Ktor 集成：Koog 插件

Koog 自然地融入您的 Ktor 服务器，让您能够使用符合语言习惯的 Kotlin API 来编写服务器端 AI 应用程序。

只需安装一次 Koog 插件，在 application.conf/YAML 或代码中配置您的 LLM 提供商，然后就可以直接从您的路由中调用智能体。无需再跨模块连接 LLM 客户端——您的路由只需请求一个智能体即可开始工作。

概述

koog-ktor 模块为服务器端智能体开发提供了符合语言习惯的 Kotlin/Ktor 集成：

即插即用的 Ktor 插件：在您的 Application 中 install(Koog)
对 OpenAI、Anthropic、Google、OpenRouter、DeepSeek 和 Ollama 的一流支持
通过 YAML/CONF 和/或代码进行集中配置
智能体设置（包括提示、工具、功能）；为路由提供简单的扩展函数
直接使用 LLM（execute、executeStreaming、moderate）
集成仅限 JVM 的模型上下文协议（MCP）工具

添加依赖

dependencies {
    implementation("ai.koog:koog-ktor:$koogVersion")
}

快速开始

1) 配置提供商（在 application.yaml 或 application.conf 中）

使用 koog.<provider> 下的嵌套键。插件会自动识别它们。

# application.yaml (Ktor config) { #application-yaml-ktor-config }
koog:
  openai:
    apikey: ${OPENAI_API_KEY}
    baseUrl: https://api.openai.com
  anthropic:
    apikey: ${ANTHROPIC_API_KEY}
    baseUrl: https://api.anthropic.com
  google:
    apikey: ${GOOGLE_API_KEY}
    baseUrl: https://generativelanguage.googleapis.com
  openrouter:
    apikey: ${OPENROUTER_API_KEY}
    baseUrl: https://openrouter.ai
  deepseek:
    apikey: ${DEEPSEEK_API_KEY}
    baseUrl: https://api.deepseek.com
  # Ollama is enabled when any koog.ollama.* key exists
  ollama:
    enable: true
    baseUrl: http://localhost:11434

可选：配置当请求的提供商未配置时，直接 LLM 调用所使用的后备方案。

koog:
  llm:
    fallback:
      provider: openai
      # see Model identifiers section below
      model: openai.chat.gpt4_1

2) 安装插件并定义路由

fun Application.module() {
    install(Koog) {
        // You can also configure providers programmatically (see below)
    }

    routing {
        route("/ai") {
            post("/chat") {
                val userInput = call.receiveText()
                // Create and run a default single‑run agent using a specific model
                val output = aiAgent(
                    strategy = reActStrategy(),
                    model = OpenAIModels.Chat.GPT4_1,
                    input = userInput
                )
                call.respond(HttpStatusCode.OK, output)
            }
        }
    }
}

注意

aiAgent 需要一个具体的模型（LLModel）——请按路由或按使用场景选择。
对于较低级别的 LLM 访问，请直接使用 llm()（PromptExecutor）。

直接从路由使用 LLM

post("/llm-chat") {
    val userInput = call.receiveText()

    val messages = llm().execute(
        prompt("chat") {
            system("You are a helpful assistant that clarifies questions")
            user(userInput)
        },
        GoogleModels.Gemini2_5Pro
    )

    // Join all assistant messages into a single string
    val text = messages.joinToString(separator = "") { it.content }
    call.respond(HttpStatusCode.OK, text)
}

流式处理

get("/stream") {
    val flow = llm().executeStreaming(
        prompt("streaming") { user("Stream this response, please") },
        OpenRouterModels.GPT4o
    )

    // Example: buffer and send as one chunk
    val sb = StringBuilder()
    flow.collect { chunk -> sb.append(chunk) }
    call.respondText(sb.toString())
}

内容审核

post("/moderated-chat") {
    val userInput = call.receiveText()

    val moderation = llm().moderate(
        prompt("moderation") { user(userInput) },
        OpenAIModels.Moderation.Omni
    )

    if (moderation.isHarmful) {
        call.respond(HttpStatusCode.BadRequest, "Harmful content detected")
        return@post
    }

    val output = aiAgent(
        strategy = reActStrategy(),
        model = OpenAIModels.Chat.GPT4_1,
        input = userInput
    )
    call.respond(HttpStatusCode.OK, output)
}

编程式配置（在代码中）

所有提供商和智能体行为都可以通过 install(Koog) {} 进行配置。

install(Koog) {
    llm {
        openAI(apiKey = System.getenv("OPENAI_API_KEY") ?: "") {
            baseUrl = "https://api.openai.com"
            timeouts { // Default values shown below
                requestTimeout = 15.minutes
                connectTimeout = 60.seconds
                socketTimeout = 15.minutes
            }
        }
        anthropic(apiKey = System.getenv("ANTHROPIC_API_KEY") ?: "")
        google(apiKey = System.getenv("GOOGLE_API_KEY") ?: "")
        openRouter(apiKey = System.getenv("OPENROUTER_API_KEY") ?: "")
        deepSeek(apiKey = System.getenv("DEEPSEEK_API_KEY") ?: "")
        ollama { baseUrl = "http://localhost:11434" }

        // Optional fallback used by PromptExecutor when a provider isn’t configured
        fallback {
            provider = LLMProvider.OpenAI
            model = OpenAIModels.Chat.GPT4_1
        }
    }

    agentConfig {
        // Provide a reusable base prompt for your agents
        prompt(name = "agent") {
            system("You are a helpful server‑side agent")
        }

        // Limit runaway tools/loops
        maxAgentIterations = 10

        // Register tools available to agents by default
        registerTools {
            // tool(::yourTool) // see Tools Overview for details
        }

        // Install agent features (tracing, etc.)
        // install(OpenTelemetry) { /* ... */ }
    }
}

配置中的模型标识符（后备方案）

在 YAML/CONF 中配置 llm.fallback 时，请使用以下标识符格式：

OpenAI：openai.chat.gpt4_1、openai.reasoning.o3、openai.costoptimized.gpt4_1mini、openai.audio.gpt4oaudio、openai.moderation.omni
Anthropic：anthropic.sonnet_4_5、anthropic.opus_4、anthropic.haiku_4_5
Google：google.gemini2_5pro、google.gemini2_0flash001
OpenRouter：openrouter.gpt4o、openrouter.gpt4、openrouter.claude3sonnet
DeepSeek：deepseek.deepseek-chat、deepseek.deepseek-reasoner
Ollama：ollama.meta.llama3.2、ollama.alibaba.qwq:32b、ollama.groq.llama3-grok-tool-use:8b

注意

对于 OpenAI，您必须包含类别（chat、reasoning、costoptimized、audio、embeddings、moderation）。
对于 Ollama，同时支持 ollama.model 和 ollama.. 格式。

MCP 工具（仅限 JVM）

在 JVM 上，您可以将来自 MCP 服务器的工具添加到您的智能体工具注册表中：

install(Koog) {
    agentConfig {
        mcp {
            // Register via SSE
            sse("https://your-mcp-server.com/sse")

            // Or register via spawned process (stdio transport)
            // process(Runtime.getRuntime().exec("your-mcp-binary ..."))

            // Or from an existing MCP client instance
            // client(existingMcpClient)
        }
    }
}

为什么选择 Koog + Ktor？- Kotlin‑优先，在您的服务器中进行类型安全的智能体开发

集中式配置，搭配清晰、可测试的路由代码
为每条路由选用合适的模型，或为直接的 LLM 调用自动回退
生产就绪功能：工具调用、内容审核、流式响应与追踪