ENATIV Logo
ENATIV
Powrót
© 2026 ENATIV
ProjektyOfertaBaza wiedzyKontakt
kontakt@enativ.pl
  1. Baza wiedzy
  2. ›
  3. AI
  4. ›
  5. Vercel AI SDK

Vercel AI SDK

Biblioteka TypeScript do czatów AI ze streamingiem, narzędziami i wymiennym dostawcą modelu.

AIUżywam od 2024 · Wyróżniony projekt: ENATIV Portfolio

Kategoria
AI
Używam od
2024
Wyróżniony projekt
ENATIV Portfolio

W praktyce

AI SDK wybieram, gdy funkcja AI ma żyć w aplikacji TypeScript i nie wiązać jej z jednym dostawcą modelu. Czat na tej stronie, ENATIV Portfolio, działa na nim ze streamingiem i narzędziami, a Next.js obsługuje trasę API.

Czym jest Vercel AI SDK?

Vercel AI SDK to otwartoźródłowy zestaw narzędzi w TypeScripcie do budowania aplikacji z modelami językowymi. Warstwa Core ujednolica generowanie tekstu, obiektów o zadanym kształcie i wywołania narzędzi, a warstwa UI daje hooki do czatu, takie jak useChat w Reakcie. Dzięki temu streaming odpowiedzi i wywoływanie narzędzi mieszczą się w zwykłej trasie API.

Ten sam kod działa z wieloma dostawcami modeli. Są wśród nich OpenAI i Anthropic, a inne, na przykład OpenRouter, dochodzą jako providery społeczności. Wymiana modelu zmienia konfigurację, nie resztę aplikacji. Całość piszesz w TypeScripcie.

Licencja
Apache 2.0
Język
TypeScript

Jak pracuję z Vercel AI SDK

Zaczynam od tego, co funkcja ma robić i jakich danych może dotykać, a dopiero potem dobieram model. Dostawca jest wymienny, granice działania nie są. Najpierw ustalam, co ma się wydarzyć, gdy model się pomyli, bo na to nie ma poprawki w prompcie.

  1. Streaming i walidacja

    Odpowiedź płynie do przeglądarki przez streamText, a żądanie i historię rozmowy sprawdzam na serwerze, zanim cokolwiek trafi do modelu. Tak zbudowałem trasę czatu w ENATIV Portfolio. Dopiero wtedy odpowiedź wraca do użytkownika po kawałku, więc czat nie czeka na cały tekst.

  2. Narzędzia z granicami

    Model dostaje narzędzia, ale to ja decyduję, co mogą zrobić. Narzędzie od zapytań tylko przygotowuje wiadomość, wysyłka wymaga zatwierdzenia przez odwiedzającego, a adres odbiorcy ustawia serwer. Cytowania projektów biorą dane z rejestru, nie z pamięci modelu.

  3. Limity i dostawca

    Dostawcę trzymam w jednym miejscu, a liczbę kroków i długość odpowiedzi ograniczam, żeby jedno żądanie nie rozrosło się w serię wywołań modelu. Prompt systemowy traktuję jako wskazówkę dla modelu, nie jako zabezpieczenie. Do tego dochodzi stały zestaw pytań testowych, który puszczam przy każdej zmianie modelu.

Kiedy tak, a kiedy nie

AI SDK ma sens, gdy AI jest funkcją aplikacji, a nie osobnym systemem, który żyje obok niej.

Sprawdza się, gdy

  • Czat albo asystent w aplikacji Next.js ze streamingiem odpowiedzi.
  • Funkcja, która ma wywoływać narzędzia: wyszukać dane w Twoim systemie, przygotować wiadomość albo odczytać rekord.
  • Projekt, w którym dostawca modelu może się zmienić w trakcie życia produktu.
  • Odpowiedź o ustalonym kształcie, na przykład przypisanie zgłoszenia do zamkniętej listy kategorii.

Nie sprawdza się, gdy

  • Aplikacja bez TypeScriptu, bo SDK jest napisane właśnie w nim, a mostkowanie języków to dodatkowa warstwa.
  • Jeden skrypt, który raz pyta model: wystarczy zwykłe zapytanie HTTP.
  • Rozbudowany potok przetwarzania w zespole, który zna już inne narzędzie i je utrzymuje.
  • Zespół, w którym nikt nie utrzyma promptów i walidacji odpowiedzi.

W takim przypadku sprawdzam LangChain, a do dostępu do wielu modeli przez jedno konto OpenRouter, którego używa ta strona. Gdy asystent ma odpowiadać na podstawie Twoich dokumentów, to osobny temat: RAG.

Często zadawane pytania

Biblioteka jest darmowa, na licencji Apache 2.0, i nie wiąże Cię z hostingiem Vercela: to pakiet TypeScript, który działa z Node.js. Płacisz dostawcy modelu za zużycie, więc koszt zależy od ruchu i wybranego modelu, a nie od samej biblioteki.
Model i dostawca to jeden argument wywołania, więc zmiana to konfiguracja, a nie nowa logika. Do sprawdzenia zostają prompty i narzędzia, bo modele wywołują je różnie. Przed przełączeniem puszczam te same pytania testowe na obu modelach i porównuję wyniki.
Nie traktuję tego jako wyboru raz na zawsze. AI SDK biorę, gdy dostaję aplikację w TypeScripcie i zależy mi na małej warstwie nad modelem. LangChain rozważam, gdy zespół już go używa albo projekt to rozbudowany potok przetwarzania. Wybór wynika z projektu i zespołu, a nie z przyzwyczajenia.
W czacie na tej stronie, ENATIV Portfolio, historia żyje tylko w pamięci przeglądarki, a serwer nie trzyma wątku. W projekcie klienta zapis rozmów to osobna decyzja, bo dotyczy danych osobowych i wymaga zgody oraz okresu przechowywania.

Na tej stronie

  • W praktyce
  • Czym jest Vercel AI SDK?
  • Jak pracuję z Vercel AI SDK
  • Kiedy tak, a kiedy nie
  • Często zadawane pytania

Powiązane hasła

  • Vercel AI SDK
  • Next.js
  • RAG
  • TypeScript
  • React

W ofercie

  • Integracja AIRozwiązania AI, chatboty i inteligentna automatyzacja dla Twojego biznesu.
  • Wyszukiwarka Semantyczna i AI Q&AWyszukiwarka, która rozumie intencję użytkownika, z odpowiedziami opartymi o Twoje treści, w nowej aplikacji, obecnej lub w CMS.
  • AI w Obsłudze KlientaAsystenci AI w czacie, e-mailu i helpdesku: sugerowane odpowiedzi, triage zgłoszeń i chatbot na stronę z przekazaniem do człowieka.
  • Wdrożenie AI w FirmieWdrożenie Claude, ChatGPT Enterprise, Copilot lub Gemini dla zespołu oraz asystent wiedzy z zachowaniem uprawnień użytkowników.

Chcesz dodać AI do swojej aplikacji?

Napisz, co asystent ma robić i z jakich danych korzystać. Powiem, czy wystarczy czat z kilkoma narzędziami, czy projekt potrzebuje więcej. Zakres opisuje strona [[service:ai|Integracja AI]].

Opisz swój projektZobacz ENATIV Portfolio