重构配置相关

This commit is contained in:
2026-09-22 15:15:26 +08:00
parent 06f0f03330
commit 5a80de6bae
8 changed files with 153 additions and 332 deletions
+17 -25
View File
@@ -811,38 +811,30 @@ HTTP 直连时浏览器不认为这是“安全上下文”:PWA/Service Worker
## 十四、配置文件示例
完整字段与默认值见 `app/config.example.yml`(与 `server/config.js` 的 `DEFAULTS` 一一对应);
部署时由 `scripts/init.sh` 生成的顶层 `config.yml` 只覆盖 `platforms` / `auth` / `mcp_servers`。
```yaml
# 模型池:平台(platforms) → Key → 模型 三层。url/type 配在平台,api_key/concurrency 配在 Key,
# 模型只声明 {id, display_name, vision}。加载时打平成全局模型列表。
# 模型池:平台(platforms) → models(平台层,多 key 共用)+ keys(api_key/concurrency)。
# url/type 配在平台层;模型只声明 {id, display_name, profile, vision}。加载时打平成全局模型列表。
platforms:
- name: proxy-a
url: "https://proxy-a.example.com/v1"
type: openai # openai/deepseek/custom,决定余额查询适配器(预留)
type: openai # 选填,缺省取 name;决定余额查询适配器
models:
- id: ds1
display_name: "AMD DeepSeek 1" # 选填,缺省同 id
profile: mini # 选填,引用顶层 model_profiles 的 prompt+tools 组合
keys:
- api_key: "sk-..."
concurrency: 1 # 该 Key 并发会话数,默认 1(当前仅记录,未参与调度)
models:
- id: ds1
display_name: "AMD DeepSeek 1"
# vision: true # 选填,默认 false
- name: proxy-c
url: "https://proxy-c.example.com/v1"
type: custom
keys:
- api_key: "sk-..."
models:
- id: ds3
display_name: "AMD DeepSeek 3"
# profile: mini # 选填,引用顶层 model_profiles 的 prompt+tools 组合(小模型省上下文用)
concurrency: 1 # 该 Key 并发会话数,默认 1
# 模型 profile(可选):预定义多套「system prompt 文件 + tools 白名单」组合,模型用 profile: <名>
# 引用(同 id 模型跳平台复用时免重复配置)。不配 profile 的模型照旧全量。动机:默认发给模型的
# 内置工具 schema + system prompt 约 6K token,特别小的模型会被撑爆上下文。
# 改后重启生效;运行期前端可在已定义组合间手动切换(发消息带 profile 参数,纯内存选择、不碰配置)。
# model_profiles:
# mini:
# tools_allow: [read_file, write_file, edit_file, list_directory, find_path, grep, terminal] # 白名单(内置名 + MCP 最终名)
# system_prompt_file: mini-system.txt # 相对 server/templates/ 的自定义 prompt
# 模型 profile:预定义「system prompt 文件 + tools 白名单」组合,模型用 profile: <名> 引用。
# 内置 mini/zero 两套默认组合,可用同名覆盖或新增;详见 §5.8。
model_profiles:
mini:
tools_allow: [read_file, write_file, edit_file, list_directory, terminal]
system_prompt_file: mini-system.txt # 相对 server/templates/
workspace_root: "/workspace/tasks"
+1 -1
View File
@@ -33,7 +33,7 @@ app/
```bash
cd app
npm install
cp config.example.yml config.yml # 修改 models(每个模型独立 url/api_key)
cp config.example.yml config.yml # 补 platforms(必填);本地跑把 workspace_root / data_root 改回 ./data/...
npm start # http://localhost:8090
```
+49 -182
View File
@@ -1,197 +1,64 @@
# 自用通用 Agent 系统配置示例
# 复制为 config.yml 后按需修改;容器内通过 AGENT_CONFIG 指定路径。
# config.example.yml — 配置模板:与 server/config.js 的 DEFAULTS 一一对应。
# 复制为 config.yml 后补齐 platforms(至少一个平台,否则启动报错),其余可按需覆盖。
# 模型池:平台(platforms) → models + keys 两层结构。url/type/models 配在平台层(同一份 models
# 被该平台下所有 key 共用),api_key/concurrency 配在 keys 里(每个 key 独立账号/额度)。
# 加载时自动打平:每个 key 复制一份该平台下所有 models,生成全局 cfg.models 列表。
# 暂按每 key 1 会话调度(同平台模型共享该批 key,平台 key 全满则其下模型均不可选);concurrency 已解析入库,后续再接调度。
platforms:
- name: proxy-a # 平台名;留空取 url 主机名首段。注意:它是模型唯一键的一部分,改名等于重建其下所有模型(历史会话回绑失效、用量统计分家)
url: "https://proxy-a.example.com/v1" # OpenAI 兼容 /v1 地址,该平台下所有模型共用
type: openai # 选填,缺省取 name;余额查询按 type 找适配器(已接 deepseek/bigmodel),未命中返回「暂未接入」
models: # 该平台下所有模型(与 url/type 同级);多 key 共用
- id: ds1 # 上游模型名;只需同平台内唯一(不同平台可同名),内部唯一键 = 平台名/模型id,历史会话按它绑定,页面不可改
display_name: "AMD DeepSeek 1" # 显示名,缺省同 id
# profile: mini # 选填:引用顶层 model_profiles 的 prompt+tools 组合(小模型省上下文),见下方示例;不配 = 默认全量
# vision: true # 选填,默认 false;支持时 read_file 读图会压缩回传(长边≤2000px JPEG),会话上下文会告知 AI
# enable: false # 选填,默认 true;禁用后不进模型池,不参与分配/绑定(重启生效)
# extra_params: # 选填:每次发往上游都会合并进 body 顶层的对象;同 key 覆盖默认(model/messages/stream/temperature/tools)
# top_p: 0.9
# response_format: { type: "json_object" }
# thinking_params: # 选填:仅「深度思考」开启时合并进 body(优先级高于 extra_params)
# thinking: { type: "enabled", budget_tokens: 4096 }
- id: ds2
display_name: "AMD DeepSeek 2"
- id: ds3
# display_name 缺省 = id
keys:
- api_key: "sk-..." # 各 Key 独立(同平台不同账号/额度),留空则不带鉴权头
concurrency: 1 # 该 Key 并发会话数,默认 1(当前仅记录,未参与调度)
- api_key: "sk-..." # 同平台的第二个 Key,自动可用上面所有 models
- name: proxy-c
url: "https://proxy-c.example.com/v1"
# type 缺省取 name(=proxy-c),未命中适配器时余额查询会返回「暂未接入」
models:
- id: ds4
display_name: "No Auth Model"
keys:
- api_key: ""
- name: bigmodel # 智谱 bigmodel:起名 bigmodel 可省略 type,自动命中 bigmodel 适配器
url: "https://open.bigmodel.cn/api/paas/v4"
models:
- id: glm-4.6
keys:
- api_key: "your-key"
# 模型平台池:每平台 {name, url, type?, models:[{id, ...}], keys:[{api_key, concurrency?}]}。
platforms: []
# 模型 profile(可选):预定义多套「prompt + tools 白名单」组合,platforms 里的模型用
# profile: <名字> 引用,同 id 模型跨平台复用时免重复配置。动机:默认发给模型的
# 内置工具 schema + system prompt 合计 ~20KB 字符(约 6K token),对特别小的模型会撑爆上下文。
# - tools_allow:白名单(字符串数组),只保留名单内的工具发给模型;内置名 + MCP 最终名
# (含冲突时加的 服务名__ 前缀,与 data/prompt.txt dump 一致可对)。不配 = 全量发;
# 空数组 [] = 一个都不发(纯文本模式,给弱到不会调工具的小模型;与 MCP 的 tools_allow
# 「空名单视作未配」约定有意不同)。只影响模型「看得到什么」:名单外但真实存在的工具若被调用,
# 后端照常执行,不拦不误杀。
# - system_prompt_file:自定义 system prompt 文件,相对 server/templates/(也接受绝对路径),
# 配置加载时一次性读入常驻内存;设了即完全接管模板正文(末尾语言指令仍自动拼)。
# 想要技能清单在模板里放 {APP_SKILLS} 占位符(拼装时就地替换为已装技能列表;不放 = 没有技能段),
# 默认模板同机制。文件缺失/为空直接校验报错。两者至少配一个;引用不存在的 profile 名同样直接报错。
# 改本段需重启;运行期前端可在已定义的 profile 间手动切换(发消息带 profile 参数,
# 纯内存选择、下一请求即生效,不碰配置文件);列表随 /api/system/status 的 model_profiles 下发。
# model_profiles:
# mini: # 2B 级小模型:只留文件读写 + 终端
# tools_allow: [read_file, write_file, edit_file, list_directory, find_path, grep, terminal]
# system_prompt_file: mini-system.txt # 配套的精简提示词(别留着默认模板里「用 XX 工具…」的段落)
# web-only: # 只配白名单也行,prompt 沿用默认模板
# tools_allow: [read_file, grep, fetch, web-search__search]
# 模型 profile:prompt + tools 白名单组合,模型用 profile: <名> 引用(不配 = 全量)。
model_profiles:
mini: # 小模型:只留核心工具,省上下文
tools_allow: [read_file, write_file, edit_file, list_directory, terminal, fetch, web_search, get_skill_info, run_skill]
system_prompt_file: mini-system.txt # 相对 server/templates/(也接受绝对路径)
zero: # 纯文本对话:一个工具都不发
tools_allow: []
system_prompt_file: zero-system.txt
workspace_root: "./data/tasks"
# 数据根目录:db(默认 .agent.db)与启动 prompt dump(prompt.txt)放这里;相对路径按启动目录展开。
# 容器部署建议指到挂载卷内(如 /workspace/data),否则重建容器会丢数据。
data_root: "./data"
# db_path: "/workspace/data/.agent.db" # 显式配置优先;缺省为 data_root/.agent.db
port: 8090 # 服务监听端口
workspace_root: "/workspace/tasks" # 任务工作区根目录,AI 文件操作限制在此
data_root: "/workspace/data" # 数据根目录:SQLite 与 prompt dump
db_path: "" # 留空取 data_root/.agent.db
log_level: "info" # debug < info < warn < error < none
# agent-executor(独立命令执行容器,见根目录 executor/):url 非空时 terminal 工具与技能命令
# 都发到该服务执行(SSE 实时回传),core 镜像不再携带 python 等重工具链;
# 留空则本地 spawn(裸机开发)。两侧需同路径挂载 ./tasks、./skills;
# compose 已用环境变量 EXECUTOR_URL/EXECUTOR_TOKEN 注入,通常无需在这里配。
# executor:
# url: "http://agent-executor:9000"
# token: "change-me" # 选填;executor 侧配同值才校验
# 公网临时链接(给"自己来拉文件"的外部服务用:例如智谱视频生成前要下载参考图)。
# 机制:沙箱里的 AI 调内置工具 mint_public_link(传文件名),core 在进程内直接签出一条
# 短命的公网下载链接(不可猜 / 会过期 / 绑会话 / 重启即全部失效),外部服务再匿名 GET /p/<id> 取文件。
# 全程不监听额外端口、不搬字节(文件始终在任务目录里)。
# base_url 填本服务的对外地址(就是浏览器访问的 http://<服务器IP>:<AGENT_PORT>),只用于拼绝对地址;
# 留空 = 该功能整体关闭(mint_public_link 会直接报错,对应 MCP 服务里需要公网 URL 的那部分就用不了)。
# 容器 env 里配了 VIRTUAL_HOST(nginx-proxy 域名 + HTTPS 那套)时,本项会被它盖住:链接前缀直接用
# https://<第一个域名>,不需要改这里(也避开了“重跑 init 脚本又把它写回 ip:port”的麻烦)。
public_link:
base_url: "" # 例:"http://1.2.3.4:8090"
ttl_ms: 1800000 # 选填:链接有效期,默认 30 分钟(代码里夹在 1 分钟 ~ 24 小时)
# 日志等级(改后重启生效):debug < info < warn < error < none,只输出 ≥ 该等级的日志;none=全部静默。
# info(默认)=关键动作概述;debug 另加用户/AI 消息全文、工具调用参数/结果等排查细节。
log_level: info
executor: # 独立命令执行服务;两侧需同路径挂载 tasks/skills
url: "" # 非空走远端执行;留空读 env EXECUTOR_URL 或本地 spawn
token: "" # 与 executor 侧同值;留空读 env EXECUTOR_TOKEN
terminal:
default_timeout_ms: 30000
max_output_chars: 10000
# Skill Manager:技能根目录,所有任务/会话共享(容器内挂 ./skills → /workspace/skills)。
# skills_root 缺省取 workspace_root 的同级 skills 目录(如 /workspace/tasks → /workspace/skills);可显式覆盖。
skills:
skills_root: "/workspace/skills"
timeout_ms: 120000 # 单个技能执行超时,默认 120 秒
default_timeout_ms: 30000 # 命令默认超时(ms)
max_output_chars: 10000 # 回传模型的最大输出字符数
agent:
temperature: 1.0
max_tool_iterations: 20
max_retries: 2
# 回复语言:注入到 system prompt 末尾,强制模型用该语言回复用户
# (工具名/代码/命令保持原样);留空则不限制。改后重启生效。
language: "中文"
temperature: 1.0 # 采样温度
max_tool_iterations: 50 # 单轮最大迭代数(含工具调用)
max_retries: 2 # 上游失败重试次数
language: "Simplified Chinese" # 强制回复语言;留空不限
auto_compress_tokens: 60000 # In token 超此值弹「自动压缩」提议;0=关
# 大图上传预处理:图片超过 threshold_kb(默认 1.5M)时,浏览器端询问是否压缩;
# 同意后在用户本地 canvas 压缩(长边 ≤ image_max_dim,JPEG image_quality)再上传。
# confirm_size_mb:任意文件最终体积超过该值时再弹一次「继续上传」确认(multer 硬限 50M 不变)。
upload:
image_compress_threshold_kb: 1536
image_max_dim: 2000
image_quality: 0.85
confirm_size_mb: 10
image_compress_threshold_kb: 1536 # 大图压缩提示阈值(KB)
image_max_dim: 2000 # 压缩后长边上限(px)
image_quality: 0.85 # JPEG 质量
confirm_size_mb: 10 # 任意文件二次确认阈值(MB)
skills:
skills_root: "" # 留空取 workspace_root 同级 skills 目录
timeout_ms: 120000 # 单个技能执行超时(ms)
# 模型保持占用(held)租约:AI 答完后不立即释放模型,用户追问可直接复用。
# 页面无人观看超过 idle_release_ms 释放;有人观看最长保持 active_max_ms;sweep_ms 巡检间隔。
# 新建后从未发言的空闲会话也按同一租约自动释放。
model_hold:
idle_release_ms: 180000 # 3 分钟
active_max_ms: 1800000 # 30 分钟
sweep_ms: 10000 # 10 秒
idle_release_ms: 180000 # 无人观看超时释放(ms)
active_max_ms: 1800000 # 有人观看最长保持(ms)
sweep_ms: 10000 # 租约巡检间隔(ms)
# 上下文压缩:顶栏「压缩」按钮触发。压缩指令不作为 user 消息插入会话:
# 压缩回合沿用默认 system prompt + 正常历史,末尾追加一条 user(提示词原文),且该回合不传 tools。
# 提示词固定在 server/templates/compress-prompt.txt,需要调整压缩策略时直接改该文件。
auth: # users 留空 = 不启用登录认证
secret: "" # 登录态签名密钥;留空则每次重启随机(需重新登录)
ttl_ms: 2592000000 # 登录态有效期(ms,默认 30 天)
users:
- user: admin # 默认账号
password: "admin" # 默认密码,请务必修改
# 登录认证(推荐启用):多用户,用户名/明文密码直接配在这里(自用场景)。
# 登录页 /login,会话 token 以 HttpOnly cookie 下发(替代 nginx htpasswd:
# 手机浏览器原生下载不带 Basic 认证头,cookie 则会自动携带,下载不再失败)。
# 仍兼容 Authorization: Basic 头(curl/API 脚本可用)。
# secret:签名密钥;留空则启动时随机生成(重启后需重新登录),建议固定随机串。
# 登录页支持用 localStorage 里的 token 静默恢复登录态(POST /api/login_restore),
# 兼容 Android WebView 封装 APK 杀进程后 cookie 未落盘的场景。
# 整段删除或 users 留空则不启用认证。
# auth:
# secret: "change-me" # 选填;建议固定,避免重启掉登录态
# ttl_ms: 2592000000 # 选填,登录态有效期,默认 30 天
# users:
# - user: admin
# password: "change-me"
# - user: alice
# password: "s3cret"
# 外部 MCP 服务列表:每项 {name?, url, headers?, enable?(默认 true), timeout_ms?, tools_allow?, tools_deny?}。
mcp_servers: []
# MCP 服务(可配多个;与内置工具分开)。启动时对每个服务调 tools/list 发现工具,
# 追加到内置工具之后一起发给模型;调用经 tools/call 转发。headers 是任意请求头(如 Authorization)。
# enable 选填、默认 true;设为 false 时启动不加载该服务的工具(配置保留,改回 true 重启即恢复)。
# timeout_ms 选填、默认 60000:该服务单次工具调用的最大等待(毫秒,有 1s~10min 夹限),
# 像视频生成这类上游就是慢的服务可以调大;握手/工具发现阶段用固定的 15s,不受本项影响。
# tools_allow / tools_deny 选填:工具名单(字符串数组,按服务端的原始工具名在发现阶段过滤)。
# allow 是白名单(配了就只保留名单内的),deny 在其后叠加生效(deny 优先);空名单视作未配。
# 用于控制发给模型的工具数:单服务动辄二三十个工具(如浏览器类),只放行主循环用得上的。
# 服务不可用时只在启动日志告警,不影响其他服务与内置工具。
#
# 无域名部署:agent-core 与 mcp 仓库的容器共用 agent-mcp-net,这里直接写【容器名:容器内端口】,
# 别写宿主机映射端口。日后改回域名/反代时,换成对应 https 地址即可。
mcp_servers:
- name: web-search # 选填,缺省取主机名首段
url: "http://mcp_web_search:3000/" # web_search 无服务端鉴权,不需要 headers
enable: true # 选填,默认 true;false 时启动不加载
# timeout_ms: 60000 # 选填,单次工具调用最大等待(毫秒),默认 60s
# 智谱系服务:token 由客户端透传(每次请求都要带),值填你的智谱 API Key。
# 路径带 /mcp(web_search 是根路径 /,image/video gen 是 /mcp)。
# - name: image-gen
# url: "http://mcp_image_gen:3000/mcp"
# headers:
# Authorization: "Bearer <你的智谱 API Key>"
# - name: video-gen
# url: "http://mcp_video_gen:3000/mcp"
# headers:
# Authorization: "Bearer <你的智谱 API Key>"
# 浏览器(Playwright MCP,需自行起 agent-browser 容器):工具多、单次操作比普通 MCP 慢,
# 典型用法就是白名单只放行要用的那几个 + 调大 timeout。
# - name: browser
# url: "http://agent-browser:8931/mcp"
# enable: true
# timeout_ms: 120000
# tools_allow:
# - browser_navigate
# - browser_snapshot
# - browser_click
# - browser_fill_form
# - browser_type
# - browser_press_key
# - browser_select_option
# - browser_wait_for
# - browser_tabs
# - browser_handle_dialog
# - browser_take_screenshot
public_link:
base_url: "" # 留空关闭 mint_public_link;填本服务对外地址
ttl_ms: 1800000 # 链接有效期(ms)
+31 -40
View File
@@ -58,55 +58,45 @@ function normalizeModelProfiles(rawProfiles) {
return out;
}
// 默认配置:与 app/config.example.yml 一一对应(改这里同时改示例,保持同步)。
const DEFAULTS = {
port: 8090,
// 数据根目录:db、prompt dump 等运行时产物默认放这里(容器内挂 ./data → /workspace/data)。
data_root: './data',
workspace_root: './data/tasks',
db_path: '', // 默认为 data_root/.agent.db
// agent-executor(独立命令执行容器):url 非空时 terminal 工具与技能命令全部改走远端执行
// (core 镜像不再携带 python/libreoffice 等重工具链);留空则本地 spawn(裸机开发兼容)。
// 配置留空时退到环境变量 EXECUTOR_URL / EXECUTOR_TOKEN(compose 注入)。
// 任务工作区根目录:AI 的文件操作限制在此(容器内挂 ./tasks → /workspace/tasks)。
workspace_root: '/workspace/tasks',
// 数据根目录:SQLite(.agent.db)与启动 prompt dump 放这里(容器内挂 ./data → /workspace/data)。
data_root: '/workspace/data',
// 缺省 data_root/.agent.db。
db_path: '',
// 命令执行服务:url 非空走远端 executor,留空本地 spawn;留空时回退 env EXECUTOR_URL / EXECUTOR_TOKEN。
executor: { url: '', token: '' },
terminal: { default_timeout_ms: 30000, max_output_chars: 10000 },
// auto_compress_tokens: 每轮回合完全结束后,若本轮 In token(各模型轮 prompt_tokens 峰值)≥ 此阈值,
// 向前端推送一次「自动压缩」确认弹窗(同手动点压缩-摘要),用户手动确认后才开始压缩;0=永不提议。
// 每会话至多弹一次(取消/忽略后不再打扰,删会话/清空历史/重启后重置)。
// 只在回合循环结束、finalize 之后检查,AI↔工具交互过程中绝不触发;压缩回合自身不再复查(防递归)。
// 满足条件后延迟 1.5s 再推送(避开超长回合刚结束时前端收尾渲染的高峰;期间会话有变动则撤回提议)。
// 改后重启生效。
// auto_compress_tokens:本轮 In token 峰值 ≥ 此值时推送「自动压缩」提议(0=关)。
agent: { temperature: 1.0, max_tool_iterations: 50, max_retries: 2, language: 'Simplified Chinese', auto_compress_tokens: 60000 },
// 大图上传预处理:图片文件超过 threshold_kb 时,浏览器端询问用户后用 canvas 压缩
// (长边 ≤ max_dim,JPEG quality)再上传,减轻服务器带宽与存储压力。
// confirm_size_mb:任意文件最终体积超过该值(默认 10M)时再弹一次「继续上传」确认。
// 参数经 /api/system/status 下发给前端。
// 大图上传预处理(浏览器端 canvas 压缩,参数经 /api/system/status 下发前端)。
upload: { image_compress_threshold_kb: 1536, image_max_dim: 2000, image_quality: 0.85, confirm_size_mb: 10 },
// 技能(Skill Manager):skills_root 为技能根目录,所有任务/会话共享(容器内挂我 ./skills → /workspace/skills);
// 缺省取 workspace_root 的同级目录 skills(如 /workspace/tasks → /workspace/skills)。timeout_ms 为单个技能执行超时,默认 120000。
// 技能根目录:留空取 workspace_root 同级 skills(/workspace/tasks → /workspace/skills)。
skills: { skills_root: '', timeout_ms: 120000 },
// 回合结束后模型保持占用(held)的租约:页内无人观看超过 idle_release_ms 则释放;
// 即便一直有人观看,最长也只保持 active_max_ms;sweep_ms 为巡检间隔。
// 「绑定模型但闲置」的会话(从未发言、无未回应消息)同样按此租约释放,防建而不用霸占模型。
model_hold: { idle_release_ms: 180000, active_max_ms: 1800000, sweep_ms: 10000 },
// 日志等级:debug < info < warn < error < none,只输出 >= 阈值等级的日志;none=全部静默。
log_level: 'info',
// 上下文压缩提示词不再走配置:压缩回合沿用默认 system prompt + 正常历史,
// 末尾追加一条 user(提示词原文),不传 tools;模板在 server/templates/compress-prompt.txt。
// 回合结束后模型保持占用(held)租约:无人观看 idle_release_ms 释放,有人观看最长 active_max_ms,sweep_ms 巡检。
model_hold: { idle_release_ms: 180000, active_max_ms: 1800000, sweep_ms: 10000 },
// 日志等级:debug < info < warn < error < none(none=全部静默)。
log_level: 'info',
// 模型平台池(无默认值,结构见 config.example.yml)。
platforms: [],
// 模型 profile(prompt+tools 组合):顶层定义、platforms 里的模型用 profile: 名称引用(可复用)。
// 每项 {tools_allow?, system_prompt_file?},详见 normalizeModelProfiles;改配置需重启生效。
// 运行期前端可在已定义的 profile 间手动切换(纯内存选择),不碰本配置。
model_profiles: {},
// 登录认证:{ users: [{user, password}], secret?, ttl_ms? },密码明文存配置(自用场景)。
// users 为空则不启用认证(可交给前置 nginx-proxy,但手机浏览器原生下载不带 Basic 头,不推荐)。
// 模型 profile(prompt + tools 白名单组合):platforms 里的模型用 profile: <名> 引用。
model_profiles: {
// 小模型:只留文件/终端/网页等核心工具,省上下文。
mini: {
tools_allow: ['read_file', 'write_file', 'edit_file', 'list_directory', 'terminal', 'fetch', 'web_search', 'get_skill_info', 'run_skill'],
system_prompt_file: 'mini-system.txt',
},
// 纯文本对话:一个工具都不发。
zero: { tools_allow: [], system_prompt_file: 'zero-system.txt' },
},
// 登录认证:{users:[{user,password}], secret?, ttl_ms?};null / users 空 = 不启用。
auth: null,
// MCP 服务列表:每项 {name?, url, headers?, enable?(默认 true,false 时启动不加载),
// timeout_ms?(单次工具调用最大等待,默认 60s)};启动时发现其工具并追加到内置工具之后。
// 注意与内置工具(definitions.json)严格分离:这里只配外部 MCP 服务。
// 外部 MCP 服务列表(无默认值):{name?, url, headers?, enable?(默认 true), timeout_ms?(默认 60s)}。
mcp_servers: [],
// 公网临时链接:内置工具 mint_public_link 的唯一开关。base_url 非空时,工具会把会话目录里的
// 文件签成一条短命的公网下载链接(给智谱那类"自己来拉文件"的外部服务用);留空则工具报错。
// base_url = 本服务的对外地址(如 http://1.2.3.4:8090),只用于拼绝对地址;不监听任何额外端口。
// 公网临时链接:base_url 非空才启用 mint_public_link;容器配 VIRTUAL_HOST 时以它为准。
public_link: { base_url: '', ttl_ms: 1800000 },
};
@@ -229,7 +219,8 @@ function parseAndValidate(rawText, configPath) {
if (!Array.isArray(raw.platforms) || !raw.platforms.length) {
throw new Error('配置缺少 platforms:至少需要一个平台 {name, url, keys:[{api_key}], models:[{id}]}')
}
cfg.model_profiles = normalizeModelProfiles(raw.model_profiles);
// 用 deepMerge 后的 cfg.model_profiles(含内置 mini/zero),故 config.yml 不配也有默认组合。
cfg.model_profiles = normalizeModelProfiles(cfg.model_profiles);
cfg.platforms = normalizePlatforms(raw.platforms, new Set(Object.keys(cfg.model_profiles)));
cfg.models = [];
cfg.platforms.forEach((p, pi) => p.keys.forEach((k, ki) => p.models.forEach((m, mi) => {
+6
View File
@@ -21,8 +21,12 @@ services:
# 调用鉴权 token:两侧同一值。从 .env 读取(已 gitignore),不再硬编码进仓库;
# 未设置则 compose 直接报错,避免静默无鉴权。生成:openssl rand -hex 32
- EXECUTOR_TOKEN=${EXECUTOR_TOKEN:?EXECUTOR_TOKEN not set - see .env.example}
- VIRTUAL_HOST=agent.ai.foresh.com
- VIRTUAL_PORT=8090
- CERT_NAME=default
networks:
- agent-mcp-net
- my-app-network
# 技能准备(一次性,跑完退出):把各技能的“运行期可变”依赖落到宿主 ./skills——
# requirements.txt → 先离线探测,只把镜像缺的包装进共享 deps 目录(镜像已带的不重复装);
@@ -132,3 +136,5 @@ networks:
agent-mcp-net:
name: agent-mcp-net
driver: bridge
my-app-network:
external: true
+4 -4
View File
@@ -336,7 +336,7 @@ stateDiagram-v2
- 兼容:旧版 `models[]`(扁平)自动迁移到 `platforms[]` 层级;旧版 `web_search.*` 迁移到 `mcp_servers[]`(log.info 提示)。
- 规范化:`normalizePlatforms` 校验 `name/url/type`,key 层 `concurrency`,model 层 `{id, display_name, vision, enable, extra_params, thinking_params, profile}`;同平台内 model id 必须唯一(内部唯一键 = 平台名/模型id);`profile` 引用不存在的名字直接报错。
- `model_profiles`(顶层,`normalizeModelProfiles`):多套可复用的 prompt+tools 组合,每项 `{tools_allow?, system_prompt_file?}`,两者至少配一个。`tools_allow` 按**最终发给模型的工具名**匹配(内置 + MCP,含 `服务名__` 前缀,与 prompt.txt dump 同源可对);未配 = 全量,**空数组 `[]` = 零工具(纯文本组合)**——与 MCP 的 `tools_allow`(空名单视作未配)有意不同。`system_prompt_file` 相对 `server/templates/`(compose 已 bind-mount ./app/server,宿主直接可改),**配置加载时一次性读入常驻内存**,缺失/为空报错拦在保存/重启预检;自定义文件 = 完全接管模板正文,技能清单靠模板内 `{APP_SKILLS}` 占位符就地插入(不放 = 无技能段;默认模板同机制,见 §5.2),语言指令始终尾拼。运行期切换(前端传参)零 IO、不碰本配置。
- 默认值(`DEFAULTS`):port=8090、log_level=info、terminal default 30s/10K、agent temperature=1.0、max_tool_iterations=20、max_retries=2、model_hold 3min/30min/10s、上传 1.5MB 阈值/2000px/0.85。
- 默认值(`DEFAULTS`):port=8090、workspace_root/data_root=`/workspace/tasks` `/workspace/data`、log_level=info、terminal 30s/10K、agent temperature=1.0、max_tool_iterations=50、max_retries=2、model_hold 3min/30min/10s、上传 1.5MB/2000px/0.85;内置 `model_profiles` 含 `mini`(文件/终端/网页白名单 + `mini-system.txt`)与 `zero`(零工具 + `zero-system.txt`)。`config.yml` 只覆盖 deploy 相关段,其余走默认值;整份清单见 `app/config.example.yml`。
- 读写:`readConfigText` / `writeConfigText`(先校验后写,无原子 rename,因 bind mount 上 rename 会 EBUSY);`applyEditsToText` 用 `YAML.Document` 保留注释。
- `getConfig` 是浅引用,路由层拿到的就是运行中实例,**改完 in-memory 不影响**(要重启)。
@@ -469,10 +469,10 @@ AI 通过 `schedule_task` 工具为所在会话建周期性任务(`scheduled_t
## 9. 配置
详见 `app/config.example.yml`(被 `cp` 为顶层 `config.yml` 部署,**已 gitignore**)。要点:
详见 `app/config.example.yml`(字段与 `server/config.js` 的 `DEFAULTS` 一一对应;顶层 `config.yml` 由 `scripts/init.sh` 生成或手建,**已 gitignore**)。要点:
- `platforms[].keys[].models[]` —— 三层层级。内部唯一键 = `平台名/模型id`(用于历史会话回绑、用量统计),**改名等于重建其下所有模型**。
- `model_profiles`(顶层)—— 多套可复用的 prompt+tools 组合(`{tools_allow?, system_prompt_file?}`);模型层用 `profile: <名>` 引用,不配 = 默认全量。小模型省上下文用,详见 §5.8;运行期可前端切换(见 §5.1)。
- `model_profiles`(顶层)—— 多套可复用的 prompt+tools 组合(`{tools_allow?, system_prompt_file?}`);模型层用 `profile: <名>` 引用,不配 = 默认全量。内置 `mini`/`zero` 两套默认组合,可用同名覆盖。小模型省上下文用,详见 §5.8;运行期可前端切换(见 §5.1)。
- `agent.max_tool_iterations`(默认 20)—— 单轮迭代上限(含工具调用),到顶自动停止并提示用户继续输入。
- `terminal.max_output_chars`(默认 10000)—— AI 看到的命令输出上限;executor 侧另有 `EXECUTOR_MAX_OUTPUT_CHARS=200000` 兜底。
- `skills.skills_root` —— 缺省取 `workspace_root` 的同级 `skills/`。
@@ -711,6 +711,6 @@ sequenceDiagram
- `README.md` —— 设计文档(API 设计、SQLite 表结构、任务目录结构、Agent 主循环伪代码、Zed 风格工具定义全集)
- `docs/DEPLOY.md` —— 部署(Docker,IP:端口直连;外部网络、配置绝对路径、SSE 缓冲坑)
- `docs/v2-develop.md` —— v2 移动单聊视图
- `app/config.example.yml` —— 配置模板(每个字段的注释很全)
- `app/config.example.yml` —— 配置模板(字段与 `DEFAULTS` 一一对应,每个字段一行注释)
- `app/server/templates/system-prompt.txt` —— AI system prompt 全文
- `executor/server.js` 头注释 —— executor 协议、安全约束、日志/资源护栏一览
+16 -26
View File
@@ -14,35 +14,29 @@
> `config.yml` 与 `.env` 推荐交给 `scripts/init.sh` 生成(见第 0 节);不想用脚本的话也可以自己建(见第 2 节)。
## 0. 一键生成配置并启动(推荐)
## 0. 一键生成配置(推荐)
`scripts/init.sh` 只读环境变量(不依赖任何外部文件),生成 `.env` 与 `config.yml`,
然后按顺序起 agent → mcp:
`scripts/init.sh` 只读环境变量(不依赖任何外部文件),生成 `.env` 与 `config.yml`:
```bash
# 什么都不给也能跑:用默认账号 admin/admin、自动探测公网 IP、无模型(platforms: [])
# 什么都不给也能跑:默认账号 admin/admin、无模型(platforms: [])
./scripts/init.sh
# 给几个变量
BIGMODEL_KEY=xxx DEEPSEEK_KEY=yyy PUBLIC_IP=1.2.3.4 ./scripts/init.sh
# 只生成 .env / config.yml,不起容器(不装 Docker 的机器也能用)
UP=0 ./scripts/init.sh
# mcp 仓库不在 ../mcp 时指定
MCP_DIR=/path/to/mcp ./scripts/init.sh
BIGMODEL_KEY=xxx DEEPSEEK_KEY=yyy ZHIPU_KEY=zzz PUBLIC_IP=1.2.3.4 AUTH_USER=me ./scripts/init.sh
```
| 输入变量(均可选) | 说明 |
|---|---|
| `BIGMODEL_KEY` / `DEEPSEEK_KEY` / `QWEN_KEY` | 模型平台 key,**填几个启用几个**(0~3 个) |
| `ZHIPU_KEY` | image-gen / video-gen 用;**留空则这两个服务 `enable: false`**(工具不加载) |
| `ZHIPU_KEY` | image_gen / video_gen 用;**留空则这两个服务 `enable: false`**(工具不加载) |
| `AUTH_USER` / `AUTH_PASSWORD` | 登录账号(默认 `admin`/`admin`,记得改) |
| `PUBLIC_IP` / `AGENT_PORT` | 对外地址与端口(`PUBLIC_IP` 空则尝试自动探测) |
| `LOG_LEVEL` | 日志级别(默认 `debug`;日常用 `info`) |
| `MCP_DIR` / `UP` | mcp 仓库位置(默认 `../mcp`)/ `UP=0` 只生成配置 |
| `PUBLIC_IP` / `AGENT_PORT` | 对外地址与端口,写进 `public_link.base_url`(`PUBLIC_IP` 空则尝试自动探测) |
| `AUTH_SECRET` / `EXECUTOR_TOKEN` | 一般不用给:不给就自动生成,并**存在 `.env` 里复用**(所以重跑不会掉登录态) |
生成的 `config.yml` **只含 deploy 相关段**:`platforms` / `auth` / `mcp_servers` / `public_link`;其余配置项
(路径、超时、`model_profiles` 等)走 `server/config.js` 的默认值,完整清单见 `app/config.example.yml`。
⚠️ **`config.yml` 是生成物,不要再手改**:每次生成都会把旧的备份成 `config.yml.bak.<时间戳>`。
要改配置请带环境变量重跑该脚本,或者不用脚本、按第 2 节手动维护。
@@ -78,28 +72,24 @@ vi .env # 填 EXECUTOR_TOKEN,生成:openssl rand -hex 32
vi config.yml
```
`config.yml` 至少改这几处。**容器内必须写绝对路径**——core 与 executor 靠同一份
`/workspace/tasks` 看到彼此的产物,留成示例里的相对路径(`./data/tasks`)会解析到
`/app/data/tasks`,命令会因为不在 executor 白名单里而失败:
`config.example.yml` 与 `server/config.js` 的默认值一一对应,容器内可直接用(路径默认
`/workspace/tasks`、`/workspace/data`)。`config.yml` 里至少要配:
```yaml
platforms: ... # 模型池:每个平台 url + keys.api_key
workspace_root: /workspace/tasks # 不能留示例里的 ./data/tasks
data_root: /workspace/data # SQLite 与 prompt dump 落在这个挂载卷里
skills:
skills_root: /workspace/skills
public_link: # 需要给外部服务公网 URL 时才配(图生视频用);见第 4.1 节
base_url: "http://<服务器IP>:8090"
platforms: ... # 模型池:每个平台 url + keys.api_key + models.id(必填,不能留空)
auth: # 建议启用,否则谁都能访问
secret: "换一个随机串"
users:
- user: admin
password: "换一个密码"
mcp_servers: # 无域名时按容器名访问(模板已写好,按需启用)
- name: web-search
- name: web_search
url: "http://mcp_web_search:3000/"
```
> `public_link.base_url` 只在需要给外部服务公网 URL(图生视频取参考图)时才配;纯 IP:端口部署
> 填 `"http://<服务器IP>:8090"`,容器 env 有 `VIRTUAL_HOST`(nginx-proxy)时以它为准(见第 4.1 节)。
> ⚠️ 必须先有 `config.yml` 再 `up`:compose 挂载的是 `./config.yml:/app/config.yml`,
> 文件不存在时 Docker 会在宿主机建一个同名**目录**,容器起来会读不到配置。
+29 -54
View File
@@ -4,17 +4,19 @@
# 只读环境变量,不依赖任何外部文件;**全部可选**,什么都不给也能直接跑。
#
# 用法:
# ./scripts/init.sh # 全用默认值(无模型、admin/admin、自动探测公网 IP)
# BIGMODEL_KEY=xxx PUBLIC_IP=1.2.3.4 ./scripts/init.sh # 给几个变量就行
# ./scripts/init.sh # 全用默认值(无模型、admin/admin)
# BIGMODEL_KEY=xxx AUTH_USER=me ./scripts/init.sh # 给几个变量就行
#
# 输入(都可选):
# BIGMODEL_KEY / DEEPSEEK_KEY / QWEN_KEY 模型平台 key,填几个启用几个(0~3 个)
# ZHIPU_KEY image-gen / video-gen 的智谱 key(空 = 这两个服务 enable: false)
# ZHIPU_KEY image_gen / video_gen 的智谱 key(空 = 这两个服务 enable: false)
# AUTH_USER / AUTH_PASSWORD 登录账号(默认 admin / admin,请自行改掉)
# PUBLIC_IP / AGENT_PORT 对外地址与端口(PUBLIC_IP 空则尝试自动探测)
# LOG_LEVEL 日志级别(调试 debug;日常用 info)
# PUBLIC_IP / AGENT_PORT 对外地址与端口,写进 public_link.base_url(PUBLIC_IP 空则尝试自动探测)
# AUTH_SECRET / EXECUTOR_TOKEN 一般不用给:不给就自动生成并复用(见下)
#
# config.yml 只写 deploy 相关的段:platforms / auth / mcp_servers / public_link;
# 其余配置项一律走 server/config.js 的 DEFAULTS(完整清单见 app/config.example.yml)。
#
# ⚠️ config.yml 是本脚本的生成物,不要手改(每次生成前会把旧的备份为 config.yml.bak.<时间戳>)。
set -euo pipefail
@@ -35,16 +37,12 @@ AUTH_USER="${AUTH_USER:-admin}"
AUTH_PASSWORD="${AUTH_PASSWORD:-admin}"
PUBLIC_IP="${PUBLIC_IP:-}"
AGENT_PORT="${AGENT_PORT:-8090}"
LOG_LEVEL="${LOG_LEVEL:-info}"
EXECUTOR_TOKEN="${EXECUTOR_TOKEN:-}"
AUTH_SECRET="${AUTH_SECRET:-}"
# 只用于日志里显示"配置从哪来",不影响行为
CONFIG_SOURCE="${CONF:-环境变量}"
log() { echo -e "\n\033[1;32m===== $* =====\033[0m"; }
info() { echo -e "\033[1;36m[INFO]\033[0m $*"; }
warn() { echo -e "\n\033[1;33m[WARN]\033[0m $*"; }
err() { echo -e "\033[1;31m[ERROR]\033[0m $*"; }
gen_hex() { # $1 = 字节数(默认 32)
local n="${1:-32}"
@@ -93,7 +91,7 @@ if [ -z "$PUBLIC_IP" ]; then
fi
# ============================================================
# 2. 生成 config.yml
# 2. 生成 config.yml(只写 platforms / auth / mcp_servers / public_link)
# ============================================================
log "生成 $CONFIG_YML"
@@ -111,7 +109,6 @@ emit_platform() {
url: https://open.bigmodel.cn/api/paas/v4
keys:
- api_key: "$2"
concurrency: 1
models:
- id: glm-5.3-flash
vision: true
@@ -125,7 +122,6 @@ EOF
url: https://api.deepseek.com
keys:
- api_key: "$2"
concurrency: 1
models:
- id: deepseek-flash
vision: true
@@ -139,7 +135,6 @@ EOF
url: https://dashscope.aliyuncs.com/compatible-mode/v1
keys:
- api_key: "$2"
concurrency: 1
models:
- id: qwen3.8-flash
vision: true
@@ -157,13 +152,13 @@ if [ -n "$QWEN_KEY" ]; then enabled_plats+=("qwen"); fi
{
echo "# 本文件由 scripts/init.sh 生成,请勿手改!"
echo "# 改配置请带环境变量重新运行该脚本(本文件会重新生成,旧的留 .bak)。"
echo "# 只含 deploy 相关段(platforms / auth / mcp_servers / public_link),其余走 server/config.js 默认值。"
echo "# 生成时间: $(date '+%Y-%m-%d %H:%M:%S')"
echo "# 已启用平台: ${enabled_plats[*]:-(无)}"
echo
if [ "${#enabled_plats[@]}" -eq 0 ]; then
echo "platforms: [] # 没有配置任何平台 key(BIGMODEL_KEY / DEEPSEEK_KEY / QWEN_KEY)"
echo "platforms: [] # 没有配置平台 key(BIGMODEL_KEY / DEEPSEEK_KEY / QWEN_KEY)"
else
echo "platforms:"
if [ -n "$BIGMODEL_KEY" ]; then emit_platform bigmodel "$BIGMODEL_KEY"; fi
@@ -173,67 +168,48 @@ if [ -n "$QWEN_KEY" ]; then enabled_plats+=("qwen"); fi
echo
cat <<EOF
workspace_root: /workspace/tasks
data_root: /workspace/data
skills:
skills_root: /workspace/skills
# 给外部服务(如智谱)现签公网临时链接用;base_url 就是本服务的对外地址
public_link:
base_url: "${PUBLIC_IP:+http://$PUBLIC_IP:$AGENT_PORT}"
ttl_ms: 1800000
log_level: $LOG_LEVEL
auth:
secret: "$AUTH_SECRET"
users:
- user: $AUTH_USER
password: "$AUTH_PASSWORD"
mcp_servers:
- name: web_search
url: "http://mcp_web_search:3000/"
EOF
if [ -n "$ZHIPU_KEY" ]; then
cat <<EOF
mcp_servers:
- name: web-search
url: "http://mcp_web_search:3000/"
- name: image-gen
- name: image_gen
url: "http://mcp_image_gen:3000/mcp"
enable: true
headers:
Authorization: "Bearer $ZHIPU_KEY"
- name: video-gen
- name: video_gen
url: "http://mcp_video_gen:3000/mcp"
enable: true
headers:
Authorization: "Bearer $ZHIPU_KEY"
EOF
else
cat <<'EOF'
# 没有配置 ZHIPU_KEY:image-gen / video-gen 先注册但 enable: false(工具不加载)。
# 带上 ZHIPU_KEY 重新运行本脚本即启用。
mcp_servers:
- name: web-search
url: "http://mcp_web_search:3000/"
- name: image-gen
- name: image_gen
url: "http://mcp_image_gen:3000/mcp"
enable: false
headers:
Authorization: ""
- name: video-gen
enable: false # 未配 ZHIPU_KEY:只注册不加载,工具不发给模型
- name: video_gen
url: "http://mcp_video_gen:3000/mcp"
enable: false
headers:
Authorization: ""
enable: false # 未配 ZHIPU_KEY:只注册不加载,工具不发给模型
EOF
fi
echo
cat <<EOF
# 给外部服务(如智谱)现签公网临时链接用;改地址后重跑本脚本
public_link:
base_url: "${PUBLIC_IP:+http://$PUBLIC_IP:$AGENT_PORT}"
EOF
} > "$CONFIG_YML"
info "配置来源: $CONFIG_SOURCE"
info "平台: ${enabled_plats[*]:-无};智谱 MCP: $([ -n "$ZHIPU_KEY" ] && echo 启用 || echo 未配置)"
info "平台: ${enabled_plats[*]:-无};智谱 MCP: $([ -n "$ZHIPU_KEY" ] && echo 启用 || echo 未配置(enable: false))"
# ============================================================
# 3. 汇总
@@ -244,7 +220,6 @@ echo " 访问地址 : http://${PUBLIC_IP:-<公网IP>}:${AGENT_PORT}"
echo " 账号 : $AUTH_USER"
echo " 密码 : $AUTH_PASSWORD"
echo " 平台 : ${enabled_plats[*]:-(无)}"
echo " 智谱 MCP : $([ -n "$ZHIPU_KEY" ] && echo "image-gen / video-gen 已启用" || echo "未配置(enable: false)")"
echo " 日志级别 : $LOG_LEVEL"
echo " 智谱 MCP : $([ -n "$ZHIPU_KEY" ] && echo "image_gen / video_gen 已启用" || echo "未配置(enable: false)")"
echo "---------------------------------------------"
log "完成 ✅"