Adam: Eine einbettbare, plattformübergreifende KI-Agenten-Bibliothek in C

Adam ist eine einbettbare KI-Agentenbibliothek in C. Sie bietet einen vollständigen Agenten-Loop – Tool-Aufrufe, Gedächtnis, Sitzungen, Sprache, Streaming, strukturierte Ausgabe – als einzelnes #include. Sie unterstützt Cloud-APIs (Anthropic, OpenAI, Google Gemini, Groq, Together, xAI) und lokale Modelle über llama.cpp über dieselbe Schnittstelle. Kompiliert auf macOS, Linux, Windows, iOS, Android und WASM.

Schnellstart

#include "adam.h"

int main(void) {
    adam_init();
    adam_settings_t *s = adam_create_settings();
    adam_settings_set_provider(s, ADAM_API_ANTHROPIC, getenv("ANTHROPIC_API_KEY"), "claude-sonnet-4-20250514");
    adam_history_t *h = adam_history_create();
    adam_run_result_t r = adam_run(s, h, "What is the capital of France?");
    printf("%s\n", r.final_response); // "The capital of France is Paris."
    adam_run_result_free(&r);
    adam_history_destroy(h);
    adam_settings_destroy(s);
    adam_cleanup();
}

make deps     # build llama.cpp + whisper.cpp
make all      # build libadam.a
make test     # run 161 tests (ASan + UBSan)

Hauptmerkmale

• Agenten-Loop – Tool-Aufrufe mit automatischer Iteration bis zur endgültigen Antwort
• Drei Anbieter – Anthropic, OpenAI, Google Gemini + jede kompatible API + lokales GGUF über llama.cpp
• Lokales Sehen – multimodales Bildverständnis via llama.cpp + mmproj (Gemma 3, LLaVA usw.)
• Bildgenerierung – native Bildausgabe über Gemini-Bildmodelle
• Datenbankerweiterungen – SQLite- und PostgreSQL-Erweiterungen, die Adam als SQL-Funktionen einbetten
• 13 integrierte Tools – Datei-I/O, Shell, Taschenrechner, SQL, Web-Fetch/Suche, HTTP-POST, Gedächtnis, Recherche, Multi-Agent
• Langzeitgedächtnis – hybride BM25 + Vektorsuche via SQLite (sqlite-memory + sqlite-vector)
• Sitzungspersistenz – Speichern/Laden von Konversationen mit UUIDv7-Schlüsseln
• Telegram-Bot – voll ausgestattet mit Text, Sprache, Bildern, Tools und Gedächtnis
• Sprache – STT (Whisper Cloud/Lokal) + TTS (Cloud/System) + vollständige Audio-Pipeline
• Streaming – Echtzeit-Token-Auslieferung via Callback
• Strukturierte Ausgabe – adam_run_json() mit Validierung und Wiederholung
• Evolutionsschleife – selbstverbessernder Agent: iterieren, bewerten, Strategie verfeinern
• Recherche-Modus – autonome Multi-Iterations-Informationssammlung mit Berichtssynthese
• Multi-Agent – Agent A ruft Agent B als Tool auf, mit unabhängigen Einstellungen/Werkzeugen
• Schutzmechanismen – Callbacks zur Validierung vor dem Senden und nach dem Empfangen
• Antwort-Cache – LRU-Hash-Tabelle, geschlüsselt nach Modell + Nachrichtenverlauf
• Verlaufsverwaltung – Klonen, Zusammenfassen (LLM-basierte Komprimierung), Token-Schätzung
• Thread-Pool – gleichzeitige Agentenausführung mit Auftragswarteschlange
• Dateisystem-Sandbox – Tools auf explizit erlaubte Verzeichnisse beschränkt
• Arena-Allokator – leckfreie Speicherverwaltung pro Iteration mit automatischer Bereinigung

Build-Ziele

make deps     # Build llama.cpp, whisper.cpp (+ mbedtls/curl auf Linux)
make all      # Build libadam.a
make test     # Build & run unit tests (ASan + UBSan)
make chat     # Interaktiver Text-Chat (Cloud-API)
make chat GGUF=models/model.gguf   # Interaktiver Text-Chat (lokal)
make vision GGUF=models/model.gguf MMPROJ=models/mmproj.gguf  # Lokaler Vision-Test
make talk     # Sprachagent (Cloud)
make talk LOCAL=1  # Sprachagent (vollständig lokal)
make memory   # Gedächtnissystem-Tests
make clean    # Alle Build-Artefakte entfernen

Die vollständige API-Dokumentation ist in API.md mit jeder Funktion, jedem Typ und jedem Callback verfügbar.