Superglue CLI: Lassen Sie KI-Agenten API-Aufrufe ohne vorgefertigte Tools ausführen

✍️ OpenClawRadar📅 Veröffentlicht: 17. April 2026🔗 Source
Superglue CLI: Lassen Sie KI-Agenten API-Aufrufe ohne vorgefertigte Tools ausführen
Ad

Superglue CLI ist eine Befehlszeilenschnittstelle, die mit einer strukturierten Fähigkeitsreferenz ausgeliefert wird, die KI-Agenten beibringt, wie man jeden sg-Befehl verwendet, Authentifizierung handhabt, Tools erstellt und Fehler debuggt. Die Kernidee: Anstatt fest codierte Tools für jede API-Integration zu erstellen, zeigen Sie den Agenten auf eine beliebige API, und er kann zur Laufzeit über diese API nachdenken, indem er die Spezifikation liest, Aufrufe plant und sie ausführt.

Installation und Einrichtung

Installieren Sie die CLI global über npm:

npm install -g @superglue/cli

Führen Sie die interaktive Einrichtung aus:

sg init

Dies fordert Ihren API-Schlüssel (verfügbar unter app.superglue.cloud/admin), Endpunkt und Ausgabepräferenzen an. Für nicht-interaktive Umgebungen wie CI oder KI-Agenten setzen Sie Umgebungsvariablen:

export SUPERGLUE_API_KEY="your-api-key"
export SUPERGLUE_API_ENDPOINT="https://api.superglue.cloud"

Überprüfen Sie mit sg system list – wenn Sie Authentifizierungsfehler sehen, überprüfen Sie Ihren API-Schlüssel und Endpunkt.

Installation der Fähigkeit

Die Fähigkeit gibt Ihrem KI-Agenten vollständiges CLI-Wissen – Befehle, Authentifizierungsmuster, Tool-Schemata, Debugging und Bereitstellung. Einmal installiert, verweist der Agent automatisch darauf.

Universelle Installation für alle Agenten:

npx skills add superglue-ai/cli

Zielen Sie auf bestimmte Agenten mit -g -a <agent>:

npx skills add superglue-ai/cli -g -a claude-code
npx skills add superglue-ai/cli -g -a codex
npx skills add superglue-ai/cli -g -a cursor

Für Claude Code installieren Sie aus dem Anthropic-Marktplatz:

/plugin install superglue@claude-plugins-official

Oder laden Sie von der lokalen Installation:

claude --plugin-dir $(npm root -g)/@superglue/cli

Für Cursor kopieren Sie die Fähigkeit in Ihr Projekt oder globales Verzeichnis:

cp -r $(npm root -g)/@superglue/cli/skills/superglue .cursor/skills/superglue
# Oder global
cp -r $(npm root -g)/@superglue/cli/skills/superglue ~/.cursor/skills/superglue

Was die Fähigkeit bietet

  • Alle CLI-Befehle mit Flags, Optionen und Verwendungsmustern
  • Authentifizierungsmuster – Platzhalter für Anmeldedaten, OAuth-Abläufe, Header-Formate
  • Tool-Konfigurationsschema – Schrittkonfigurationen, Datenauswahl, Transformationen, Paginierung
  • Debugging-Workflows – häufige Fehler, --include-step-results, sg system call zur Isolation
  • Bereitstellungsmuster – SDK, REST-API, Webhooks (über Referenzen/integration.md)
  • Spezialisierte Referenzen für Datenbanken, Dateiserver und Transformationen (bei Bedarf geladen)
Ad

Hinzufügen projektspezifischen Kontexts

Fügen Sie einen Abschnitt zu Ihrer Projekt-KI-Konfigurationsdatei (CLAUDE.md, AGENTS.md oder .cursorrules) hinzu, damit der Agent weiß, dass er die Fähigkeit verwenden und Ihr Setup dynamisch entdecken soll. Fügen Sie Anweisungen wie:

## Verwendung von Superglue
Bei der Arbeit mit Superglue-Tools – über die CLI, SDK oder REST-API:
1. Rufen Sie die Superglue-Fähigkeit auf und lesen Sie die SKILL.md-Datei, bevor Sie einen sg-Befehl ausführen
2. Lesen Sie die relevanten Referenzdateien für die Aufgabe (Integration, Datenbanken, Dateiserver, Transformationen)
3. Stellen Sie sicher, dass die CLI konfiguriert ist (sg init wurde ausgeführt oder Umgebungsvariablen sind gesetzt)
4. Führen Sie sg system list und sg tool list aus, um das aktuelle Setup zu entdecken, bevor Sie etwas erstellen oder ändern
5. Hardcoden Sie niemals System-IDs oder Tool-IDs – entdecken Sie sie immer dynamisch

Bewährte Praktiken

Testen Sie Systeme immer, bevor Sie Tools erstellen. Lassen Sie den Agenten sg system call ausführen, um die Authentifizierung zu überprüfen und die tatsächliche Antwortform zu sehen, bevor er eine Tool-Konfiguration erstellt:

sg system call --system-id stripe \
  --url "https://api.stripe.com/v1/customers?limit=2" \
  --headers '{"Authorization":"Bearer <>"}'

Verwenden Sie --include-step-results beim Debuggen, um die rohe API-Antwort jedes Schritts anzuzeigen – zeigt, ob das Problem bei der Authentifizierung, dem Endpunkt oder einer Transformation liegt:

sg tool run --draft <id> --payload '{}' --include-step-results

Fügen Sie niemals Geheimnisse in den Chat ein. Verwenden Sie --sensitive-credentials beim Erstellen von Systemen über die CLI, damit Geheimnisse sicher abgefragt werden.

Dieser Ansatz adressiert die "vordefinierte Tool"-Grenze, bei der Teams Agenten erstellen, aber Benutzer spezifische Anforderungen beschreiben wie "ziehen Sie diese drei Objekte aus Salesforce und schieben Sie sie zu nCino, wenn Bedingung X wahr ist." Anstatt jede Anfrage in ein fest codiertes Tool zu übersetzen, kann der Agent die API-Spezifikation lesen und mehrstufige Operationen mit benutzerspezifischer Logik handhaben.

📖 Source: HN AI Agents

Ad

👀 Siehe auch

LORE.md: Ein offener Standard zur Extraktion strukturierten Wissens aus KI-Konversationen
Werkzeuge

LORE.md: Ein offener Standard zur Extraktion strukturierten Wissens aus KI-Konversationen

LORE.md ist ein offener Standard zur Extraktion strukturierten Wissens aus KI-Gesprächen, der speziell dafür entwickelt wurde, das Problem zu lösen, dass wertvolle Erkenntnisse in Chat-Protokollen verloren gehen. Der Standard definiert ein strukturiertes Format, das das dauerhafte Wissen aus jedem KI-Gespräch erfasst.

OpenClawRadar
Codiff v0.1.0: Ein lokaler Diff-Viewer für LLM-generierte Code-Reviews
Werkzeuge

Codiff v0.1.0: Ein lokaler Diff-Viewer für LLM-generierte Code-Reviews

Codiff v0.1.0 ist eine schnelle, minimalistische Desktop-App zum Überprüfen lokaler Git-Diffs mit LLM-Walkthrough-Modus und Inline-Kommentaren, die als Markdown kopiert werden können.

OpenClawRadar
EvalShift: Open-Source-CLI zur Erkennung von LLM-Regressionen bei der Modellmigration
Werkzeuge

EvalShift: Open-Source-CLI zur Erkennung von LLM-Regressionen bei der Modellmigration

EvalShift ist ein MIT-lizenziertes Python-CLI, das Ausgaben von Quell- vs. Ziel-LLMs über Prompts, Agents und Tool-Calling-Workflows vergleicht und einen lokalen HTML-Regressionsbericht erstellt.

OpenClawRadar
🦀
Werkzeuge

Hoplite (YC S26) bringt Cloud-Deployment für Coding-Agenten mit QA-Vorschauen auf den Markt

Hoplite ermöglicht es Ihnen, Coding-Agenten in der Cloud bereitzustellen und dabei Ihr lokales Setup inklusive Sitzungen, Erinnerungen und MCP-Server zu übertragen. Es enthält eine eigene Harness und konzentriert sich auf Onboarding und Vorschauen für die Qualitätssicherung.

OpenClawRadar