协议支持矩阵

本页描述当前版本里“已经落地到代码并可直接调用”的协议支持范围。

当前支持的协议

• OpenAI Chat Completions
• OpenAI Responses
• Anthropic Claude Messages
• Google Gemini GenerateContent

图例

• ✅ 已支持
• 🟡 部分支持
• ❌ 未完整支持

能力矩阵

能力	OpenAI Chat	OpenAI Responses	Claude	Gemini
请求文本输入	✅	✅	✅	✅
请求图片 URL 输入	✅	✅	✅	✅
请求 Base64 图片输入	❌	❌	✅	✅
请求工具定义	✅	✅	✅	✅
请求工具调用消息	✅	✅	✅	✅
请求工具结果消息	✅	✅	✅	✅
非流式文本响应	✅	✅	✅	✅
非流式图片/视频输出	❌	❌	❌	❌
流式文本增量	✅	✅	✅	✅
流式开始/结束/usage 事件	✅	✅	✅	✅
provider 高级字段透传	🟡	🟡	🟡	🟡

按协议理解

OpenAI Chat

当前适合作为：

• 文本对话协议源
• 网关兼容层对外协议
• 多轮消息和图片 URL 输入场景

已覆盖：

• assistant.tool_calls
• tool 消息
• 常见采样参数

OpenAI Responses

当前已覆盖：

• function_call
• function_call_output
• 响应与流式事件的标准化映射

适合：

• 以 Responses 为统一接口的新应用
• 需要与其他 provider 做能力互转的场景

Claude

当前已覆盖：

• tool_use
• tool_result
• 图片 URL 输入
• Base64 图片输入

适合：

• Claude 风格消息接口适配
• 从 OpenAI/Responses 迁移到 Claude 风格输入的场景

Gemini

当前在请求侧的多模态映射相对完整，尤其是：

• 图片 URL
• Base64 图片
• 工具调用
• 工具结果

适合：

• 多模态输入较多的场景
• 希望把其他协议请求转成 Gemini 请求的场景

流式支持说明

OpenTrans 当前优先统一以下流式能力：

• 响应开始
• 文本增量
• 响应结束
• usage

对于完整代理级 SSE 语义：

• SDK 层提供 ConvertStreamEventBody
• Gin 层提供 ginx.ConvertStreamEventBody

Gin 中间件当前已经支持：

• CRLF
• 多行 data:
• event: / id: / comment 透传

设计取舍

OpenTrans 优先覆盖“跨协议最常见、最稳定的公共能力”。这意味着：

• 文本、多轮消息、基础工具调用优先
• 高级 provider-specific 字段以保留为主
• 多模态输出能力会在标准化模型稳定后继续扩展

使用建议

如果你的业务非常依赖某一家 provider 的私有字段，建议采用：

1. Normalize*
2. 在标准化层插入你自己的保留逻辑
3. 通过 Metadata / Extra 保存非标准字段
4. 再 Marshal* 到目标协议