Superglue：用自然语言打造生产级 API 集成工具

想象这样一个场景：企业里有几十套遗留系统（SaaS CRM、ERP、自研数据库），业务部门需要把它们串联起来做数据同步，但工程师资源紧张，排期遥遥无期。传统方案要么写大量胶水代码，要么采购昂贵的 iPaaS 平台。Superglue 的出现，正是为了解决这个痛点——让任何人都能用自然语言描述想要的集成逻辑，系统自动构建可执行的工具。

背景：YC W25 孵化的集成中间件新物种

Superglue 由 Y Combinator 2025 年冬季班（W25）孵化，总部位于奥地利。两位创始人 Stefan Faistenauer 和 Adina Goerres 均有企业软件背景，他们观察到：在 AI Agent 大规模落地的时代，LLM 需要与各种外部系统（CRM、数据库、文件存储）交互，但大多数系统的 API 文档复杂、认证体系各异、数据格式不统一——这是每个 AI 应用开发者都会遇到却又不得不重复解决的「长尾集成问题」。

Superglue 的核心价值主张是将 API 集成的认知成本降到最低。开发者不再需要阅读每个 API 的详细文档，只需告诉 Superglue「我需要从 Salesforce 拉取过去 30 天的销售订单」，系统就能自动完成认证配置、请求构建、分页处理、响应映射等一系列工作。

核心能力：从自然语言到可执行工具

Superglue 的工具构建基于一种声明式的步骤（Steps）模型。每个工具由多个步骤组成，步骤类型包括：

HTTP 请求步骤：最核心的步骤类型，支持 GET/POST/PUT/DELETE/PATCH/HEAD/OPTIONS 七种 HTTP 方法。每个请求步骤都可以配置分页逻辑（offset、cursor、page 三种模式），以及可选的停止条件（用 JavaScript 代码表达式定义何时停止分页）。请求结果还会自动合并——如果是数组类型则追加合并，如果是对象则递归深度合并。

Transform 转换步骤：在请求前后对数据进行转换，支持用户自定义 JavaScript 转换代码。这相当于一个沙箱化的数据处理管道，可以在数据进入下一个步骤之前做格式标准化、字段映射等操作。

Self-Healing 自修复机制：这是 Superglue 最具差异化的能力之一。当某个 API 步骤因上游系统变化（如接口返回字段变了、认证 token 过期了）而失败时，Superglue 可以尝试自动诊断并修复问题，而不需要人工介入。这对于企业级长期运行的数据同步任务尤为重要。

架构设计：Node.js + Deno 的混合执行环境

Superglue 采用了monorepo + Turbo 构建，项目根目录包含多个子包：

执行层采用 Node.js + Deno 双运行时架构。核心业务逻辑运行在 Node.js 上，通过 Worker Pool 管理工具执行的生命周期；而具体的 HTTP 请求和数据转换则在一个独立的 Deno 子进程中执行（packages/core/deno-runtime/）。Deno 的优势在于：原生 TypeScript 支持、沙箱安全执行、以及对 fetch、Web Worker 等 Web API 的原生支持，非常适合运行不可信的外部集成代码。

Deno 运行时目前支持以下数据源策略：HTTP/Fetch、PostgreSQL、Redis、MSSQL、FTP、SMB（SAMBA 文件共享）。每种策略都封装了连接管理、错误处理和结果解析逻辑。

LLM 集成层（packages/core/llm/）：Superglue 使用 Vercel AI SDK 作为统一的 LLM 接口层，支持 Anthropic Claude、OpenAI GPT、Google Gemini、Amazon Bedrock 等多模型。这样用户可以在不同工具中使用不同模型，Superglue 自动处理模型特定的调用差异。

认证层：内置 OAuth2 流程管理和 API Key 分发系统（packages/core/auth/），支持细粒度的基于角色的访问控制（RBAC）。工具级别的权限控制允许管理员指定哪些角色可以执行哪些工具。

部署方式：Docker Compose 一键生产部署

Superglue 提供生产级的 Docker 部署方案，docker-compose.yml 定义了三个核心服务：

superglue 服务：Node.js 应用，同时暴露两个端口——3001（Next.js Web UI）和 3002（REST API）。支持通过环境变量配置数据库连接、S3 存储（MinIO）、LLM API Key 等参数。内置 tini 作为 PID 1 进程管理器，支持 SIGTERM 优雅关闭，最长允许 4 小时的运行中任务 Drain 时间。

postgres 服务：PostgreSQL 16 Alpine 版本，存储 Superglue 的所有元数据（工具定义、运行历史、API Key）。支持自定义用户名/密码/数据库名。

minio 服务：S3 兼容的对象存储，用于存放文件引用和上传文件。支持 webhook 通知——当文件上传完成时，MinIO 会自动向 Superglue 发送回调，实现文件的自动化处理。

Dockerfile 采用多阶段构建，第一阶段安装所有 npm 依赖（含 devDependencies）并编译 TypeScript，第二阶段仅将产物和运行时依赖复制到 slim 镜像，使最终镜像体积可控。

三种交互接口：Web、SDK、MCP

Superglue 提供了三种从不同角度使用平台能力的方式：

Web 界面：最直观的方式，通过浏览器管理工具定义、查看运行历史、配置认证信息。自托管版本提供完整的 Web 功能。

Superglue SDK：@superglue/client（npm）和 superglue-client（PyPI）提供与 REST API 等价的编程接口，支持 CRUD 操作所有数据类型、程序化执行工具、获取运行结果。SDK 由 Orval（OpenAPI → TypeScript client）自动生成，保证与 API 的严格同步。

MCP Server（Model Context Protocol）：这是面向 AI Agent 的接口方式。通过 MCP 协议，AI Agent 可以发现可用的 Superglue 工具并直接执行它们，而无需了解工具的具体实现。这使得 Superglue 天然成为 AI Agent 与企业系统之间的桥梁——这是当前 AI 应用栈中最关键的集成需求之一。

适用场景与局限

最适合的场景：企业遗留系统的数据同步（无需修改源系统）、AI Agent 的外部工具调用、企业 GPT 的私有工具暴露、ETL 流程的快速原型。

需要注意的局限：作为相对年轻的项目（W25 才毕业），生态仍在快速演进中，部分企业级功能（如细粒度审计、多租户隔离）可能需要更完善的测试验证。自托管需要运维 PostgreSQL 和 MinIO，增加了基础设施复杂度。

行业意义：AI Agent 时代的基础设施层

随着 GPT-4o、Claude Agent 等能够使用工具的 LLM 走向成熟，AI Agent 与外部系统的集成能力成为制约应用落地的关键瓶颈。Superglue 的定位恰好在这个交叉点上——它不是给人类用的集成工具，而是给 AI Agent 用的集成工具箱。通过将复杂的 API 调用抽象为声明式的工具定义，并通过 MCP 协议让 Agent 发现和调用，Superglue 有望成为 AI Agent 落地的标准集成层。

图1：Superglue 项目 Logo（来源：GitHub 官方仓库）