QVeris Agent Toolkit：让每个 AI Agent 都能调用专业数据

QVeris Agent Toolkit，让你正在用的 AI，用上业务需要的专业数据。

---

痛点：AI 很聪明，但"巧妇难为无米之炊"

想象一下这个场景：用户对 AI 说"帮我查一下特斯拉今天的股价走势，再对比一下比亚迪的"，AI 点头答应，然后——卡住了。

它知道该做什么，但手上没有合适的工具。它不能凭空联网查股价，不能自己打开彭博终端，更不知道你用的是哪家券商的 API。要让它完成这个任务，传统方案需要：

1. 手动找到可靠的股票数据 API（哪家免费？哪家数据准？）
2. 编写认证和适配代码（API Key 怎么传？返回格式怎么解析？）
3. 处理计费和限流（调用一次多少钱？超限怎么办？）
4. 把以上所有集成进 Agent 的上下文里

这一套下来，开发者花在"业务逻辑"上的时间，可能还不到 20%。

QVeris 正是为解决这个问题而生的。

---

QVeris 是什么

QVeris 是一个面向 AI Agent 的专业数据与工具能力路由网络（Capability Routing Network）。它的核心思路是：让 AI 自己去找工具，而不是让开发者预先绑定工具。

传统的 API 集成是"先集成再使用"，QVeris 则是"先发现再调用"。开发者或 AI Agent 只需要做三件事：

Discover（发现）→ Inspect（查看）→ Call（调用）

• Discover：用自然语言描述需求，QVeris 返回匹配的能力列表，每条包含成功率、平均延迟、计费规则等质量信号
• Inspect：查看某个能力的完整参数 schema、详细说明和当前有效期
• Call：直接调用选定能力，获得结构化结果

整个过程零预置——不需要预先把所有 API 的文档都塞进 Agent 上下文，也不需要为每个能力写适配器。AI 在实际任务中按需发现，按需调用。

---

核心能力：10,000+ 真实服务，一个 API Key 全搞定

QVeris 目前接入了 10,000+ 预验证能力，覆盖 15+ 专业类别：

类别	代表能力
金融数据	实时股价、历史 K 线、财务报表
市场研究	投资报告、行业分析、研报摘要
天气	网格化天气预报、极端天气预警
地图	路径规划、地点搜索、地理编码
文档处理	PDF 解析、OCR 识别、合同分析
社交媒体	X (Twitter) 帖子搜索、LinkedIn 数据
区块链	链上数据查询、NFT 信息
医疗健康	药品信息、疾病知识库

每个能力的返回都附带质量信号：平均执行时间、成功率、计费规则。AI 可以据此做最优选择——比如同一个"股价查询"需求，两个 Provider 返回速度差 3 倍，AI 完全可以选更快的那个。

---

四种接入方式：总有一款适合你

QVeris 提供了从命令行到 SDK 的完整工具链：

1. QVeris CLI（推荐 for Agent）

# 一键安装
curl -fsSL https://qveris.ai/cli/install | bash

# 发现能力
qveris discover "weather forecast API"

# 调用能力
qveris call 1 --params '{"wfo":"LWX","x":90,"y":90}'

CLI 的核心优势是零上下文开销：不需要预加载完整工具目录，命令按需发现。适合 Claude Code、OpenClaw、Cursor terminal 等支持 exec 的 Agent 框架。

2. MCP Server（Cursor / Claude Desktop）

// mcp.json
{
  "mcpServers": {
    "qveris": {
      "url": "https://mcp.qveris.ai/mcp",
      "headers": { "Authorization": "Bearer ${QVERIS_API_KEY}" }
    }
  }
}

通过 Model Context Protocol 接入，适合 Cursor 的 inline 补全、Claude Desktop 等仅支持 MCP 的环境。

3. Python SDK

from qveris import Qveris

client = Qveris(api_key="your-key")
result = client.discover("stock price for TSLA")
call_result = client.call(result[0].id, params={...})

4. REST API

直接调 REST 接口，适合任何语言的自定义集成。

---

计费模式：Discover 免费，Call 按量付费

QVeris 采用按量计费（非订阅制）：

方案	价格	Credits
Free	$0	1,000 体验积分
Standard	$19	10,000 credits

• Discover（发现）：免费 —— AI 可以零成本探索全部 10,000+ 能力
• Call（调用）：按实际消耗扣 credits，每个能力的计费规则在 Discover 时就透明可见
• 使用审计：调用完成后可查询 charge_outcome（charged / included / failed_not_charged）和实际扣费金额
• Credits 不过期，不自动续订

---

代码质量：认真做的开源工具箱

作为开源项目，QVeris Agent Toolkit 的代码质量可圈可点：

• Monorepo 架构：使用 pnpm workspaces 管理 CLI、MCP Server、Python SDK、OpenClaw 插件四个子包，依赖管理清晰
• TypeScript first：CLI 和 MCP Server 均用 TypeScript 编写，完整的类型检查（typecheck）和 ESLint 规范
• CI/CD 完整：Contract tests（契约测试）、Agent recovery benchmark、TypeScript typecheck
• 多语言文档：README 同时提供英文和简体中文，REST API 文档完整
• 开源生态：代码托管在 GitHub，同时维护 OpenClaw 插件、VS Code 扩展、Gemini CLI 扩展等周边生态

不过需要注意的是，核心的服务能力（10,000+ Provider）是托管在 QVeris 云端的，这个开源工具箱本身并不包含这些能力的实现代码，而是充当客户端接入层。

---

部署难度：简单

无需本地部署。所有能力调用都通过 QVeris 的托管服务（https://mcp.qveris.ai/mcp）完成。

安装方式极其简单：

• CLI：curl -fsSL https://qveris.ai/cli/install | bash 或 npm install -g @qverisai/cli
• MCP Server：npm install @qverisai/mcp
• Python SDK：pip install qveris

前提条件：需要一个 QVeris API Key（注册即送 1,000 体验积分）。

局限：依赖 QVeris 云服务，无法私有化部署。对于数据隐私要求极高的企业场景，需要等官方规划中的 VPC/私有云方案。

---

局限性：不回避这些问题

1. 云服务依赖：所有能力调用都走 QVeris 托管服务，数据会流经第三方（虽然是远程 API 请求，不访问本地文件系统，但网络请求本身需要考虑合规）
2. 无 Docker 支持：没有提供 Dockerfile 或 docker-compose，不适合想完全自托管的用户
3. 能力数量被服务商限制：10,000+ 能力的覆盖面和质量，取决于 QVeris 与 Provider 的合作进度
4. 企业级功能规划中：VPC 私有云、SSO 等企业特性仍在路线图上

---

总结：AI Agent 工具调用的"大众点评"

如果说 OpenAPI 帮助人类程序员发现和理解 API，那么 QVeris 就是帮助 AI Agent 发现和调用专业数据服务的"大众点评"——不只是目录，更是带有评分、定价和成功率的真实能力市场。

对于 AI 爱好者来说，它让 Agent 能做的事从"聊天"扩展到了"做事"；对于开发者来说，它把 API 适配工作从重复劳动变成了可复用的生态。

推荐指数：⭐⭐⭐⭐

• 适合：想快速让 AI Agent 接入真实专业数据的开发者
• 不适合：需要完全私有化部署、对数据主权有严格要求的企业

---

📖 官网：https://qveris.ai
📦 GitHub：QVerisAI/qveris-agent-toolkit
🧪 Playground：qveris.ai/playground