services: agent-core: build: ./app container_name: agent-core restart: unless-stopped ports: # 无 nginx-proxy:直接把容器 8090 映射到宿主机端口,用 http://<服务器IP>: 访问。 # 改端口:在仓库顶层 .env 里设 AGENT_PORT(默认 8090)。 - "${AGENT_PORT:-8090}:8090" volumes: - ./tasks:/workspace/tasks # 持久化:任务目录 - ./skills:/workspace/skills # 技能目录:所有任务/会话共享同一份技能 - ./data:/workspace/data # 持久化:数据目录 - ./config.yml:/app/config.yml # 允许设置页写配置(写前服务端会校验) - ./app/server:/app/server environment: - PORT=8090 - AGENT_CONFIG=/app/config.yml # 加入executor独立服务 - EXECUTOR_URL=http://agent-executor:9000 # 调用鉴权 token:两侧同一值。从 .env 读取(已 gitignore),不再硬编码进仓库; # 未设置则 compose 直接报错,避免静默无鉴权。生成:openssl rand -hex 32 - EXECUTOR_TOKEN=${EXECUTOR_TOKEN:?EXECUTOR_TOKEN not set - see .env.example} networks: - agent-mcp-net # 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); # install.sh → 技能资产(如字体提取)。deps 由 executor 容器 env 的 PYTHONPATH 可见。 # 系统层依赖(apt 等)不在这里做,由镜像的 skills 构建阶段烘进(才持久且对命令只读)。 # 只挂 ./skills(不挂 ./tasks),因此看不到任何会话数据;read_only 根 + tmpfs /tmp。 agent-executor-init: build: context: . dockerfile: executor/Dockerfile target: skills image: agent-agent-executor-skills container_name: agent-executor-init restart: "no" command: ["node", "init-skills.js"] read_only: true tmpfs: - /tmp volumes: - ./skills:/workspace/skills environment: - HOME=/tmp - TMPDIR=/tmp - PYTHONDONTWRITEBYTECODE=1 - TZ=Asia/Shanghai networks: - agent-mcp-net agent-executor: # M' = M + 技能系统层依赖(executor/Dockerfile 的 skills 阶段)。 # 管理员增删/改动 skills 后:docker compose build agent-executor 重建这层,M 不动。 build: context: . dockerfile: executor/Dockerfile target: skills image: agent-agent-executor-skills container_name: agent-executor restart: unless-stopped depends_on: agent-executor-init: condition: service_completed_successfully expose: - "9000" volumes: # 核心变更:将宿主机 tasks 挂载到非标准路径 /mnt/host-tasks # 目的:wrapper 启动时先 unmount 此路径,确保未经 wrapper 的进程无法访问其他 session 数据 - ./tasks:/mnt/host-tasks # 持久化:任务目录 - ./skills:/workspace/skills:ro # 技能目录:所有任务/会话共享同一份技能 environment: - PORT=9000 # 与 agent-core 侧同一值,从 .env 读取(见 .env.example): - EXECUTOR_TOKEN=${EXECUTOR_TOKEN:?EXECUTOR_TOKEN not set - see .env.example} # 日志等级:debug|info|warn|error|none(默认 info); # debug 会把与 core 的完整交互打印出来(请求、/exec 请求体、每条 SSE 帧、JSON 响应): - EXECUTOR_LOG_LEVEL=info # 防止 Python 在 skills 目录生成 __pycache__ - PYTHONDONTWRITEBYTECODE=1 # 技能依赖外挂层:镜像缺的包由 agent-executor-init 装进挂载卷 skills/deps, # 由此处进容器 env(server.js 白名单同步放行),使技能与 AI 终端命令都能 import 到。 - PYTHONPATH=/workspace/skills/deps # 定义隔离基路径,server.js 需读取此变量以执行 umount 和 bind mount - EXECUTOR_ISOLATION_BASE=/mnt/host-tasks # 资源限制:兜住 AI 失控命令(烧 CPU / 吃内存 / fork 炸弹 / 写盘撞满宿主机磁盘)。cgroup/ulimit 随 fork 继承。 # 这些是性能/容量护栏,不限制可调用的 syscall;执行能力由下方 cap_add/security_opt 控制。 cpus: "2.0" # 容器整体最多用 2 核(超出限流不杀进程),按宿主机核数调整 mem_limit: 2g # 内存失控 → 容器被 OOM kill(restart 策略自动拉起,代价是该容器内所有在执行命令随容器重启丢失) pids_limit: 512 # 进程+线程总数上限,防 fork 炸弹耗尽宿主机进程表 ulimits: # 单文件最大 2G(字节,RLIMIT_FSIZE):dd/cat /dev/urandom 写巨型文件超限即被内核 SIGXFSZ 杀掉, # 对 bind 卷上的写入同样生效(内核层限制,与文件系统无关)。 # 只限单文件不限总占用量,“大量文件堆满磁盘”需宿主机侧配额(xfs project quota / 独立分区)兜底。 fsize: soft: 2147483648 hard: 2147483648 # 安全加固:显式丢弃所有能力,仅保留必要的 SYS_ADMIN cap_drop: - ALL cap_add: - SYS_ADMIN security_opt: # 禁止提权(SUID/SGID 失效),防止通过二进制漏洞获取更高权限 - no-new-privileges:true # 实测 Docker 29 (Ubuntu) 需 unconfined 才能使用 mount/unshare 系统调用 - apparmor=unconfined # 根文件系统只读:AI 命令无法往镜像层(/usr、/root 等)写文件做持久化/篡改; # 合法写盘另走 tmpfs 与 bind 卷(handleExec 已把 HOME/TMPDIR 指向 /tmp)。 read_only: true tmpfs: - /tmp - /var/tmp # /run 必须可写:隔离 wrapper 要在 /run/agent-exec 下建私有 anchor/rundir, # 否则 read_only 下 mkdir 报 EROFS,每条命令直接中断。 - /run networks: - agent-mcp-net networks: # 全部服务共用一个网络;由本仓库创建(固定名字,避免被加上 compose 项目名前缀),mcp 侧声明为 # external 直接加入 —— 所以全新机器上要【先起 agent,再起 mcp】。 # - core 与 executor 靠它按容器名访问 MCP 服务(如 http://mcp_web_search:3000/) # - executor 靠它 curl core 的内网签发入口(http://agent-core:8081/public-link), # 把本地图片换成一个短命的公网链接给外部服务用(不经过公网、不搬字节) agent-mcp-net: name: agent-mcp-net driver: bridge