回忆 Day 04：Eino 主仓 components/ 里只有接口（ChatModel、Tool、Retriever…），没有 OpenAI、没有 Redis 向量库的具体实现。这些都在独立仓库 eino-ext。

import "github.com/cloudwego/eino-ext/components/model/openai"

cm, _ := openai.NewChatModel(ctx, &openai.ChatModelConfig{
    APIKey: os.Getenv("OPENAI_API_KEY"),
    Model:  "gpt-4o",
})
// cm 就是一个 model.ToolCallingChatModel（Day 04 的接口）
// 直接扔进 Day 12 的 Agent 或 Day 07 的 Chain 就能用
agent, _ := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{Model: cm, ...})

eino-ext 里 openai 包做的事：把 OpenAI 的 HTTP API 包装成 Eino 的 ChatModel 接口——实现 Generate（对应 Invoke）和 Stream：

// 概念：eino-ext/components/model/openai 内
func (c *ChatModel) Generate(ctx, msgs []*schema.Message, opts ...) (*schema.Message, error) {
    req := 把 schema.Message 转成 OpenAI 请求格式
    resp := 调 OpenAI HTTP API
    return 把 OpenAI 响应转回 schema.Message, nil    // ★ 翻译两端格式
}
func (c *ChatModel) Stream(...) (*schema.StreamReader[*schema.Message], error) {
    // 把 OpenAI 的 SSE 流转成 Eino 的 StreamReader（Day 17）
}

工具实现同理——实现 Day 04 的 Tool 接口即可。特别值得一提的是 MCP 接入：eino-ext 能把 MCP（Model Context Protocol）服务器暴露的工具，包装成 Eino 的 Tool。

Day 04 的 RAG 三件套（Embedder / Indexer / Retriever）在 eino-ext 里都有多家实现：向量库可选 Milvus / Redis / ES / VikingDB，向量化可选 OpenAI / 豆包 embedding。搭一条 RAG 管道就是把它们用 Chain/Graph 串起来。

没有你要的实现？自己写一个——只要实现对应接口。比如自定义一个工具：

// 最简单：用 utils 把一个普通函数变成 Tool（Day 04 提过 InferTool）
import "github.com/cloudwego/eino/components/tool/utils"

myTool, _ := utils.InferTool("get_time", "获取当前时间",
    func(ctx context.Context, in struct{ Zone string }) (string, error) {
        return 查某时区当前时间(in.Zone), nil
    })
// myTool 就是合法的 tool.BaseTool，能直接进 Agent

✋ 动手

# 若本地有 eino-ext 仓库
ls eino-ext/components/model/ 2>/dev/null || echo "去 github.com/cloudwego/eino-ext 看目录结构"
grep -rn 'InferTool' components/tool/utils/ | head
# 回看主仓只有接口
ls components/model/   # 只有 interface.go 等，没有 openai.go