SaC — Software as Content

Name: SaC — Software as Content
Author: dynsoft.ai

本地服务

github.com/Software-As-Content开发工具47 周前更新

代码仓库

关于 SaC — Software as Content

SaC 是面向需要以交互式应用呈现结果的 Agent 的 SDK。应用在同一 URL 上随对话持续演进，用户的点击和聊天消息都会传回 Agent。

主要功能

01生成交互式应用
02在对话中演进应用
03处理应用点击和聊天
04可插拔的 LLM、搜索与存储

适用场景

01制定交互式旅行计划
02通过仪表盘探索数据
03比较选项并辅助决策

MCP 相关

SaC 提供 MCP stdio 服务，可连接 Claude Code 等 Agent。Agent 可通过它生成和演进交互式应用。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "ai-dynsoft-sac": {
      "command": "uvx",
      "args": [
        "sac-sdk"
      ],
      "env": {
        "SAC_API_KEY": "<SAC_API_KEY>",
        "SAC_API_BASE": "<SAC_API_BASE>",
        "SAC_MODEL": "<SAC_MODEL>",
        "SAC_SEARCH_API_KEY": "<SAC_SEARCH_API_KEY>"
      }
    }
  }
}

启动命令uvx sac-sdk

需要配置的环境变量

SAC_API_KEY密钥API key for the LLM provider (OpenRouter, Anthropic, OpenAI, etc.)

SAC_API_BASECustom API endpoint for OpenAI-compatible providers

SAC_MODELOverride the default generation model

SAC_SEARCH_API_KEY密钥Tavily API key for web search in generated apps

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

pypisac-sdk0.1.2stdio

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

SaC SDK

你与 Agent 之间的交互层。

AI Agent 能够推理、编写代码并调用 API，但需要向你反馈时，它们能做的只有输出文本。SaC（Software as Content，软件即内容）正是缺失的交互层：你的 Agent 会以实时、持久、可交互的应用作出响应，并随着对话继续不断演进。它不是截图，也不是一大段 Markdown，而是真正的 UI，你可以点击、探索，并与 Agent 一起塑造。

快速开始

1. 安装

pip install sac-sdk

2. 运行

sac serve

第一次使用？它会询问你的 API 密钥并保存。然后打开 **http://localhost:18420**，输入 "3-day Tokyo trip planner with budget"，看着实时 React 应用逐步生成。点击按钮，再让它继续完善。这就是 SaC 运行内置 Agent 循环的效果，无需外部 Agent。

连接到你的 Agent

SaC 可通过 MCP、Skill 或代码接入你正在使用的 Agent。

Claude Code（MCP）

pip install sac-sdk
sac setup claude-code        # registers SaC as an MCP server

重启 Claude Code，然后试试：

"Help me understand this codebase using a visualized and interactive app using SaC MCP."

设置详情 →

Codex（Skill）

pip install sac-sdk
sac setup codex              # installs the SaC skill
sac serve                    # keep running in a terminal

设置详情 →

OpenClaw（Skill）

pip install sac-sdk
sac setup openclaw           # installs the SaC skill
sac serve                    # keep running in a terminal

设置详情 →

Python（构建自己的 Agent）

from sac import SaC

sac = SaC()
conv = sac.conversation()
app = await conv.generate("3-day Tokyo itinerary")
print(app.url)   # user opens this
# app.code contains the generated TSX

工作原理

Your agent ──▶ SaC ──▶ User sees a live app at a URL
                   ◀── User clicks a button / types a message
Your agent ──▶ SaC ──▶ Same URL, app evolves in place
                   ◀── ...

一个 URL，一段对话。Agent 不会每轮都生成新页面，而是持续完善现有应用。用户保留自己的上下文，Agent 保留自己的状态。

**两个通道，一个循环：**每次响应要么是 UI 更新（应用不断演进），要么是聊天回复（文本气泡）。用户可以点击应用中的按钮，也可以在聊天中输入，两种操作都会通过同一个回调返回给 Agent。

何时使用 SaC

SaC 适用于探索和交互比最终答案更重要的任务。

**适用场景：**旅行规划、数据分析仪表板、比价购物、项目规划、研究、财务审查、决策辅助、内部工具

**不适用场景：**简单问答、一次性自动化（“设置闹钟”）、纯文本对话

自定义

每一层都可插拔：

from sac import SaC, FileStore

sac = SaC(
    llm=YourLLMProvider(...),       # any class implementing LLMProvider
    search=YourSearchProvider(...), # any class implementing SearchProvider
    store=FileStore(".sac"),
)

提示词位于 src/sac/runtime/prompts/，默认设计系统位于 src/sac/renderer/design-systems/default/。

架构

src/sac/
├── sac.py / conversation.py    Entry + Conversation primitive
├── runtime/                    Generate + Evolve pipeline, prompts, providers
├── server/
│   ├── http/                   FastAPI + SSE streaming + viewer
│   └── mcp/                    MCP stdio server (Claude Code integration)
└── renderer/                   iframe sandbox + design system

完整架构 →