象这样一个日常：你同时在用 Claude 处理文档、在本地跑 Qwen 做代码补全、还用 DeepSeek 做知识库检索。三个模型，三套界面，三组 API Key 管理——光是来回切换就让人疲惫。更别说想给某个模型挂载本地文件系统的上下文，或者让不同厂商的模型互相调用彼此的工具。
TUUI 正是为解决这个痛点而生。 它是一个桌面级 MCP（Model Context Protocol）客户端，将多个大语言模型和它们的工具生态聚合到一个窗口里，让 AI 不再是割裂的「问答机器」，而是真正能操控本地资源、协同工作的智能代理。
TUUI 的开发故事本身就颇具戏剧性。项目 README 开篇明言：这是一个**「大胆的实验」**——尝试完全用 AI 来创建整个项目。大部分代码组件直接从原型项目通过 AI 转换或生成。
这种开发方式带来了独特的代码规范要求：为了保证 AI 生成内容的质量与安全，TUUI 采用了严格的语法检查和命名约定体系。开发者在仓库中配置了完整的 ESLint + Prettier + TypeScript 检查链，任何 PR 都必须经过 lint 工具的自动修复验证才能合入。
项目由 AI-QL 团队维护，仓库地址 github.com/AI-QL/tuui，官方文档站 tuui.com，采用 Apache-2.0 开源协议。目前已在 GitHub 收获 1,148 个 stars，话题标签涵盖 agent、agentic-ai、anthropic、claude、deepseek 等多个 AI 生态关键词。
如果把普通 AI 对话工具比作只能显示一张网页的浏览器，TUUI 就是一个自带开发者工具、可以同时打开几十个标签页、支持页面间互相通信的多标签浏览器。它解决的核心问题是：打破 AI 工具之间的壁垒，让工具可以被复用、被组合、被统一调度。
具体来说，TUUI 扮演三个角色：
TUUI 是 Model Context Protocol 的深度实践者，完整实现了 MCP 规范中的核心能力：
| 能力 | 类型 | 说明 |
|---|---|---|
| Tools | Server | 调用 MCP Server 注册的工具函数 |
| Prompts | Server | 访问预定义提示模板 |
| Resources | Server | 读写 MCP 资源（文件、数据库等） |
| Sampling | Client | 让 LLM 自主请求采样（LLM-In-The-Loop） |
| Elicitation | Client | AI 向用户主动请求额外信息 |
| Discovery | Registry | 实时发现 MCP Registry 上的服务端 |
| MCPB | Extension | 支持 MCP Bundles（.mcpb）打包格式 |
TUUI 的 LLM 配置基于 JSON 文件，支持 OpenAI-Compatible API 格式，可以同时配置多个模型：
{
"name": "Qwen",
"apiKey": "",
"url": "https://dashscope.aliyuncs.com/compatible-mode",
"path": "/v1/chat/completions",
"model": "qwen-turbo",
"modelList": ["qwen-turbo", "qwen-plus", "qwen-max"],
"mcp": true
}
支持 OpenRouter、DeepInfra 等聚合 API 网关，一个 TUUI 实例中可以同时对话来自不同厂商的多个模型。maxTokens、temperature 等参数均可按需配置。
通过 Cloudflare 的 mcp-remote 项目，TUUI 还支持连接远程 MCP Server，实现云端工具服务的调用。只需在 mcp.json 中添加配置即可：
{
"mcpServers": {
"cloudflare": {
"command": "npx",
"args": ["-y", "mcp-remote", "https://YOURDOMAIN.com/sse"]
}
}
}
TUUI 的 UI 层采用 Electron + Vue3 + Vuetify 构建，这是一个在桌面应用中成熟可靠的组合。状态管理使用 Pinia，路由使用 Vue Router，界面支持多语言国际化（locales 目录下有中文等翻译文件）。
渲染进程目录 src/renderer/ 包含完整的组件体系：screens 目录下有 Chat（聊天）、Agent、MCP、Setting 等主要页面；components 目录包含各类可复用 UI 组件；composables 目录封装了组合式函数逻辑。
主进程目录 src/main/ 是 Electron 的核心所在：IPC 通信层（IPCs.ts）负责主进程与渲染进程的消息传递；MCP 模块（mcp/）实现了 MCP 协议的客户端逻辑，包含 StdioClientTransport 连接、Sampling 请求处理、Elicitation 响应处理；aid/ 目录提供辅助工具（如快捷键注册、命令执行器）。
MCP 客户端核心使用了 @modelcontextprotocol/sdk 官方 SDK，通过 Node.js 标准 I/O（stdio）与 MCP Server 进程通信。连接超时默认 90 秒，超时后自动终止。
安装前提：
运行方式：
npm install && npm run dev（开发模式）或打包（生产模式）已知问题：
TUUI 采用经典的 Electron 多进程架构：
src/
├── main/ # Electron 主进程
│ ├── index.ts # 入口，管理窗口生命周期
│ ├── MainRunner.ts # 窗口创建（主窗口/闪屏/错误窗口）
│ ├── mcp/ # MCP 客户端实现
│ │ ├── client.ts # StdioClientTransport 初始化
│ │ ├── config.ts # MCP Server 配置解析
│ │ ├── connection.ts # 连接管理
│ │ └── dxt.ts # Desktop Extensions / MCPB 扩展
│ ├── aid/ # 辅助工具
│ ├── tray.ts # 系统托盘
│ └── assets/config/ # 默认配置文件（llm.json, mcp.json）
├── preload/ # 预加载脚本，安全暴露 IPC
│ └── index.ts
└── renderer/ # Vue3 渲染进程
├── screens/ # 页面（chat, agent, mcp, setting...）
├── components/ # UI 组件
├── store/ # Pinia 状态（agent, chatbot, dxt, mcp, message...）
├── locales/ # 多语言
└── composables/ # 组合式函数
关键依赖：
@modelcontextprotocol/sdk ^1.29.0：MCP 协议核心库@anthropic-ai/mcpb ^2.1.2：MCP Bundles 处理electron ^42.0.1：跨平台桌面框架vue ^3.x + vuetify：前端 UIpinia ^3.0.4：状态管理@nut-tree-fork/nut-js ^4.2.6：本地自动化（截图等）md-editor-v3 ^6.5.0：Markdown 编辑mermaid ^11.15.0：图表渲染代码质量方面，项目使用 TypeScript 严格模式、完整 ESLint 配置、Prettier 格式化，测试框架使用 Playwright，代码规范程度较高。测试目录 tests/ 和 Playwright 配置 playwright.config.ts 表明项目有自动化测试覆盖。
macOS MCP Server 兼容性问题：NPX 启动 MCP Server 在 macOS 上存在已知的 spawn ENOENT 错误，虽然 Windows 有 workaround，但 macOS 尚未完全解决。
纯桌面端限制：TUUI 本质是 Electron 桌面应用，不支持 Docker 部署，也不提供 Web 版本。对于服务器端场景或远程访问需求，当前无法满足。
LLM 后端需自备：TUUI 不内置任何 LLM 能力，必须自行准备 OpenAI/Claude/Qwen 等 API Key，对普通用户存在一定门槛。
文档质量参差不齐：README 文档较为详尽，但部分子文档（如安装指南）需要参考 wiki 页面，对离线用户不够友好。
一个人主导的 AI 生成项目：虽然 README 坦承「用 AI 构建整个项目」的实验性质，但外界对代码可维护性、可审计性存在一定顾虑。
TUUI 代表着 MCP 生态从概念走向实用化的一条路径。随着 MCP 协议被越来越多的 AI 工具采纳（Anthropic、OpenAI、GitHub 等厂商均已支持），类似 TUUI 这样的客户端工具将成为连接本地工具与云端模型的枢纽。
从数据看，项目在 2026-05-14 仍有活跃提交，保持着稳定迭代。它选择拥抱 MCP 而非自建协议，体现了对开放标准的坚持——这一点在 AI 工具碎片化的当下尤为重要。
对于希望本地化部署 AI 能力、聚合多模型工具、深度定制 AI 工作流的开发者，TUUI 是一个值得关注的选择。