AI 代理的 API 工具发现与调用引擎，覆盖金融、数据、媒体生成等专业 API，需 QVERIS_API_KEY
说明：
## 核心用法
QVeris 是专为 AI 代理设计的**能力发现与工具调用引擎**，采用「先发现、后调用」的两步工作流：
1. **`discover`** — 通过英文能力描述搜索 API 工具，返回候选工具列表（含成功率、执行耗时、参数说明等元数据）
2. **`call`** — 选定工具后传入参数执行，获取结构化 JSON 数据
支持四级调用方案：原生工具 → `http_request` → Node 脚本 → Web 搜索回退，确保环境兼容性。
### 典型应用场景
– **金融数据**：实时股价、加密货币、外汇汇率、财报数据
– **数据服务**：经济指标、天气、空气质量、地理位置
– **内容生成**：文生图、TTS、OCR、视频生成、PDF 处理
– **学术研究**：论文检索、临床试验数据
– **Web 能力**：网页提取、搜索 API
### 关键设计原则
– **工具描述 ≠ 信息查询**：发现查询必须是「API 能力类型」描述（如 `”stock quote real-time API”`），而非具体问题（如 `”AAPL 股价多少”`）
– 事实性问题应使用 `web_search`，结构化数据需求优先用 QVeris
– 多语言用户请求需转换为英文工具类型描述
## 显著优点
| 优势 | 说明 |
|——|——|
| **结构化数据质量** | 直接返回 JSON，避免网页解析的噪声与脆弱性 |
| **专业 API 聚合** | 覆盖数千个专业 API，无需单独配置多个服务 |
| **多层级降级** | 从原生工具到 HTTP 到脚本，适应不同安全环境 |
| **工具元数据透明** | 成功率、耗时、参数说明辅助选型 |
| **缓存复用机制** | 记录 `tool_id` 后可通过 `inspect` 直接调用 |
## 潜在局限
– **认知门槛**：用户需区分「工具发现」与「信息搜索」两种模式，易误用
– **英文查询限制**：非英语请求需转换能力描述，增加使用摩擦
– **API Key 依赖**：完全依赖外部服务，无离线能力
– **参数调试成本**：失败多为参数格式问题，需反复尝试
– **实时性不确定**：工具成功率/耗时为历史统计，非实时保证
## 适合人群
– 需**结构化专业数据**的 AI 代理开发者（量化分析、财经、科研）
– 需要**非原生能力**（图像生成、OCR、TTS）但不愿单独对接服务商的用户
– 企业级 AI 工作流中需**统一工具发现层**的架构师
## 常规风险
| 风险类型 | 说明 |
|———-|——|
| **认证泄露** | `QVERIS_API_KEY` 需在环境中配置，存在泄露风险 |
| **数据溯源** | 依赖第三方 API，数据质量与合规性由底层服务商决定 |
| **成本不可控** | 专业 API 调用可能产生费用，需监控用量 |
| **服务依赖** | `qveris.ai` 单点依赖，网络或平台故障将完全不可用 |
| **结果截断** | 大数据量返回 `full_content_file_url`，需额外处理流程 |
会员专属
