AI Native Lang (AINL)

社区

把 AI 对话转化为可验证、可重复执行的结构化工作流。

分类: 开发工具第 60 / 438
Stars: ★ 650 非常热门
传输方式: stdio（本地进程）
运行环境: Python 3.10+
凭据: 无需凭据
许可证: Apache-2.0
最近提交: 53 天前
工具数: 13

64FMRS · C

这是一个由 sbhooley 维护的 Apache-2.0 开源 AINL 仓库，提供编译器、确定性运行时、图 IR、CLI、HTTP 运行器和 MCP 服务。README 明确记录了 MCP 工具、stdio 使用方式以及多种可选适配器；具体权限取决于工作流和运行配置。

最强项 · 文档质量 15/20 最弱项 · 可靠性 10/20

可靠性

10/20

安全与权限

11/20

维护活跃度

15/20

文档质量

15/20

安装易用性

13/20

查看各项评分依据

可靠性 10/20: README 描述了 ainl-mcp、多个工具、暴露配置、限制、错误诊断以及大量测试和 CI 入口，说明主要路径具有可审查性。但服务器 manifest 未缓存，无法核对实际工具声明与实现；本次未执行 MCP 初始化、工具列表握手或测试，且 README 内容在末尾被截断。因此只能给予“成功路径看似可行”的分数，并因关键运行证据缺失扣分。
安全与权限 11/20: README 明确提到 core-only 默认适配器、暴露 profile、能力授予、运行限制、HTTP/A2A allowlist、默认关闭重定向、SSRF 选项和安全报告，显示出一定的权限分层意识。仍存在 HTTP、文件系统、SQLite、队列、外部 LLM、A2A、Solana、支付和安装脚本等高影响能力；静态材料未提供实际默认配置、完整参数、确认机制、凭据流向或服务器 manifest，且部分网络和副作用边界无法验证，因此扣除较多分数。未发现足以触发安全红线的明确恶意行为或真实密钥。
维护活跃度 15/20: 仓库标记为未归档，声明 Apache-2.0，README 列出 1.3.4 至 1.8.0 的版本面、发布卫生、贡献入口、SECURITY.md 和漏洞报告方向，并显示明确维护者归属。缺少提交频率、依赖更新记录、问题响应情况和实际安全响应流程证据，因此不能接近满分。
文档质量 15/20: README 提供分层安装路径、CLI/HTTP/MCP 用法、主机集成、限制、暴露 profile、安全概念、适配器、示例、故障排查入口、基准方法和已知局限，文档覆盖面很强。扣分原因是 manifest 缺失，MCP 工具的完整参数和真实行为无法独立核对；部分性能与产品声明依赖仓库内未提供的文件，且当前 README 片段不完整。
安装易用性 13/20: 提供 pip/pipx 安装、ainl setup --auto、stdio 启动方式、通用 MCP 配置提示和多个主机的具体命令，步骤相对清晰。扣分原因是需要 Python 3.10+，不同主机仍有配置或额外引导差异，manifest 未缓存，无法验证客户端配置与实际服务器入口；本次也未执行安装或连接验证。

静态评测 · 未实际运行收录于 2026-07-29

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件执行命令或代码访问网络连接数据库

适合谁

需要多步骤、状态、记忆和工具调用的 AI 工作流团队
希望减少重复提示循环的团队
需要严格编译期验证或执行审计的团队
使用 Claude Code、Codex 或其他 MCP 兼容代理的用户

不适合谁

只需要手写简单脚本的用户
已经拥有确定性运行器且只在判断节点使用 LLM 的团队
完全不需要工作流验证、审计或 MCP 集成的项目

所需权限

安装和运行本地 Python 程序
根据启用的适配器访问工作区文件、缓存或 SQLite
启用 HTTP、A2A 或其他适配器时进行相应的网络或外部服务访问
工作流若使用密钥或外部服务，则需要相应的环境配置

风险与副作用

启用 HTTP 或 A2A 适配器会产生外部网络访问风险
工作流可能访问文件、缓存、数据库或机密，具体取决于适配器和策略配置
适配器、执行步数、运行时间和工作区限制配置不当可能扩大执行范围
机器支付配置为 opt-in，但启用后可能处理 HTTP 402 支付流程

安装接入

准备工作

运行环境：Python 3.10+

其他可选配置项（5 个）

AINL_MCP_EXPOSURE_PROFILE 可选可选，用于限定 MCP 服务器暴露哪些工具/资源（如 validate_only、inspect_only、safe_workflow、full）

AINL_DRY_RUN 可选可选，设为 1 时运行进入干跑模式，不发送真实交易或副作用

AINL_ALLOW_IR_DECLARED_ADAPTERS 可选可选，放宽 AINL_HOST_ADAPTER_ALLOWLIST 的宿主适配器限制

AINL_HOST_ADAPTER_ALLOWLIST 可选可选，控制宿主允许使用的适配器白名单

AINL_EFFICIENT_MODE 可选可选，向 ArmaraOS 主机标记高效模式的环境信号

需要 Python 3.10 或更高版本。安装 MCP 额外依赖：pipx install 'ainativelang[mcp]' && ainl setup --auto；也可使用 python3 -m pip install --user 'ainativelang[mcp]' && ainl setup --auto。随后运行 ainl-mcp，并在 MCP 客户端中配置 stdio 服务器。可使用 ainl doctor 检查集成。

验证是否装好

安装 'ainativelang[mcp]' 并运行 ainl setup --auto 后，在 MCP 客户端的工具列表中应能看到 ainl_validate、ainl_compile、ainl_run 等工具；调用 ainl_capabilities 返回能力清单即证明连接成功。

常见排障

确认 Python 版本为 3.10 或更高版本
确认安装了 ainativelang[mcp] 而不是仅安装基础包
运行 ainl doctor 检查主机集成
检查 MCP exposure profile、适配器 allowlist 和运行限制
如果启用了自动缓存，确认 cache.json 是有效 JSON
如果使用 dashboard，确认已生成 tests/emits/server/server.py

试试这样问

连接成功后，可以直接对 AI 助手这样说：

用 ainl_validate 严格校验这个 .ainl 工作流文件
用 ainl_compile 编译 main.ainl 并展示编译结果
用 ainl_run 运行这个工作流并返回执行结果
用 ainl_get_started 教我写出第一个 AINL 工作流

工具能力 13

ainl_validate 只读

验证 AINL 工作流并返回结构化诊断。

ainl_compile 只读

将 AINL 工作流编译为确定性图中间表示。

ainl_capabilities 只读

报告可用能力。

ainl_security_report 只读

报告安全配置与能力信息。

ainl_run 写入

执行 AINL 工作流。

ainl_step_examples 只读

提供 AINL 步骤示例。

ainl_get_started 只读

提供入门引导和向导状态。

ainl_ir_diff 只读

比较两个 AINL 中间表示。

展开其余 5 个工具

ainl_fitness_report 只读

根据多次运行生成工作流适应度报告。

ainl_list_ecosystem 只读

列出生态系统工作流和代理资源。

ainl_import_clawflow 写入

导入 Clawflows 风格工作流。

ainl_import_agency_agent 写入

导入 Agency-Agents 风格代理。

ainl_import_markdown 写入

将 Markdown 导入 AINL 工作流。

使用场景

编写并验证确定性 AI 工作流

将工作流编译为图中间表示并重复执行

通过 MCP 为编码代理提供工作流验证、编译和运行能力

导入 Clawflows 或 Agency-Agents 风格内容

使用 HTTP、文件系统、缓存、SQLite、LLM 和记忆适配器构建流程

支持客户端

Claude Code

Codex

Gemini CLI

Claude Desktop部分支持

依据项目文档列出，未经本站实测。

详细介绍

AINL 是一种紧凑、以图为规范的 AI 原生工作流语言及运行时。它将工作流编译为确定性中间表示图，支持多步骤执行、状态与记忆、工具调用、验证、控制、可视化、HTTP 运行器和 MCP 集成。