🚀 AI工具为开发者服务
本项目借助由Docker容器支持的自适应工作流程，结合Markdown与大语言模型（LLM），为开发者开启了无限的工作流可能性。
🚀 快速开始
MCP使用
您可以编写提示并注册它们作为MCP服务器。使用--mcp标志以服务模式运行，然后通过git引用或路径注册提示，例如：
# ...
serve
--mcp
--register github:docker/labs-ai-tools-for-devs?path=prompts/examples/generate_dockerfile.md
--register /Users/ai-overlordz/some/local/prompt.md
# ...
整体架构预览
订阅与相关链接
本项目是许多实验的来源，您可以订阅我们的LinkedIn通讯。同时，您还可以使用我们的VSCode扩展以及查看文档。
✨ 主要特性
项目本质
这是一个简单的Docker镜像，结合了Markdown和您选择的LLM（大语言模型），为您开启了无限的工作流可能性。
Markdown作为语言
人类已经使用它，LLM也是如此。此软件使您能够在Markdown文件中编写复杂的工作流程，并在编辑器、终端或任何环境中通过自己的LLM运行它们。
Docker化工具
兼容OpenAI API的LLM已支持工具调用。我们相信这些工具可以是Docker镜像。使用Docker的一些优势在于：LLM能够执行更多复杂操作、在更少的token中获取上下文、在更广泛环境中运行、并以沙盒环境运行。
会话循环
会话循环是每个工作流程的核心。工具结果、代理响应以及当然Markdown提示，都会通过此循环传递。如果一个代理遇到错误，它将尝试使用不同的参数运行工具，甚至尝试其他工具，直到获得正确的结果。
多模型代理
每个提示都可以配置为使用不同的LLM模型或不同模型家族运行。这样您可以根据任务选择最佳模型。结合Docker后，前沿模型可以进行计划，而轻量级本地模型负责执行操作。
项目为中心的设计
要从一个助手那里获得帮助以用于您的软件开发循环中，唯一需要的上下文就是您正在处理的项目。
提取项目上下文
提取器是一个Docker镜像，运行于项目上并将其信息提取到JSON上下文中。
提示作为可追踪 artifact
提示存储在GitHub仓库中，并可以引用特定路径和提交。例如：
github:docker/labs-githooks?ref=main&path=prompts/git_hooks
📚 详细文档
您是一位阅读README的专家。请使用curl获取https://github.com/docker/labs-ai-tools-for-devs项目的README，然后回答以下问题：这个项目是什么？
综上所述，这个项目是一个借助Docker容器支持的自适应工作流程，将Markdown与大语言模型相结合，为开发者提供多样化工作流可能性的工具。它具备MCP功能、支持多模型代理、采用项目为中心的设计等特性，并且可以通过注册提示来实现特定的功能。