corpusos

图1：Corpus OS 项目概览

你有没有过这样的经历：花了一周时间在 LangChain 里搭好了一个 RAG 流程，产品经理突然说「我们改用 LlamaIndex 做数据索引吧」。然后？重写一遍。换个 embedding 模型？再重写一遍。团队协作时，AutoGen 的同事和 Semantic Kernel 的同事各写各的 adapter，谁都整合不到一块儿。

这不只是你的问题——据 Corpus OS 团队估算，全球有约 50 万开发者正被这种「框架孤岛」困住，每次切换框架或模型都要重写集成逻辑。

Corpus-OS/corpusos 就是来解决这个问题的。这是一个完全开源（Apache-2.0）的协议套件，用一套统一的规范同时标准化 LLM、向量数据库、图数据库和 Embedding 生成四类基础设施操作，让你在任何一个框架里写的代码，换到另一个框架几乎不用改。

背景：从金融协议到 AI 互操作

Corpus OS 的创始故事颇为有趣。创始人 Appo Agbamu 此前一直在金融领域工作，曾用 FIX 协议构建交易执行、清算和结算系统，也用 ISO 20022 构建过支付和银行基础设施。这些领域的特点是什么？——协议先行：不同银行、不同系统只要遵循同一套协议，就能无缝通信。

后来他转战 AI 领域，在 Ahrvo Network 构建基于 LLM、向量数据库、图数据库和 Embedding 服务的系统时，发现 AI 行业恰恰缺少这样的协议层。每次换一个模型提供商，就要重写一遍集成代码；换一个框架，整个架构要推倒重来。于是他决定：不如把金融行业成熟的做法搬过来——先定协议，再做实现。

2026 年 2 月 10 日，Corpus OS 正式发布了 v1.0.0 规范和配套的 SDK 包，吸引了《Bergen Record》《Progress Index》等媒体的关注报道。

核心架构：四层协议 + 六框架适配

Corpus OS 的设计哲学是「wire-first」（协议先行），而不是「wrapper-first」（封装优先）。它先定义好每个操作的请求/响应格式、错误分类和指标模型，然后才提供各框架的适配器实现。

图2：Corpus OS 架构图 — 应用层之下、基础设施层之上的协议中间件

协议套件覆盖四个核心域：

33 个基础操作原语，覆盖了 AI 基础设施层的所有核心能力。

框架适配方面，SDK 在 corpus_sdk/ 目录下按域划分，每个域的 framework_adapters/ 子目录包含对以下六大框架的适配实现：

• LangChain — 通过 langchain-core 接口适配
• LlamaIndex — 通过 llama-index-core 接口适配
• AutoGen — 通过 autogen-agentchat / autogen-core 接口适配
• CrewAI — 通过 crewai 接口适配
• Semantic Kernel — 通过 semantic-kernel 接口适配
• MCP（Model Context Protocol） — 工具生态适配

代码结构上，corpus_sdk/core/ 提供了同步/异步桥接层（sync_bridge.py / async_bridge.py）和上下文翻译层（context_translation.py），负责在协议标准格式和各框架原生格式之间做转换。corpus_sdk/router/ 中的 reference_router.py 则是商业版 Corpus Router 的参考实现，提供多模型、多框架的智能路由能力。

核心亮点：3,330 条合规测试，100% 通过

Corpus OS 最引以为豪的数字是：3,330 条 conformance tests，100% 通过率。测试覆盖分为五个层次：

• 协议合规测试（tests/llm/、tests/vector/ 等）— 验证每个协议的每个操作原语是否符合规范定义。
• 框架适配测试（tests/frameworks/）— 同一套测试用例跨框架运行，保证「一次测试，多框架验证」。
• Schema 验证测试（tests/schema/）— 验证请求/响应的 JSON Schema 是否符合规范。
• Golden 测试（tests/golden/）— 用已知输入/输出对验证适配器的确定性行为。
• Live 测试（tests/live/）— 端到端的真实 API 调用测试。

部署方式：纯 SDK，无 Web UI

作为一个协议规范和 SDK 实现库，Corpus OS 没有图形界面，也不提供容器化部署。安装方式是标准 Python 包：

pip install corpus-sdk          # 基础包（无框架依赖）
pip install corpus-sdk[frameworks]  # 含所有六大框架适配器
pip install corpus-sdk[langchain]   # 仅 LangChain 适配器
pip install corpus-sdk[llamaindex]  # 仅 LlamaIndex 适配器

依赖要求：Python >= 3.10。框架适配器各自还有额外依赖，如 llama-index-core>=0.10.0、langchain-core>=0.1.0、crewai>=0.1.0 等。硬件需求极低，纯 Python SDK，不需要 GPU，普通开发机即可运行所有测试。

局限与挑战

尽管 Corpus OS 解决了一个真实的痛点，但也面临挑战：

1. 框架版本同步成本。 LangChain、LlamaIndex 等框架更新频繁，适配层需要持续跟进，维护负担不轻。

2. 协议僵化风险。 协议升级需要考虑向后兼容，需要良好的社区治理来把控协议演进方向。

3. 商业化与开源的平衡。 协议层和 SDK 开源，但核心商业价值（Corpus Router）闭源。开放核心模式能否持续吸引社区贡献有待观察。

行业意义：AI 互操作的「FIX协议」时刻

Corpus OS 把金融行业的协议化思维引入 AI 基础设施。FIX 协议让全球任何交易所的系统能互相通信，不是因为某家公司做了最强封装，而是因为大家约定了共同的消息格式。Corpus OS 正在为 AI 行业做类似的事——不是又一个框架封装，而是一套所有框架都能遵循的协议语言。

如果这个方向成功，未来的 AI 应用架构可能是：底层是任意 provider（OpenAI、Anthropic、Pinecone、Neo4j……），中间是 Corpus OS 协议层，上层是任意框架（LangChain、LlamaIndex……）。换底层不动上层，换框架不动底层。这才是真正意义上的「厂商中立」。

目前项目 Star 223（growth_trend_score: 13.74），虽然增长迅速，但协议的生命力在于生态，Corpus OS 的未来取决于能否吸引足够多的 provider 和 framework 官方参与适配，而不仅仅是社区贡献者。