Adaline Gateway：一个 SDK 调用 300+ LLM，开发者体验的新标杆

当你的代码要在 GPT-4o、Claude 和 Gemini 之间横跳

凌晨两点，你正在赶一个 AI 功能交付。项目要求同时支持 GPT-4o 写文案、Claude 做推理、Gemini 出图片描述——但三家 API 风格完全不同：OpenAI 用 messages[].role，Anthropic 坚持 system 必须单独拆出来，Google 又是一套 contents[] 格式。你花了一整晚写 adapter，写到第三个 provider 的时候，代码里已经全是 if provider == "openai" 的条件分支，自己都看不懂了。

Adaline Gateway 解决的就是这个痛点。它是一个全本地运行的 TypeScript SDK，用"超级类型"（Super Types）把各家 LLM 的接口抽象成统一格式——不管底层是 GPT-4o 还是 Gemini，开发者只跟一套 API 打交道。

背景：LLM 碎片化困局与厂商战争的副产品

2023 年下半年开始，LLM 市场进入"百模大战"。OpenAI 不再是唯一选择：Anthropic 的 Claude 在长上下文和推理上优势明显，Google Gemini 不断刷新多模态基准，xAI Grok 异军突起，加上 AWS Bedrock、Azure OpenAI、Together AI 等各路玩家，每个 provider 都有自己独特的 API 设计哲学。

这带来了一个现实问题：应用开发者要为每个 LLM 单独维护一套 adapter。代码重复、升级麻烦、测试成本翻倍。LangChain、LiteLLM 等框架尝试解决这一问题，但它们本质上是"代理层"——请求经过中间层转发，数据必须经过第三方服务器。

Adaline 团队在 2024 年初提出了不同的思路：不做代理，做类型桥接层。Gateway 本身是本地 SDK，不转发任何数据，但它用 TypeScript 的类型系统把各家的输入输出做了统一映射。

核心功能：不止是统一接口

Adaline Gateway 的野心不只是"换个 provider 不用改代码"，它提供了一套完整的 LLM 工程化工具链：

多 provider 支持（300+ 模型）：覆盖 OpenAI、Anthropic、Google AI Studio/Vertex、xAI、AWS Bedrock、Azure OpenAI、Groq、Together AI、OpenRouter 等主流平台，每个 provider 都是独立 npm 包（@adaline/openai、@adaline/anthropic 等），按需安装。

强类型 Tool Calling：各家 LLM 的 function calling 格式差异极大——OpenAI 是 functions[]，Anthropic 是 tools[] 的自定义 schema。Gateway 定义了统一的 ToolType 结构，写一次就能在不同 provider 间复用。

请求批次处理（Batch）：支持批量发送请求，自定义队列，配合重试策略（指数退避）和缓存插件，大幅降低 API 调用成本和延迟。

OpenTelemetry 可观测性：内置 tracing 支持，可接入 Jaeger、Zipkin 等主流链路追踪系统，满足企业级可观测需求。

插件化架构：缓存、日志、HTTP 客户端均可通过插件扩展，官方文档称可以像"搭积木"一样组合。

技术架构：pnpm monorepo + Turbo 的最佳实践

Gateway 仓库采用 pnpm workspace + Turbo 构建的 monorepo 结构：

• core/：核心 SDK，定义 Super Types、请求/响应模型、插件接口
• core/providers/：各 provider 实现（OpenAI、Anthropic 等）
• packages/：工具包（provider、types）
• tools/：实验性工具（如 gateway-experiments）
• examples/：各 provider 的使用示例
• docs/：文档

开发流程高度工程化：CommitLint 规范提交、Changeset 管理版本发布、Vitest 全量测试覆盖、Turbo 智能增量构建。在 GitHub 上随手翻一个 commit message，格式都极为规范——这在开源 SDK 项目中并不常见，说明团队对代码质量有较高要求。

技术栈方面，主力语言为 TypeScript 5.6+（严格模式），运行时 Node.js 18+，验证层使用 Zod 做运行时类型校验，构建工具为 tsup。值得注意的是：这不是一个 AI 训练框架或推理引擎，它完全依赖外部 LLM API，自身不运行任何模型——因此不需要 GPU。

上手体验：npm 三行代码就跑起来

安装非常简洁：

npm install @adaline/gateway @adaline/types @adaline/openai

调用示例（以 OpenAI 为例）：

import { Gateway } from "@adaline/gateway";
import { OpenAiProvider } from "@adaline/openai";

const gateway = new Gateway({ provider: new OpenAiProvider({ apiKey: process.env.OPENAI_API_KEY }) });

const response = await gateway.chat({
  model: "gpt-4o",
  messages: [{ role: "user", content: [{ modality: "text", value: "Hello!" }] }],
});

如果切换到 Anthropic，只需要把 provider 从 @adaline/openai 换成 @adaline/anthropic，其余代码几乎不动。这是 Gateway 最大的价值主张：真正实现 provider 的可插拔切换。

官方文档站点（https://www.adaline.ai/docs）内容详尽，覆盖每个 provider 的配置方式、认证说明和示例代码。

争议与局限

1. 依赖外部 API，本地模型支持有限 Gateway 不是一个"本地模型运行器"。虽然可以通过自定义 provider（OpenAI-like 接口）接入 Ollama 或 LM Studio，但需要自己处理 baseUrl 配置，并非开箱即用。如果需求是"完全离线运行 LLM"，Gateway 并不能直接满足。

2. 厂商锁定风险 Gateway 定义了自己的类型系统，如果未来 Adaline 项目停止维护，迁移成本不可忽视。毕竟"统一接口"的代价是引入一个新的抽象层。

3. Node.js 专属 官方定位为"Isomorphic"（同构），但核心包针对 Node.js 18+ 优化，浏览器端使用存在一定限制。对于纯前端开发者，门槛略高。

4. 相对年轻 截至 2024 年底，该项目在 GitHub 获得约 600+ stars，在 LLM SDK 细分领域有一定关注度，但生态（第三方插件、社区贡献）还在建设期。

行业意义：SDK 层的"接口标准化战争"

Adaline Gateway 的出现，反映了 LLM 应用开发领域的一个深层趋势：随着模型能力趋同，开发者体验成为新的竞争维度。当 GPT-4o 和 Claude 3.5 在基准测试上差距越来越小时，谁能让开发者更省力地集成，谁就更有优势。

Gateway 所在的赛道对标 Vercel AI Gateway（服务端代理）和 LiteLLM（代理层），但选择了纯本地 SDK 的路线，不收集任何数据，定位更偏向对隐私敏感的企业用户。这是一个明确的差异化定位——在 AI 数据合规要求越来越严格的背景下，"数据不过境"的 SDK 方案对金融、医疗等行业的吸引力不容忽视。

从增长曲线看，该项目自 2024 年 10 月上 Hacker News 以来保持稳定增长，npm 周下载量突破万级，对于一个细分领域的工具库而言已经相当可观。如果 Adaline 团队能持续维护 provider 包跟上各大厂商的 API 变化，这个项目有望成为 TypeScript 生态中 LLM 集成的标准选择之一。