1. 为什么本地 Agent 落地总卡在 Key 管理这一环如果你在 MacOS 上折腾过 Ollama OpenClaw 飞书这套本地 Agent 组合大概率会遇到一个很具体的场景Ollama 跑在本地11434端口OpenClaw 作为 Agent 引擎负责工具调用飞书机器人负责收发消息链路本身是通的但一旦要接入外部模型能力或者多个工具通道Key 就开始满天飞。Ollama 本地模型不需要 Key可你总得给 Agent 配一个能兜底的云端模型通道或者给 OpenClaw 的某些工具调用配一个统一的 API 入口这时候每个工具一套 Key、每个服务一个 base_url配置文件改到怀疑人生。这篇是《本地 Agent 实践》系列第一篇聚焦 MacOS 本地 Agent 落地时最容易被低估的环节多工具 Key 管理。我会用 TaoToken 作为统一 Key/API 通道把 Ollama、OpenClaw、飞书三者的配置串起来给出可以直接复制的settings.json和config.toml骨架最后演示一次连通性验证动作。适合已经在 Mac 上装好 Ollama、想跑通本地 Agent 链路但被配置劝退的人。核心检索词就三个MacOS 本地 Agent、Ollama 接入、OpenClaw 配置飞书。先说清楚这套架构里各角色的分工。Ollama 是本地推理引擎负责跑量化模型Metal 加速下 7B 模型首次推理 2 到 3 秒缓存命中后亚秒级。OpenClaw 是 Agent 核心维护系统提示词、构造 Chat 请求、解析tool_calls并路由到对应函数。飞书是消息通道通过事件回调把用户指令送进来。问题出在 OpenClaw 需要调用模型而模型来源可能不止 Ollama 一个你还想接一个云端通道做兜底或者跑更复杂的任务这时候如果每个来源都单独配 Key配置就会散落在多个文件里。TaoToken 在这里的角色是统一 Key 和 API 通道。你不需要在 OpenClaw 里为每个模型供应商写一套鉴权逻辑而是把 base_url 指向 TaoToken 的 API 地址用同一个 Key 去请求不同模型。这样settings.json里只维护一份凭证config.toml里只写一个 provider 块换模型只改模型名不动鉴权。对本地 Agent 来说这能省掉大量重复配置也降低了 Key 泄露面。2. TaoToken 前置准备拿 Key 和确认通道地址在改配置文件之前先把 TaoToken 这边的准备工作做完。你需要一个可用的 API Key以及确认 API 通道地址。官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册登录后进控制台。控制台地址带 deep linkhttps://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 。在控制台里找到 API Keys 管理页路径是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 新建一个 Key。建议按用途命名比如mac-local-agent方便后面排查是哪个环境在用。API 通道地址是 https://taotoken.net/api 注意这个地址不加 UTM 参数直接作为 base_url 写进配置。它的作用是把你的请求转发到对应模型你只需要在请求体里指定模型名。对 OpenClaw 来说这意味着你可以在config.toml里把 provider 的base_url设成这个地址api_key填刚创建的 Key然后模型名按需切换。如果你还想在浏览器里先验证模型对话是否正常可以用模型对话页https://taotoken.net/model-chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 。在这里发一条消息确认 Key 和通道是通的再去改本地配置能省掉很多「到底是 Key 错还是配置错」的排查时间。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有针对不同客户端的配置示例遇到字段不确定时可以对照。这里提醒一点TaoToken 是统一的 API 通道不是让你替代本地 Ollama。本地模型该跑还是跑TaoToken 解决的是当你需要云端模型或者多模型切换时的 Key 统一问题。两者是互补关系不是替代关系。3. 可复制配置settings.json 与 config.toml 骨架现在进入实操。假设你的目录结构是这样的OpenClaw 主目录下有一个config.toml飞书接入层用 Flask 跑在5000端口Ollama 跑在11434。我们先写 OpenClaw 的config.toml再写一个settings.json用于存放统一凭证和模型映射。先看config.toml骨架。这个文件负责定义 provider、模型和 Agent 行为。关键是把base_url指向 TaoToken 的 API 地址api_key从环境变量读取避免硬编码。# config.toml - OpenClaw 主配置 [agent] name mac-local-agent system_prompt_file ./prompts/system.md max_tool_rounds 5 [provider.taotoken] type openai-compatible base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEY default_model gpt-4o-mini [provider.ollama] type ollama base_url http://127.0.0.1:11434 default_model qwen2.5:7b [model_router] # 简单任务走本地复杂任务走 TaoToken default ollama fallback taotoken [tools] enabled [shell, file, applescript, screenshot]这里有几个设计点值得说明。type openai-compatible是因为 TaoToken 的 API 兼容 OpenAI 格式OpenClaw 可以直接用现成的客户端。api_key_env指向环境变量这样 Key 不进版本库。model_router做了个简单分流默认走本地 Ollama失败或需要更强模型时 fallback 到 TaoToken。工具列表里applescript和screenshot是 MacOS 专属后面系列会展开。再看settings.json。这个文件我用来存放飞书接入层和 OpenClaw 之间的共享配置以及模型名映射。放在项目根目录Flask 和 OpenClaw 都读它。{ feishu: { app_id: cli_xxxxxxxx, app_secret_env: FEISHU_APP_SECRET, verification_token_env: FEISHU_VERIFICATION_TOKEN, encrypt_key_env: FEISHU_ENCRYPT_KEY, callback_path: /feishu/event }, openclaw: { endpoint: http://127.0.0.1:8080/agent/invoke, timeout_seconds: 30 }, taotoken: { base_url: https://taotoken.net/api, api_key_env: TAOTOKEN_API_KEY, model_map: { fast: gpt-4o-mini, strong: gpt-4o, local: qwen2.5:7b } }, ollama: { base_url: http://127.0.0.1:11434, model: qwen2.5:7b } }model_map是这套配置的核心。你在 OpenClaw 里调用模型时不用写具体模型名而是写fast、strong、local这样的别名由settings.json统一映射。换模型只改这一处不用动config.toml。飞书的凭证也走环境变量app_secret、verification_token、encrypt_key都不落盘。环境变量在~/.zshrc里设置MacOS 默认 shell 是 zshexport TAOTOKEN_API_KEYsk-你的Key export FEISHU_APP_SECRET你的飞书AppSecret export FEISHU_VERIFICATION_TOKEN你的VerificationToken export FEISHU_ENCRYPT_KEY你的EncryptKey改完执行source ~/.zshrc生效。注意 Key 不要带空格不要用中文引号。如果你用 iTerm2 或者 VS Code 终端重启终端确保环境变量加载。4. 验证请求一次可复制的连通性检查配置写完不能直接上飞书先用 curl 验证 TaoToken 通道是否通。这一步能排除掉大部分鉴权和地址问题。curl -sS https://taotoken.net/api/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [{role: user, content: 只回复 ok}], max_tokens: 10 }预期返回是一个 JSONchoices[0].message.content里是ok或类似内容。如果返回 401检查 Key 是否复制完整、环境变量是否生效。如果返回 404检查 base_url 是否写成了https://taotoken.net/api而不是带其他路径。如果返回超时检查网络是否能访问该地址。接着验证 Ollama 本地通道curl -sS http://127.0.0.1:11434/api/chat \ -d { model: qwen2.5:7b, messages: [{role: user, content: 只回复 ok}], stream: false }预期返回message.content为ok。如果报模型不存在先ollama pull qwen2.5:7b。如果连接拒绝确认 Ollama 服务在跑ollama serve或者检查launchctl里的服务状态。两个通道都通之后启动 OpenClaw让它读config.toml然后手动触发一次 Agent 调用。假设 OpenClaw 暴露了8080端口的 invoke 接口curl -sS http://127.0.0.1:8080/agent/invoke \ -H Content-Type: application/json \ -d { session_id: test-001, message: 列出当前目录下的文件, model_alias: local }预期返回里包含工具调用结果比如ls的输出。如果model_alias写fast则会走 TaoToken 通道。这一步验证的是 OpenClaw 能否正确读取配置、路由模型、执行工具。成功的话你会看到类似tool_calls解析后的执行结果而不是纯文本回复。最后验证飞书链路。在飞书里给机器人发一条消息比如「帮我看看当前目录有什么文件」。Flask 接入层收到事件后解密、提取文本、异步调用 OpenClaw再把结果回传。如果 3 秒内没返回飞书会超时所以接入层必须异步处理。你可以在 Flask 日志里看到请求进来和 OpenClaw 返回的时间戳确认整条链路耗时。5. 本篇常见错排查配置过程中最容易踩的坑集中在几个地方。第一个是base_url写错。TaoToken 的 API 地址是https://taotoken.net/api不要写成https://taotoken.net/api/v1或者带其他后缀除非文档明确说明。OpenAI 兼容客户端有时会自动拼/v1这时候要么在客户端关掉自动拼接要么确认 TaoToken 的实际路径。第二个是环境变量没生效。MacOS 下如果你用 GUI 启动的应用可能读不到~/.zshrc里的变量。解决办法是在启动脚本里显式source或者用launchctl setenv设置。排查时可以在 OpenClaw 启动日志里打印os.environ.get(TAOTOKEN_API_KEY)的前几位确认读到了。第三个是飞书回调验签失败。verification_token和encrypt_key要跟飞书开放平台后台填的一致注意大小写。如果开了加密Flask 接入层要正确解密 AES 消息解密失败会直接返回 400。建议先在飞书后台把加密关掉跑通再开加密。第四个是 Ollama 模型不支持工具调用。不是所有模型都能返回tool_callsqwen2.5 系列和 llama3.1 系列支持得比较好。如果你发现 OpenClaw 一直返回纯文本而不执行工具先确认模型是否支持 function calling。可以在 Ollama 的模型页看说明或者用ollama show qwen2.5:7b看能力标签。第五个是端口冲突。Ollama 默认11434Flask 默认5000OpenClaw 如果也占5000就会冲突。MacOS 上5000还可能被 AirPlay 接收器占用可以在系统设置里关掉 AirPlay 接收或者把 Flask 换到5001。第六个是 Key 权限问题。TaoToken 的 Key 如果设置了额度或模型白名单调用未授权的模型会返回 403。在控制台确认 Key 的权限范围或者换一个默认 Key 测试。排查时优先用 curl 直接打 API绕过 OpenClaw确认是通道问题还是配置问题。6. 后续怎么走从跑通到长期编码跑通这条链路之后你手里就有了一个能通过飞书远程指挥 Mac 执行任务的本地 Agent。下一步可以做的事很多给 OpenClaw 注册更多 MacOS 专属工具比如控制 Safari、操作 Finder、读取剪贴板或者把模型路由做得更细按任务类型自动选本地还是云端。如果你打算长期用这套组合做编码或者 Agent 开发建议了解一下 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。它针对长期编码场景做了额度优化比按量计费更适合每天跑 Agent 的用法。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有 ClaudeCode 相关的配置说明路径是 https://taotoken.net/claudecode-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaudecode-anthropicutm_campaignrewrite 如果你用 ClaudeCode 做主力编码工具可以参考。系列下一篇会讲 OpenClaw 的工具注册机制手写第一个 MacOS 专属 Tool把 AppleScript 封装成 Agent 可调用的函数。这一篇先把 Key 统一和链路跑通后面加工具就是在这个骨架上填肉。配置这东西跑通一次之后就有肌肉记忆了遇到报错先看 curl 通不通再看环境变量读没读到最后看模型支不支持工具调用三板斧下去基本能定位。
《本地 Agent 实践》系列之一：MacOS+Ollama+OpenClaw+飞书，用 TaoToken 统一 Key 打通配置
1. 为什么本地 Agent 落地总卡在 Key 管理这一环如果你在 MacOS 上折腾过 Ollama OpenClaw 飞书这套本地 Agent 组合大概率会遇到一个很具体的场景Ollama 跑在本地11434端口OpenClaw 作为 Agent 引擎负责工具调用飞书机器人负责收发消息链路本身是通的但一旦要接入外部模型能力或者多个工具通道Key 就开始满天飞。Ollama 本地模型不需要 Key可你总得给 Agent 配一个能兜底的云端模型通道或者给 OpenClaw 的某些工具调用配一个统一的 API 入口这时候每个工具一套 Key、每个服务一个 base_url配置文件改到怀疑人生。这篇是《本地 Agent 实践》系列第一篇聚焦 MacOS 本地 Agent 落地时最容易被低估的环节多工具 Key 管理。我会用 TaoToken 作为统一 Key/API 通道把 Ollama、OpenClaw、飞书三者的配置串起来给出可以直接复制的settings.json和config.toml骨架最后演示一次连通性验证动作。适合已经在 Mac 上装好 Ollama、想跑通本地 Agent 链路但被配置劝退的人。核心检索词就三个MacOS 本地 Agent、Ollama 接入、OpenClaw 配置飞书。先说清楚这套架构里各角色的分工。Ollama 是本地推理引擎负责跑量化模型Metal 加速下 7B 模型首次推理 2 到 3 秒缓存命中后亚秒级。OpenClaw 是 Agent 核心维护系统提示词、构造 Chat 请求、解析tool_calls并路由到对应函数。飞书是消息通道通过事件回调把用户指令送进来。问题出在 OpenClaw 需要调用模型而模型来源可能不止 Ollama 一个你还想接一个云端通道做兜底或者跑更复杂的任务这时候如果每个来源都单独配 Key配置就会散落在多个文件里。TaoToken 在这里的角色是统一 Key 和 API 通道。你不需要在 OpenClaw 里为每个模型供应商写一套鉴权逻辑而是把 base_url 指向 TaoToken 的 API 地址用同一个 Key 去请求不同模型。这样settings.json里只维护一份凭证config.toml里只写一个 provider 块换模型只改模型名不动鉴权。对本地 Agent 来说这能省掉大量重复配置也降低了 Key 泄露面。2. TaoToken 前置准备拿 Key 和确认通道地址在改配置文件之前先把 TaoToken 这边的准备工作做完。你需要一个可用的 API Key以及确认 API 通道地址。官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册登录后进控制台。控制台地址带 deep linkhttps://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 。在控制台里找到 API Keys 管理页路径是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 新建一个 Key。建议按用途命名比如mac-local-agent方便后面排查是哪个环境在用。API 通道地址是 https://taotoken.net/api 注意这个地址不加 UTM 参数直接作为 base_url 写进配置。它的作用是把你的请求转发到对应模型你只需要在请求体里指定模型名。对 OpenClaw 来说这意味着你可以在config.toml里把 provider 的base_url设成这个地址api_key填刚创建的 Key然后模型名按需切换。如果你还想在浏览器里先验证模型对话是否正常可以用模型对话页https://taotoken.net/model-chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 。在这里发一条消息确认 Key 和通道是通的再去改本地配置能省掉很多「到底是 Key 错还是配置错」的排查时间。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有针对不同客户端的配置示例遇到字段不确定时可以对照。这里提醒一点TaoToken 是统一的 API 通道不是让你替代本地 Ollama。本地模型该跑还是跑TaoToken 解决的是当你需要云端模型或者多模型切换时的 Key 统一问题。两者是互补关系不是替代关系。3. 可复制配置settings.json 与 config.toml 骨架现在进入实操。假设你的目录结构是这样的OpenClaw 主目录下有一个config.toml飞书接入层用 Flask 跑在5000端口Ollama 跑在11434。我们先写 OpenClaw 的config.toml再写一个settings.json用于存放统一凭证和模型映射。先看config.toml骨架。这个文件负责定义 provider、模型和 Agent 行为。关键是把base_url指向 TaoToken 的 API 地址api_key从环境变量读取避免硬编码。# config.toml - OpenClaw 主配置 [agent] name mac-local-agent system_prompt_file ./prompts/system.md max_tool_rounds 5 [provider.taotoken] type openai-compatible base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEY default_model gpt-4o-mini [provider.ollama] type ollama base_url http://127.0.0.1:11434 default_model qwen2.5:7b [model_router] # 简单任务走本地复杂任务走 TaoToken default ollama fallback taotoken [tools] enabled [shell, file, applescript, screenshot]这里有几个设计点值得说明。type openai-compatible是因为 TaoToken 的 API 兼容 OpenAI 格式OpenClaw 可以直接用现成的客户端。api_key_env指向环境变量这样 Key 不进版本库。model_router做了个简单分流默认走本地 Ollama失败或需要更强模型时 fallback 到 TaoToken。工具列表里applescript和screenshot是 MacOS 专属后面系列会展开。再看settings.json。这个文件我用来存放飞书接入层和 OpenClaw 之间的共享配置以及模型名映射。放在项目根目录Flask 和 OpenClaw 都读它。{ feishu: { app_id: cli_xxxxxxxx, app_secret_env: FEISHU_APP_SECRET, verification_token_env: FEISHU_VERIFICATION_TOKEN, encrypt_key_env: FEISHU_ENCRYPT_KEY, callback_path: /feishu/event }, openclaw: { endpoint: http://127.0.0.1:8080/agent/invoke, timeout_seconds: 30 }, taotoken: { base_url: https://taotoken.net/api, api_key_env: TAOTOKEN_API_KEY, model_map: { fast: gpt-4o-mini, strong: gpt-4o, local: qwen2.5:7b } }, ollama: { base_url: http://127.0.0.1:11434, model: qwen2.5:7b } }model_map是这套配置的核心。你在 OpenClaw 里调用模型时不用写具体模型名而是写fast、strong、local这样的别名由settings.json统一映射。换模型只改这一处不用动config.toml。飞书的凭证也走环境变量app_secret、verification_token、encrypt_key都不落盘。环境变量在~/.zshrc里设置MacOS 默认 shell 是 zshexport TAOTOKEN_API_KEYsk-你的Key export FEISHU_APP_SECRET你的飞书AppSecret export FEISHU_VERIFICATION_TOKEN你的VerificationToken export FEISHU_ENCRYPT_KEY你的EncryptKey改完执行source ~/.zshrc生效。注意 Key 不要带空格不要用中文引号。如果你用 iTerm2 或者 VS Code 终端重启终端确保环境变量加载。4. 验证请求一次可复制的连通性检查配置写完不能直接上飞书先用 curl 验证 TaoToken 通道是否通。这一步能排除掉大部分鉴权和地址问题。curl -sS https://taotoken.net/api/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [{role: user, content: 只回复 ok}], max_tokens: 10 }预期返回是一个 JSONchoices[0].message.content里是ok或类似内容。如果返回 401检查 Key 是否复制完整、环境变量是否生效。如果返回 404检查 base_url 是否写成了https://taotoken.net/api而不是带其他路径。如果返回超时检查网络是否能访问该地址。接着验证 Ollama 本地通道curl -sS http://127.0.0.1:11434/api/chat \ -d { model: qwen2.5:7b, messages: [{role: user, content: 只回复 ok}], stream: false }预期返回message.content为ok。如果报模型不存在先ollama pull qwen2.5:7b。如果连接拒绝确认 Ollama 服务在跑ollama serve或者检查launchctl里的服务状态。两个通道都通之后启动 OpenClaw让它读config.toml然后手动触发一次 Agent 调用。假设 OpenClaw 暴露了8080端口的 invoke 接口curl -sS http://127.0.0.1:8080/agent/invoke \ -H Content-Type: application/json \ -d { session_id: test-001, message: 列出当前目录下的文件, model_alias: local }预期返回里包含工具调用结果比如ls的输出。如果model_alias写fast则会走 TaoToken 通道。这一步验证的是 OpenClaw 能否正确读取配置、路由模型、执行工具。成功的话你会看到类似tool_calls解析后的执行结果而不是纯文本回复。最后验证飞书链路。在飞书里给机器人发一条消息比如「帮我看看当前目录有什么文件」。Flask 接入层收到事件后解密、提取文本、异步调用 OpenClaw再把结果回传。如果 3 秒内没返回飞书会超时所以接入层必须异步处理。你可以在 Flask 日志里看到请求进来和 OpenClaw 返回的时间戳确认整条链路耗时。5. 本篇常见错排查配置过程中最容易踩的坑集中在几个地方。第一个是base_url写错。TaoToken 的 API 地址是https://taotoken.net/api不要写成https://taotoken.net/api/v1或者带其他后缀除非文档明确说明。OpenAI 兼容客户端有时会自动拼/v1这时候要么在客户端关掉自动拼接要么确认 TaoToken 的实际路径。第二个是环境变量没生效。MacOS 下如果你用 GUI 启动的应用可能读不到~/.zshrc里的变量。解决办法是在启动脚本里显式source或者用launchctl setenv设置。排查时可以在 OpenClaw 启动日志里打印os.environ.get(TAOTOKEN_API_KEY)的前几位确认读到了。第三个是飞书回调验签失败。verification_token和encrypt_key要跟飞书开放平台后台填的一致注意大小写。如果开了加密Flask 接入层要正确解密 AES 消息解密失败会直接返回 400。建议先在飞书后台把加密关掉跑通再开加密。第四个是 Ollama 模型不支持工具调用。不是所有模型都能返回tool_callsqwen2.5 系列和 llama3.1 系列支持得比较好。如果你发现 OpenClaw 一直返回纯文本而不执行工具先确认模型是否支持 function calling。可以在 Ollama 的模型页看说明或者用ollama show qwen2.5:7b看能力标签。第五个是端口冲突。Ollama 默认11434Flask 默认5000OpenClaw 如果也占5000就会冲突。MacOS 上5000还可能被 AirPlay 接收器占用可以在系统设置里关掉 AirPlay 接收或者把 Flask 换到5001。第六个是 Key 权限问题。TaoToken 的 Key 如果设置了额度或模型白名单调用未授权的模型会返回 403。在控制台确认 Key 的权限范围或者换一个默认 Key 测试。排查时优先用 curl 直接打 API绕过 OpenClaw确认是通道问题还是配置问题。6. 后续怎么走从跑通到长期编码跑通这条链路之后你手里就有了一个能通过飞书远程指挥 Mac 执行任务的本地 Agent。下一步可以做的事很多给 OpenClaw 注册更多 MacOS 专属工具比如控制 Safari、操作 Finder、读取剪贴板或者把模型路由做得更细按任务类型自动选本地还是云端。如果你打算长期用这套组合做编码或者 Agent 开发建议了解一下 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。它针对长期编码场景做了额度优化比按量计费更适合每天跑 Agent 的用法。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有 ClaudeCode 相关的配置说明路径是 https://taotoken.net/claudecode-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaudecode-anthropicutm_campaignrewrite 如果你用 ClaudeCode 做主力编码工具可以参考。系列下一篇会讲 OpenClaw 的工具注册机制手写第一个 MacOS 专属 Tool把 AppleScript 封装成 Agent 可调用的函数。这一篇先把 Key 统一和链路跑通后面加工具就是在这个骨架上填肉。配置这东西跑通一次之后就有肌肉记忆了遇到报错先看 curl 通不通再看环境变量读没读到最后看模型支不支持工具调用三板斧下去基本能定位。
![[Ala286]-Calmodulin Dependent Protein Kinase II (281-302)](http://pic.xiahunao.cn/yaotu/[Ala286]-Calmodulin Dependent Protein Kinase II (281-302))
