扩展AI工具包
概述
Extend AI 工具包提供了基于 Python 的工具实现，可与多种 AI 框架的 Extend API 集成，包括 Anthropic 的模型上下文协议 (MCP) 、 OpenAI 、 LangChain和CrewAI 。它允许用户将支出管理流程中的某些操作委托给 AI 代理或与 MCP 兼容的客户端，例如 Claude 桌面。
这些工具专为拥有 API 密钥的现有 Extend 用户设计。如果您尚未注册 Extend，但想了解更多关于我们面向中小型企业的现代化、易于使用的虚拟卡和支出管理平台的信息，请访问paywithextend.com 。
Related MCP server: Flutterwave MCP Server
特征
安装
除非您想修改该包，否则不需要此源代码。如果您只想使用该包，请运行：
pip install extend_ai_toolkit
要求
配置
该库需要通过环境变量或命令行参数使用您的扩展 API 密钥和 API 进行配置：
--api-key=your_api_key_here --api-secret=your_api_secret_here
或通过环境变量：
EXTEND_API_KEY=your_api_key_here
EXTEND_API_SECRET=your_api_secret_here
可用工具
该工具包提供了一套按功能组织的综合工具：
虚拟卡
信用卡
交易
get_transactions ：使用各种过滤器获取交易
get_transaction_detail ：获取特定交易的详细信息
update_transaction_expense_data ：更新交易的费用相关数据
费用管理
get_expense_categories ：列出所有费用类别
get_expense_category ：获取特定费用类别的详细信息
get_expense_category_labels ：获取费用类别的标签
create_expense_category ：创建一个新的费用类别
create_expense_category_label ：为费用类别添加标签
update_expense_category ：修改现有的费用类别
create_receipt_attachment ：上传收据（并可选择附加到交易）
automatch_receipts ：启动异步作业以自动将上传的收据与交易进行匹配
get_automatch_status ：获取自动匹配作业的状态
send_receipt_reminder ：针对缺少收据的交易发送提醒（通过电子邮件）
使用示例
模型上下文协议
该工具包在extend_ai_toolkit.modelcontextprotocol包中提供了资源，以帮助您构建MCP服务器。
发展
使用 MCP Inspector 在本地测试扩展 MCP 服务器：
npx @modelcontextprotocol/inspector python extend_ai_toolkit/modelcontextprotocol/main.py --tools=all
Claude 桌面集成
通过编辑配置文件将此工具作为 MCP 服务器添加到 Claude Desktop：
在 MacOS 上： ~/Library/Application\ Support/Claude/claude_desktop_config.json在 Windows 上： %APPDATA%/Claude/claude_desktop_config.json
如果您想将 create_receipt_attachment 工具与 claude 桌面一起使用，您需要通过npm install @modelcontextprotocol/server-filesystem add 安装文件系统 mcp 服务器，然后将其添加到配置文件中。
请注意：由于目前的限制，直接上传到 Claude Desktop 的图像无法上传到 Extend，因为 Claude Desktop 应用无法访问底层图像数据。因此， Filesystem MCP Server是必不可少的。
通过添加文件系统，您可以设置一个专门的收据文件夹，并告诉 Claude 上传该收据并将其自动匹配到最可能的交易。或者，如果您知道要将收据附加到哪笔交易，则可以告诉 Claude 上传该交易的收据（并跳过自动匹配过程）。
{
"extend-mcp": {
"command": "python",
"args": [
"-m",
"extend_ai_toolkit.modelcontextprotocol.main",
"--tools=all"
],
"env": {
"EXTEND_API_KEY": "apik_XXXX",
"EXTEND_API_SECRET": "XXXXX"
}
},
// optional: if you want to use the create_receipt_attachment tool
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/path/to/receipts/folder"
]
}
}
远程执行
您还可以远程运行服务器并通过 SSE 传输进行通信：
python -m extend_ai_toolkit.modelcontextprotocol.main_sse --tools=all --api-key="apikey" --api-secret="apisecret"
并可选择使用 MCP 终端客户端进行连接：
python -m extend_ai_toolkit.modelcontextprotocol.client.mcp_client --mcp-server-host localhost --mcp-server-port 8000 --llm-provider=anthropic --llm-model=claude-3-5-sonnet-20241022
OpenAI
import os
from langchain_openai import ChatOpenAI
from extend_ai_toolkit.openai.toolkit import ExtendOpenAIToolkit
from extend_ai_toolkit.shared import Configuration, Scope, Product, Actions
# Initialize the OpenAI toolkit
extend_openai_toolkit = ExtendOpenAIToolkit.default_instance(
api_key=os.environ.get("EXTEND_API_KEY"),
api_secret=os.environ.get("EXTEND_API_SECRET"),
configuration=Configuration(
scope=[
Scope(Product.VIRTUAL_CARDS, actions=Actions(read=True)),
Scope(Product.CREDIT_CARDS, actions=Actions(read=True)),
Scope(Product.TRANSACTIONS, actions=Actions(read=True)),
]
)
)
# Create an agent with the tools
extend_agent = Agent(
name="Extend Agent",
instructions="You are an expert at integrating with Extend",
tools=extend_openai_toolkit.get_tools()
)
朗链
import os
from langchain_openai import ChatOpenAI
from langgraph.prebuilt import create_react_agent
from extend_ai_toolkit.langchain.toolkit import ExtendLangChainToolkit
from extend_ai_toolkit.shared import Configuration, Scope, Product, Actions
# Initialize the LangChain toolkit
extend_langchain_toolkit = ExtendLangChainToolkit.default_instance(
api_key=os.environ.get("EXTEND_API_KEY"),
api_secret=os.environ.get("EXTEND_API_SECRET"),
configuration=Configuration(
scope=[
Scope(Product.VIRTUAL_CARDS, actions=Actions(read=True)),
Scope(Product.CREDIT_CARDS, actions=Actions(read=True)),
Scope(Product.TRANSACTIONS, actions=Actions(read=True)),
]
)
)
# Create tools for the agent
tools = extend_langchain_toolkit.get_tools()
# Create the agent executor
langgraph_agent_executor = create_react_agent(
ChatOpenAI(model="gpt-4"),
tools
)
CrewAI
import os
from extend_ai_toolkit.crewai.toolkit import ExtendCrewAIToolkit
from extend_ai_toolkit.shared import Configuration, Scope, Product, Actions
# Initialize the CrewAI toolkit
toolkit = ExtendCrewAIToolkit.default_instance(
api_key=os.environ.get("EXTEND_API_KEY"),
api_secret=os.environ.get("EXTEND_API_SECRET"),
configuration=Configuration(
scope=[
Scope(Product.VIRTUAL_CARDS, actions=Actions(read=True)),
Scope(Product.CREDIT_CARDS, actions=Actions(read=True)),
Scope(Product.TRANSACTIONS, actions=Actions(read=True)),
]
)
)
# Configure the LLM (using Claude)
toolkit.configure_llm(
model="claude-3-opus-20240229",
api_key=os.environ.get("ANTHROPIC_API_KEY")
)
# Create the Extend agent
extend_agent = toolkit.create_agent(
role="Extend Integration Expert",
goal="Help users manage virtual cards, view credit cards, and check transactions efficiently",
backstory="You are an expert at integrating with Extend, with deep knowledge of virtual cards, credit cards, and transaction management.",
verbose=True
)
# Create a task for handling user queries
query_task = toolkit.create_task(
description="Process and respond to user queries about Extend services",
agent=extend_agent,
expected_output="A clear and helpful response addressing the user's query",
async_execution=True
)
# Create a crew with the agent and task
crew = toolkit.create_crew(
agents=[extend_agent],
tasks=[query_task],
verbose=True
)
# Run the crew
result = crew.kickoff()
贡献
欢迎贡献代码！欢迎提交 Pull 请求。
执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。