每轮只发新增的 user/tool 消息,relay 查表拼接后再转发上游,慢上行链路省掉 90%+ 上传。 - 协议:X-Context-Id + X-Context-Hash(空 = 全量替换),不命中回 409 由客户端重发全量 - 不带 header 或模型没开白名单 → 完全透明转发 - 单会话上限与总量 LRU 两个阈值,不设条数上限(会在最需要增量时打回全量) - 响应原样 pipe,不解析 SSE、不改帧、不缓冲 - 零依赖,纯 node:http
Context Relay
把「每轮重传全量历史」换成「只传增量」。挡在 workbuddy2api 前面,对上游透明。
为什么不改上游:workbuddy2api 一天几十个提交,fork 维护不起。这层只在两者之间做
「查表 + 拼数组 + pipe」,不改协议、不改 SSE。
协议
客户端多带两个头:
| header | 说明 |
|---|---|
X-Context-Id |
<core_id>:<user>:<session_id>,会话级唯一标识 |
X-Context-Hash |
客户端认为本服务已存的那段消息的 sha256;空字符串 = 全量替换 |
请求体的 messages 只放新增(首轮/压缩后放全量),其余字段原样。
三种走向
| 条件 | 行为 |
|---|---|
没带 X-Context-Id,或模型没开 store |
完全透明转发,和直连一致 |
X-Context-Hash 为空 |
整段替换缓存 |
| 缓存存在且 hash 命中 | 缓存 + 新增拼起来转发 |
| 其他 | 409 {"code":"context_mismatch"},客户端改发全量 |
409 是唯一的重试信号:会话被压缩、本服务重启、缓存过期,全都走这一条路,客户端不需要 自己判断「该不该发全量」。
配置
config.json(部署时放,不入库;模板见 config.example.json):
{
"port": 7865,
"upstream": "http://workbuddy2api:7863",
"max_body_mb": 64,
"store": {
"ttl_ms": 604800000, // 7 天
"max_bytes": 5242880, // 单个会话上限,超了该会话不缓存(不影响别人)
"max_total_bytes": 268435456,// 全部会话总量闸,超了 LRU 淘汰
"models": { "cn:*": true, "global:*": false }
}
}
- 单会话上限:超过就不缓存这个会话,下次请求 409 → 全量,行为仍然正确
- 不设条数上限:条数上限会在「会话最长、最需要增量」的时候把人打回全量,正好反着来
- 模型白名单:精确匹配优先,其次只认尾部
*的前缀通配;不写 = 不开
部署
# docker-compose.yml
ctx-relay:
build: ./relay
container_name: ctx-relay
restart: unless-stopped
volumes:
- ./relay/config.json:/app/config.json:ro
networks: [agent-mcp-net]
nginx 侧只新增一条路径,不影响现有的 /:
location /v1c/ {
proxy_pass http://ctx-relay:7865/;
proxy_http_version 1.1;
proxy_set_header Connection "";
proxy_buffering off;
proxy_read_timeout 3600s;
}
客户端 base URL 改成 https://<host>/v1c。
观测
每个带 context 的请求打一行:
19:38:27 [relay] kicer:task-xxx delta=2 total=51 上传 3.1KB 省 196.9KB 缓存 1.2MB/256.00MB
/health 返回当前会话数与占用字节。
边界
- 内存态:进程重启缓存即丢 → 一次全量重建,之后恢复增量
- 并发:同一
X-Context-Id串行(core 本来就串行,这把锁只防两个客户端同时打) - 流式:响应原样
pipe,不解析、不改帧、不缓冲 - 压缩:等价于一次全量替换,无需特殊处理