LingoFuse PasAgent

pasAgent

工业级 Pascal 智能体技术体系 —— 让 AI 学会用你的 Pascal 代码

[](https://opensource.org/licenses/MIT)

---

> ## 🚀 新手用户看这里！ > > 不想折腾编译和环境配置？直接下载预编译包： > > 👉 下载预编译包（Pre-built Package） > > 解压 → 按 [mcpapitooldoubaoguide.md](mcpapitooldoubaoguide.md) 操作 → 10 分钟让 AI 调用你的第一个 Pascal 工具。

---

🎯 一句话定位

> 让你用 Pascal 写的函数，被 AI 像内置功能一样直接调用。

不需要懂 MCP 协议，不需要写 JSON Schema，不需要搭 HTTP 服务。

---

🆚 为什么选 pasAgent？—— 与 Pascal 生态其他方案的对比

Pascal 生态中已有多个 AI 智能体方案，它们在定位和适用场景上各有侧重。pasAgent 的独特价值在于：它是唯一一个既能自动生成工具、又能服务端代管工具执行、还能跨语言通信的完整闭环方案。

方案能力矩阵

| 能力 | pasAgent | PasClaw | MCP server Delphi | MakerAI Suite | Tina4 Pascal MCP | Daofy | |:---|:---:|:---:|:---:|:---:|:---:|:---:| | 从声明自动生成工具 | ✅ | ❌ | ❌ | ❌ | ❌ | ❌ | | 服务端代管工具执行 | ✅ | ❌ | ❌ | ✅ | ❌ | ❌ | | 客户端零改动 | ✅ | ❌ | ❌ | ❌ | ❌ | ❌ | | 跨语言通信层 | ✅ | ❌ | ❌ | ❌ | ❌ | ❌ | | 多轮工具循环 | ✅ | ✅ | ✅ | ✅ | ❌ | ❌ | | 会话持久化 | ✅ | ✅ | ❌ | ✅ | ❌ | ❌ | | 129+ 后端兼容 | ✅ | ❌ | 有限 | ✅ | ❌ | ❌ | | 预编译包 | ✅ | ❌ | ❌ | ❌ | ✅ | ✅ | | 保姆级教程 | ✅ | ❌ | ❌ | ❌ | ❌ | ❌ | | 许可证 | MIT | 开源 | Apache 2.0 | 开源 | 开源 | 开源 |

一句话对比

| 方案 | 一句话 | |:---|:---| | pasAgent | 给你的存量 Pascal 系统装配 AI 神经中枢，客户端零改动 | | PasClaw | 构建一个全新的 Pascal 智能体，从零开始 | | MCP server Delphi | 给 Delphi 项目提供全栈 MCP 工具包 | | MakerAI Suite | Delphi 的企业级 AI 应用开发生态 | | Tina4 Pascal MCP | 让 AI 编译、运行、测试 Pascal 程序 | | Daofy | 让 AI 编译 Delphi 项目并查询知识库 |

> 结论：如果你需要将 AI 能力快速、低成本、低侵入地注入到现有 Pascal 生产系统，pasAgent 是目前最具工程化价值的选择。

---

🎯 你想干什么？（按目的选择）

pasAgent 有 11 个可执行文件，但大多数用户只需要其中 2~3 个。按你的目的选择：

目的 1：只想和 AI 对话（不需要工具）

用 llm_proxy.exe —— 转发到 LM Studio / Ollama / 云 API，你和 AI 正常聊天。

flowchart LR
    A["🖥️ 你的程序llm_test / 自研客户端"] -->|"LingoFuse RPC"| B["🟣 llm_proxy.exe"]
    B -->|"HTTP SSE"| C["🔌 LM Studio / DeepSeek / ..."]

    style A fill:#1A5490,stroke:#0D2F52,stroke-width:3px,color:#FFFFFF
    style B fill:#8E44AD,stroke:#5B2C6F,stroke-width:4px,color:#FFFFFF
    style C fill:#1E8449,stroke:#0E4D2A,stroke-width:3px,color:#FFFFFF

目的 2：想让 AI 调用你的 Pascal 工具（推荐）

用 llm_proxy_tool.exe（LTB） —— 在对话基础上，服务端自动帮 AI 调用你的 Pascal 工具。你的客户端不需要懂 MCP，只发一条 generate 就行。

flowchart LR
    A["🖥️ 你的程序llm_client / 自研客户端"] -->|"只发 generate"| B["🔴 llm_proxy_tool.exeLTB"]
    B |"HTTP SSE携带 tools"| C["🔌 LM Studio / DeepSeek / ..."]
    B -->|"内部自动循环"| D["📡 信标"]
    D --> E["🎯 Pascal 工具"]
    B -.->|"chunk / think / finish"| A

    style A fill:#1A5490,stroke:#0D2F52,stroke-width:3px,color:#FFFFFF
    style B fill:#922B21,stroke:#5A1A14,stroke-width:4px,color:#FFFFFF
    style C fill:#1E8449,stroke:#0E4D2A,stroke-width:3px,color:#FFFFFF
    style D fill:#5B2C6F,stroke:#321640,stroke-width:3px,color:#FFFFFF
    style E fill:#B7791F,stroke:#7E5109,stroke-width:3px,color:#FFFFFF

目的 3：不联网，本地跑模型

用 llm_service.exe —— 加载 GGUF 模型，完全离线。

flowchart LR
    A["🖥️ 你的程序"] -->|"LingoFuse RPC"| B["🟢 llm_service.exe"]
    B -->|"加载"| C["📦 NVIDIA-Nemotron-3.5-...gguf"]

    style A fill:#1A5490,stroke:#0D2F52,stroke-width:3px,color:#FFFFFF
    style B fill:#1E8449,stroke:#0E4D2A,stroke-width:4px,color:#FFFFFF
    style C fill:#B7791F,stroke:#7E5109,stroke-width:3px,color:#FFFFFF

目的 4：客户端原生支持 MCP（经典路径）

用 mcp_api_tool.exe —— 把 Pascal 工具翻译成 MCP 协议，给 LM Studio / Claude Desktop / Continue.dev 这类自带 MCP 支持的客户端使用。

flowchart LR
    A["🤖 LM Studio / Claude Desktop（自己会调工具）"] -->|"MCP 协议"| B["🌉 mcp_api_tool.exe"]
    B -->|"LF_Call"| C["📡 信标"]
    C --> D["🎯 Pascal 工具"]

    style A fill:#922B21,stroke:#5A1A14,stroke-width:3px,color:#FFFFFF
    style B fill:#1E8449,stroke:#0E4D2A,stroke-width:4px,color:#FFFFFF
    style C fill:#5B2C6F,stroke:#321640,stroke-width:3px,color:#FFFFFF
    style D fill:#B7791F,stroke:#7E5109,stroke-width:3px,color:#FFFFFF

---

🗺️ 一图看懂组网

所有目的共用同一个信标（pascal_agent_service.exe），只是入口程序不同。

flowchart TB
    subgraph Users["👤 你的目的"]
        U1["只对话"]
        U2["想让 AI 用工具"]
        U3["想离线跑模型"]
        U4["客户端原生支持 MCP"]
    end

    subgraph Entrances["🚪 入口程序（按目的选）"]
        E1["🟣 llm_proxy.exe纯文本转发"]
        E2["🔴 llm_proxy_tool.exe转发 + 代管工具"]
        E3["🟢 llm_service.exe本地推理"]
        E4["🌉 mcp_api_tool.exeMCP 协议网关"]
    end

    subgraph Beacon["📡 公共基础设施"]
        B["pascal_agent_service.exe信标 ipc:agent"]
    end

    subgraph Tools["🎯 你的 Pascal 工具"]
        T["pascal_agent_api.exe或你自己的工具提供者"]
    end

    subgraph Backends["🔌 后端（按目的选）"]
        R1["LM Studio / Ollama / 云 API"]
        R2["📦 本地 GGUF 模型"]
    end

    U1 --> E1
    U2 --> E2
    U3 --> E3
    U4 --> E4

    E1 -.-> R1
    E2 --> B
    E2 -.-> R1
    E3 -.-> R2
    E4 --> B

    B --> T

    style Users fill:#1A5490,stroke:#0D2F52,stroke-width:3px,color:#FFFFFF
    style Entrances fill:#5B2C6F,stroke:#321640,stroke-width:3px,color:#FFFFFF
    style Beacon fill:#1E8449,stroke:#0E4D2A,stroke-width:3px,color:#FFFFFF
    style Tools fill:#B7791F,stroke:#7E5109,stroke-width:3px,color:#FFFFFF
    style Backends fill:#922B21,stroke:#5A1A14,stroke-width:3px,color:#FFFFFF

三种 LLM 服务端（llm_proxy / llm_proxy_tool / llm_service）默认共用同一端点 ipc:llm_service，同一时刻只能运行一个。 要同时跑多个，必须给每个指定不同的 --endpoint + --app-name。

mcp_api_tool 与 llm_proxy_tool 可以同时运行（它们注册到信标的名字不同），一个走路径 A、一个走路径 B。

---

🚀 快速上手

场景 A：新手最快路径（下载预编译包）

flowchart LR
    A["1️⃣ 下载预编译包"] --> B["2️⃣ 解压到C:\Temp\temp2"]
    B --> C["3️⃣ 按 DOUBAO 指南操作"]
    C --> D["🎉 10 分钟AI 调用 Pascal 工具"]

    style A fill:#1A5490,stroke:#0D2F52,stroke-width:3px,color:#FFFFFF
    style B fill:#B7791F,stroke:#7E5109,stroke-width:3px,color:#FFFFFF
    style C fill:#1E8449,stroke:#0E4D2A,stroke-width:3px,color:#FFFFFF
    style D fill:#922B21,stroke:#5A1A14,stroke-width:4px,color:#FFFFFF

场景 B：开发自己的 Pascal 工具

flowchart TB
    S1["① 写 Pascal 函数"]
    S2["② 用 code_decl_to_mcp生成工具提供者"]
    S3["③ lazbuild 编译+ 启动信标 + 工具提供者"]
    S4["④ 二选一：路径 A 挂 mcp_api_tool路径 B 挂 llm_proxy_tool"]
    S5["🎉 AI 调用你的工具"]

    S1 --> S2 --> S3 --> S4 --> S5

    style S1 fill:#1A5490,stroke:#0D2F52,stroke-width:3px,color:#FFFFFF
    style S2 fill:#B7791F,stroke:#7E5109,stroke-width:3px,color:#FFFFFF
    style S3 fill:#1E8449,stroke:#0E4D2A,stroke-width:3px,color:#FFFFFF
    style S4 fill:#5B2C6F,stroke:#321640,stroke-width:3px,color:#FFFFFF
    style S5 fill:#922B21,stroke:#5A1A14,stroke-width:3px,color:#FFFFFF

---

🧩 代码生成器 5 层透明链

flowchart LR
    L0["Layer 0原始源码Pascal / C"] --> L1["Layer 1声明体"]
    L1 |双向| L2["Layer 2 — LV0底层 JSON"]
    L2 --> L3["Layer 3 — LV1规范化模型"]
    L3 --> L4["Layer 4工具提供者单元.pas"]

    style L0 fill:#1A5490,stroke:#0D2F52,stroke-width:3px,color:#FFFFFF
    style L1 fill:#1E8449,stroke:#0E4D2A,stroke-width:3px,color:#FFFFFF
    style L2 fill:#B7791F,stroke:#7E5109,stroke-width:3px,color:#FFFFFF
    style L3 fill:#8E44AD,stroke:#5B2C6F,stroke-width:3px,color:#FFFFFF
    style L4 fill:#922B21,stroke:#5A1A14,stroke-width:3px,color:#FFFFFF

每一层可独立查看 · 编辑 · 导出 · 喂给 LLM 修正 · 回退重走。主链路完全确定性，不依赖 LLM 随机性。

详细说明：[codegeneratemcp.md](codegeneratemcp.md) 声明规范：[pascalcodemcprule.md](pascalcodemcprule.md) · [Ccodemcprule.md](Ccodemcprule.md)

> 注意：code_decl_to_mcp.exe 的源码不在本仓库中，本仓库仅提供手册与规范。请从预编译发布页获取。

---

📦 组件清单

| 组件 | 作用 | 谁关心 | |------|------|--------| | pascal_agent_service.exe | 信标：登记和发现所有工具 | 部署服务的你 | | pascal_agent_api.exe | 工具提供者示例：把 Pascal 函数注册为工具 | 写 Pascal 的你 | | mcp_api_tool.exe | MCP 网关：路径 A，翻译成 MCP 协议 | 用 MCP 客户端的你 | | mcp_api_proxy.exe | MCP 调试代理：stdio 透明转发 + 日志 | 排查 MCP 握手的你 | | code_decl_to_mcp.exe | 代码生成器：从声明一键生成工具提供者单元 | 开发阶段的你 | | llm_service.exe | LLM 本地服务：本地跑 GGUF，完全离线 | 想断网的你 | | llm_proxy.exe | LLM 纯转发：转发到外部后端，只对话 | 只用对话的你 | | llm_proxy_tool.exe（LTB） | LLM 工具桥：转发 + 服务端代管工具执行 | 想让智能体调用工具 API 的你 | | llm_test.exe | LLM 测试客户端：命令行交互式 REPL | 调试 LLM 的你 | | bridge.exe | HTTP 桥接网关：让浏览器 / Node / PHP 访问 | Web 生态的你 | | HealthCheck.exe | 健康检查：快速验证环境 | 首次部署的你 |

---

📁 项目结构

flowchart TB
    subgraph Root["LingoFuse-pasAgent/"]
        R1["📘 文档Build_Guide / Dependency_Installation_Guidemcp_api_tool_DOUBAO_GUIDE / NVIDIA-Nemotron-..."]
        R2["📐 规范code_generate_mcp / pascal_code_mcp_rule / C_code_mcp_rule"]
        R3["📊 历史Implementation_Memo / Migration_Record / Qwen2.5-7B"]
        R4["📝 元信息readme.md / llms.txt / LICENSE"]
    end

    subgraph Src["src/"]
        S1["🅿️ Pascalpascal_agent_service / pascal_agent_apilingofuse_helper / lingofuse_import"]
        S2["🌉 MCP 网关mcp_api_tool.py / mcp_api_proxy.py"]
        S3["🔧 中间件language_middleware.py / generate_agent_json.py"]
        S4["🧠 LLMllm_service.py / llm_proxy.pyllm_proxy_tool.py / llm_test.py"]
        S5["🔨 构建build_*.ps1 / build_pascal_agent.bat / init_env.ps1"]
        S6["📚 LLM 文档LingoFuse_LLM_*.md（8 份）"]
        S7["🐍 绑定lingofuse/（Python 包）"]
        S8["🧪 示例CreateHealthCheck/ / pascal_agent_api_ref_json.md"]
    end

    style Root fill:#1A5490,stroke:#0D2F52,stroke-width:3px,color:#FFFFFF
    style Src fill:#1E8449,stroke:#0E4D2A,stroke-width:3px,color:#FFFFFF

你最需要关心的文件：

• src/pascal_agent_api.lpr —— 算术工具示例，你的项目原型
• src/pascal_agent_service.lpr —— 信标源码
• src/lingofuse_helper.pas —— 写工具时的辅助函数
• src/lingofuse/ —— LingoFuse Python 绑定包（编译时会打包）

---

📚 文档地图

新手入门

• 🎓 [mcpapitooldoubaoguide.md](mcpapitooldoubaoguide.md) —— 保姆级教程，零基础让 AI 调用第一个 Pascal 工具。

理解闭环

• 🌐 [LingoFuseLLMEcosystemUserGuide.md](src/LingoFuseLLMEcosystemUserGuide.md) —— 三种服务端、两条路径、能力发现机制全景。
• 🧠 [Local LLM Agent Handbook CPU First, GPU Optional.md](Local%20LLM%20Agent%20Handbook%20CPU%20First%2C%20GPU%20Optional.md) —— 智能体原理与本地 LLM 入门。

开发工具

• 📐 [pascalcodemcprule.md](pascalcodemcprule.md) —— Pascal 声明规范。
• 📐 [Ccodemcprule.md](Ccodemcprule.md) —— C 声明规范。
• ⚙️ [codegeneratemcp.md](codegeneratemcp.md) —— 代码生成器使用手册。
• 📝 [pascalagentapirefjson.md](src/pascalagentapirefjson.md) —— agent_main / register_agent JSON 详解。

部署 LLM 与配置

• 🔨 [BuildGuide.md](BuildGuide.md) —— 编译 Pascal 与 Python 组件为 EXE。
• 📦 [DependencyInstallationGuide.md](DependencyInstallationGuide.md) —— 依赖安装与动态库部署。
• 🤖 [NVIDIA-Nemotron-3.5-Lightning-30B-A3B-UD-IQ4NL.md](NVIDIA-Nemotron-3.5-Lightning-30B-A3B-UD-IQ4NL.md) —— 推荐模型下载与部署。

三种服务端命令行手册：

| 服务端 | 手册 | 什么时候用 | |--------|------|-----------| | 🟢 llm_service.exe | [LingoFuseLLMServiceCLIguide.md](src/LingoFuseLLMServiceCLIguide.md) | 本地加载 GGUF 模型推理 | | 🟣 llm_proxy.exe | [LingoFuseLLMProxyCLIGuide.md](src/LingoFuseLLMProxyCLIGuide.md) | 纯文本转发，只对话 | | 🔴 llm_proxy_tool.exe（LTB） | [LingoFuseLLMProxyToolCLIGuide.md](src/LingoFuseLLMProxyToolCLIGuide.md) | 转发 + 服务端工具执行，让智能体调用 tools API |

其他：

• 📋 [LingoFuseLLMProxyCompatibilityGuide.md](src/LingoFuseLLMProxyCompatibilityGuide.md) —— 129+ 后端清单（LTB 亦适用）。
• 📦 [llamacpppythonguide.md](src/llamacpppythonguide.md) —— llama-cpp-python 安装。

深入与排错

• 📝 [LingoFusemcpapitoolImplementationMemo.md](LingoFusemcpapitoolImplementationMemo.md) —— MCP 网关实施备忘与坑点。
• 🚨 [LingoFuseLLMPitfallsForAI.md](src/LingoFuseLLMPitfallsForAI.md) —— LLM 生态踩坑大全。
• 📊 [LingoFuseLLMServiceWorkSummary.md](src/LingoFuseLLMServiceWorkSummary.md) —— LLM 工具链版本演进（历史参考）。
• 📊 [LingoFusePythonBindingMigrationRecord.md](LingoFusePythonBindingMigrationRecord.md) —— Python 绑定迁移与工作总结（历史参考）。

> 历史文档：Qwen2.5-7B-Instruct-Q4_K_M.md 已不再作为默认模型，仅作历史参考。新项目请使用 NVIDIA Nemotron 模型。

---

🛡️ 稳定性：为长时间运行而设计

pasAgent 的所有组件都针对长时运行、高频调用做了专门加固：

• 单 worker 串行推理：llama.cpp 上下文不是线程安全的，所有推理通过 FIFO 队列串行化到单 worker 线程
• 双条件会话回收：空闲超时 AND 客户端离线才回收，避免客户端临时断开导致对话历史丢失
• 异常隔离：后台循环的任何异常都被捕获，不会杀死工作线程
• 句柄自动回收：显式释放 + 超时回收，防止资源泄漏

实测表现：可稳定处理数万条连续的交互命令或 function call，长时间运行不掉线、不漏句柄、不串会话。

---

🔧 运行前准备

pasAgent 所有组件都依赖 LingoFuse 动态库（LingoFuse64.dll / liblingofuse.so）。

git clone --recursive https://github.com/PassByYou888/LingoFuse.git
# 然后将 LingoFuse/Binary 目录加入系统 PATH

> 新手提示：预编译包已内置所需动态库，无需单独安装。

⚠️ 首次运行缺少 DLL？

如果提示找不到 LingoFuse64.dll / z_ipc_64.dll，不想自己编译 LingoFuse：

👉 直接去预编译包发布页找现成的：releases/tag/pre_build

运行环境依赖：预编译 DLL 使用 Visual Studio 2022 编译，运行时需要安装 VS2022 可再发行组件（VC++ Redistributable）：

• VC++ Redistributable for Visual Studio 2022 (x86/x64)

---

🌟 关于开放性

pasAgent 是 LingoFuse 的分支项目，两者均为完全开放、非商业性的开源项目。

• ✅ 永久免费：MIT 许可证
• ✅ 无商业捆绑：无收费功能、无付费订阅
• ✅ 社区驱动：决策来自社区贡献者
• ✅ 透明开发：源码全公开，构建可复现

---

❓ 常见问题

| 问题 | 回答 | |------|------| | 需要懂 MCP 协议吗？ | 不需要，写 Pascal 就行 | | 只支持豆包吗？ | 支持所有 MCP 客户端：豆包 / LM Studio / Claude / Continue.dev / Jan / DeepSeek | | 只能做加减乘除吗？ | 任何 Pascal 函数：数据库、文件、硬件、GUI…… | | 需要联网吗？ | 不需要，所有组件本地运行。若使用 llm_proxy / llm_proxy_tool 转发云端 API 则需联网 | | 我的函数操作 UI 能接入吗？ | 能，生成代码预留主线程同步接口 | | 客户端不支持 MCP 工具怎么办？ | 用 llm_proxy_tool.exe（路径 B），服务端会代管工具调用 | | 三种 LLM 服务端能同时跑吗？ | 默认不能（共享同一端点）。要共存须改 --endpoint + --app-name | | 缺 DLL 又不想编译？ | 去预编译包发布页下载，解压即用 | | 如何让 AI 自动调用工具？ | 路径 A：启动 mcp_api_tool；路径 B：启动 llm_proxy_tool | | LLM 体系文档在哪里？ | 全部在 [src/](src/) 目录下 | | 代码生成器的源码在哪？ | 不在本仓库中，本仓库仅提供手册。请从预编译发布页获取 code_decl_to_mcp.exe | | 能长时间跑吗？ | 能。专门做过加固：单 worker 串行、双条件回收、句柄自动回收、异常隔离。实测可稳定处理数万条交互命令或 function call |

---

👤 关于作者

老张（QQ: 600585）

看不惯跨语言调用得写一箩筐胶水代码，干脆撸了 LingoFuse；又看不惯 Pascal 老代码接不进 AI 时代，顺手撸了 pasAgent。

欢迎反馈、建议、PR。

---

📄 许可证

MIT —— 自由使用、修改、分发。

---

项目始于 2026 年，持续迭代中。有问题提 Issue，急事加 Q。

Source & license

This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: PassByYou888
• Source: PassByYou888/LingoFuse-pasAgent
• License: MIT
• Homepage: https://zpascal.net

Install and usage instructions live in the source repository linked above.