Files
agent/docker-compose.yml
T
kicer 153a8768bf ASR_URL 改为可由 .env 覆盖(支持指向外网 mcp_asr)
- compose 用 ${ASR_URL-http://mcp_asr:3000}:不设则默认内网;显式写空值则关闭语音输入
  (用无冒号的 - 而非 :-,否则空值会被默认值兜掉,就没法关闭)
- .env.example 补注释示例
- README 环境变量表与 MCP 章节补充外网用法与注意事项(对端需接受三个 header、证书校验)
2026-10-24 18:56:06 +08:00

247 lines
12 KiB
YAML
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
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>:<AGENT_PORT> 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}
# 微信接入
- WXBOT_URL=http://agent-wxbot:8093
- WXBOT_TOKEN=${WXBOT_TOKEN:?WXBOT_TOKEN not set - run scripts/init.sh}
# 语音识别(可选):core 拼 /transcribe 的基地址。默认指内网 mcp_asr;
# 也可以填外网地址(例如 mcp_asr 跑在另一台机器上:http://<ip>:3000)。
# 注意:那台服务要能接受 Authorization / X-ASR-Base-Url / X-ASR-Model 三个 header,
# 且 core 能出网访问它(https 自签证书会因证书校验失败)。
# 想关掉语音输入:在 .env 里写 ASR_URL= (空值,照样不发默认值)或删掉 config.yml 的 asr 段。
- ASR_URL=${ASR_URL-http://mcp_asr:3000}
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"
# officecli 预览槽位+网关(preview.js,容器内 3100):只走 agent-mcp-net 内网,
# 公网访问唯一路径是 core 的 /preview 反代(登录 cookie 门禁);绝不映射到宿主端口。
- "3100"
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=${EXECUTOR_TOKEN:?EXECUTOR_TOKEN not set - see .env.example}
# 日志等级:debug|info|warn|error|none(默认 info);
# debug 会把与 core 的完整交互打印出来(请求、/exec 请求体、每条 SSE 帧、JSON 响应):
- EXECUTOR_LOG_LEVEL=info
# 防止 Python 在 skills 目录生成 __pycache__
- PYTHONDONTWRITEBYTECODE=1
# 技能依赖外挂层:镜像缺的包由 agent-executor-init 装进挂载卷 skills/deps,
# 由此处进容器 env(server.js 白名单同步放行),使技能与 AI 终端命令都能 import 到。
- PYTHONPATH=/workspace/skills/deps
# 定义隔离基路径,server.js 需读取此变量以执行 umount 和 bind mount
- EXECUTOR_ISOLATION_BASE=/mnt/host-tasks
# 资源限制:兜住 AI 失控命令(烧 CPU / 吃内存 / fork 炸弹 / 写盘撞满宿主机磁盘)。cgroup/ulimit 随 fork 继承。
# 这些是性能/容量护栏,不限制可调用的 syscall;执行能力由下方 cap_add/security_opt 控制。
cpus: "2.0" # 容器整体最多用 2 核(超出限流不杀进程),按宿主机核数调整
mem_limit: 2g # 内存失控 → 容器被 OOM kill(restart 策略自动拉起,代价是该容器内所有在执行命令随容器重启丢失)
pids_limit: 512 # 进程+线程总数上限,防 fork 炸弹耗尽宿主机进程表
ulimits:
# 单文件最大 2G(字节,RLIMIT_FSIZE):dd/cat /dev/urandom 写巨型文件超限即被内核 SIGXFSZ 杀掉,
# 对 bind 卷上的写入同样生效(内核层限制,与文件系统无关)。
# 只限单文件不限总占用量,“大量文件堆满磁盘”需宿主机侧配额(xfs project quota / 独立分区)兜底。
fsize:
soft: 2147483648
hard: 2147483648
# 安全加固:显式丢弃所有能力,仅保留必要的 SYS_ADMIN
cap_drop:
- ALL
cap_add:
- SYS_ADMIN
security_opt:
# 禁止提权(SUID/SGID 失效),防止通过二进制漏洞获取更高权限
- no-new-privileges:true
# 实测 Docker 29 (Ubuntu) 需 unconfined 才能使用 mount/unshare 系统调用
- apparmor=unconfined
# 根文件系统只读:AI 命令无法往镜像层(/usr、/root 等)写文件做持久化/篡改;
# 合法写盘另走 tmpfs 与 bind 卷(handleExec 已把 HOME/TMPDIR 指向 /tmp)。
read_only: true
tmpfs:
- /tmp
- /var/tmp
# /run 必须可写:隔离 wrapper 要在 /run/agent-exec 下建私有 anchor/rundir,
# 否则 read_only 下 mkdir 报 EROFS,每条命令直接中断。
- /run
networks:
- agent-mcp-net
# 微信接入:iLink 协议多实例调制解调器(agent 栈的私有组件,与 core 共用 WXBOT_TOKEN 互信)。
# 仅挂内网 agent-mcp-net、不暴露任何公网端口:扫码二维码在 agent-core 设置页呈现(core 代理其 /api/instances/:id/qr.svg)。
# 零配置文件:接线全靠下方 env(同 executor 模式);代码在 ./wxbot/(已并入仓库)。
agent-wxbot:
build: ./wxbot/app
image: agent-wxbot:latest
container_name: agent-wxbot
restart: unless-stopped
environment:
- WXBOT_TOKEN=${WXBOT_TOKEN:?WXBOT_TOKEN not set - run scripts/init.sh}
- CORE_URL=http://agent-core:8090
- WXBOT_LOG_LEVEL=info
- TZ=Asia/Shanghai
volumes:
# iLink 登录凭证(每绑定一个子目录),等于微信账号权限,勿外泄
- ./wxbot/data:/data
networks:
- agent-mcp-net
# ----------------------------------------------------------------
# 同栈 MCP 服务(./mcp/):三个 Model Context Protocol 适配器,由 core 按容器名调用。
# 全部不占宿主机端口、无服务端鉴权,**永远不要**把 ports 映射出去(会被白嫖额度)。
# 工具说明、header 覆盖项与 curl 调试见 mcp/README.md 及各子目录 README。
#
# 刻意不写 depends_on / 不等 healthy:MCP 是可选能力,core 不该因它们缺席而拒绝启动
# (构建失败、单个服务被删都不影响 Web 主流程)。启动瞬间的竞态由 core 侧的工具发现重试
# 兜底(2s / 20s / 1min × 3),healthcheck 只用于 docker ps 判态。
# ----------------------------------------------------------------
mcp_web_search:
build: ./mcp/web_search
container_name: mcp_web_search
restart: unless-stopped
# 供 core 的启动顺序参考与 docker ps 判态(core 侧的发现失败重试不依赖它)
healthcheck:
test: ["CMD", "node", "-e", "fetch('http://127.0.0.1:3000/health').then(r => process.exit(r.ok ? 0 : 1)).catch(() => process.exit(1))"]
interval: 10s
timeout: 5s
retries: 5
start_period: 5s
# 调试用(默认关):
# ports:
# - "${WEB_SEARCH_PORT:-8081}:3000"
networks:
- agent-mcp-net
mcp_image_task:
build: ./mcp/image_task
container_name: mcp_image_task
restart: unless-stopped
healthcheck:
test: ["CMD", "node", "-e", "fetch('http://127.0.0.1:3000/health').then(r => process.exit(r.ok ? 0 : 1)).catch(() => process.exit(1))"]
interval: 10s
timeout: 5s
retries: 5
start_period: 5s
# 调试用(默认关):
# ports:
# - "${IMAGE_TASK_PORT:-8082}:3000"
networks:
- agent-mcp-net
mcp_video_task:
build: ./mcp/video_task
container_name: mcp_video_task
restart: unless-stopped
healthcheck:
test: ["CMD", "node", "-e", "fetch('http://127.0.0.1:3000/health').then(r => process.exit(r.ok ? 0 : 1)).catch(() => process.exit(1))"]
interval: 10s
timeout: 5s
retries: 5
start_period: 5s
# 调试用(默认关;这里映的是 MCP 端口,会暴露 /mcp,仅本机短时调试用):
# ports:
# - "${VIDEO_TASK_PORT:-8083}:3000"
networks:
- agent-mcp-net
# 语音识别:录音在客户端(套壳 App 原生桥 / 浏览器 MediaRecorder),转写在这里。
# 同进程两个入口(见 mcp/asr/src/server.js 头注释):
# POST /transcribe ← agent-core 的 /api/asr 转发(输入框,低延迟、不经过模型)
# POST /mcp ← 模型的 MCP 工具 transcribe_audio({url})(转写任务目录里的音频)
# 本容器不存任何平台密钥:上游走 OpenAI 兼容的 /audio/transcriptions,key / base_url / model
# 全部由调用方随请求 header 带入(core 从 config.yml 的 mcp_servers 里 asr.headers 取)。
# 换 ASR 平台 → 改 config.yml 后重启 core,本服务不用动、也不用重建镜像。
mcp_asr:
build: ./mcp/asr
container_name: mcp_asr
restart: unless-stopped
healthcheck:
test: ["CMD", "node", "-e", "fetch('http://127.0.0.1:3000/health').then(r => process.exit(r.ok ? 0 : 1)).catch(() => process.exit(1))"]
interval: 10s
timeout: 5s
retries: 5
start_period: 5s
environment:
- ASR_LOG_LEVEL=${ASR_LOG_LEVEL:-info}
- TZ=Asia/Shanghai
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)。
# - core 与 executor 靠它按容器名访问 MCP 服务(如 http://mcp_web_search:3000/)
# - 外部服务取参考图走的是 core 对外的 GET /p/<id>(见 public_link):AI 调内置工具
# mint_public_link 在 core 进程内现签短链,不需要 executor 反查 core 的额外端口
# 保留固定 name 是为了老机器上已有的容器/网络能平滑接上;新机器也可直接改回默认网络名。
agent-mcp-net:
name: agent-mcp-net
driver: bridge