Agent 任务台
自托管的通用 Agent 系统。浏览器或微信发来任务,服务端调度模型、调用工具,在独立工作目录里生成文件并回传结果。
它不是聊天壳子:每个会话对应一个真实的 Linux 工作目录,模型可以读写文件、执行命令、抓网页、操作 SQLite、调用技能和 MCP 服务;命令在隔离容器中运行,文件可以直接下载或生成公网临时链接。
- 面向个人或小团队自用,单实例部署。
- 模型层兼容任何 OpenAI
/chat/completions接口。 - 前端是免构建的移动优先 H5,HTTPS 下可安装为 PWA。
能力
| 能力 | 说明 |
|---|---|
| 任务会话 | 每个会话一个独立目录 tasks/<会话 id>/,历史、文件、模型绑定都随会话保存 |
| 模型池 | 多平台、每平台多 key、每平台多模型;key 共享并发,不独占、不排队 |
| 工具调用 | 文件读写编辑、目录列举、复制、命令执行、网页抓取、SQLite、定时任务、技能、长期记忆等 14 个内置工具 |
| 隔离执行 | terminal 和技能在 agent-executor 容器中运行,只看到当前会话目录,根文件系统只读 |
| 大文件交付 | 文件面板上传/下载/打包 zip;外部服务取图走带过期时间的公网短链 |
| 上下文管理 | 手动压缩、按 token 阈值提示压缩、历史重放自动裁剪、会话标题自动生成 |
| 定时任务 | 每会话最多一个 cron 任务;触发前清空模型可见历史,按计划执行并推送结果 |
| 微信接入 | 扫码绑定个人微信,文本/图片/视频/文件进入同一套会话与命令体系 |
| 长期记忆 | 会话收口时生成第一人称工作日记;微信新会话注入最近几条,recall 可检索全部 |
| 用户画像 | 记录称谓、行业、偏好,会话创建时冻结注入,跨会话生效 |
| 技能 | 目录式技能(SKILL.md + run.py/run.sh),可在设置页管理 |
| MCP | 启动时发现 MCP 服务的工具;仓库内自带 web_search / image_task / video_task 三个 |
| 多用户 | 登录账号、管理员角色、按用户隔离的会话列表与画像 |
快速开始
前置条件
- Linux 服务器,Docker 与 Docker Compose v2。
- 至少一个 OpenAI 兼容模型平台的 API Key。
- 一个可用端口,默认
8090。
1. 生成配置
在仓库根目录执行:
BIGMODEL_KEY=xxx \
DEEPSEEK_KEY=yyy \
QWEN_KEY=zzz \
AUTH_USER=admin \
AUTH_PASSWORD='换一个强密码' \
PUBLIC_IP=1.2.3.4 \
./scripts/init.sh
三个模型 Key 都可选,填几个启用几个。PUBLIC_IP 也可选:不配置时会自动探测公网 IP(探测失败则 public_link 为空,外部服务取图功能不可用)。
脚本会生成:
.env:EXECUTOR_TOKEN、WXBOT_TOKEN、AGENT_PORT等部署变量。config.yml:模型平台、登录账号、MCP 服务、公网前缀。
image_task / video_task 两个 MCP 服务复用 BIGMODEL_KEY(智谱与 BigModel 是同一个 key);未配置 BIGMODEL_KEY 时它们以 enable: false 写入配置。
AUTH_USER / AUTH_PASSWORD 不传时默认是 admin / admin,首次部署务必改掉。
.env 里的密钥会复用,重新执行不会让登录态失效;旧的 config.yml 会先备份为 config.yml.bak.<时间戳>。
注意:config.yml 每次都会按本次环境变量重新生成,平台 Key 不保存在 .env 里。已经部署过的实例请用设置页改配置,或带上原有变量重跑;只想刷新密钥时用 ./scripts/init.sh --env-only。
2. 启动
docker compose up -d --build
docker compose logs -f agent-core
看到 Agent server listening on 8090 即启动完成。
首次启动还会运行一次性的 agent-executor-init,把技能依赖安装到 ./skills/deps,随后自动退出,属正常现象。
3. 访问
浏览器打开:
http://<服务器 IP>:<AGENT_PORT>
使用 init.sh 里的账号登录。默认端口 8090,可用 .env 的 AGENT_PORT 修改。
对外只需要放行这一个端口。agent-executor、wxbot 和 MCP 服务都只在 Docker 内网,不映射到宿主机。
4. 同栈 MCP 服务
init.sh 默认把仓库内 mcp/ 的三个服务写进 config.yml:
mcp_servers:
- name: web_search
url: "http://mcp_web_search:3000/"
- name: image_task
url: "http://mcp_image_task:3000/mcp"
- name: video_task
url: "http://mcp_video_task:3000/mcp"
web_search / image_task / video_task 与 core 由同一个根 docker-compose.yml 启动,没有先后顺序,也不占宿主机端口。工具说明、header 覆盖项与调试方式见 mcp/README.md。
接入栈外的 MCP 服务:在设置页添加 url / headers,或在 config.yml 的 mcp_servers 追加一项。服务不可达时 core 只在启动日志里告警,不影响 Web 主流程,但对应工具不会下发给模型。
使用
会话与模型
- 新建会话时自动绑定一个模型;不选则按平台轮转选择。
- 会话创建后模型绑定保持,重启、追问都不会丢。
- 模型被删除或禁用后,下一条消息会自动改选原平台的可用模型。
- 管理员可在「设置 → 用户」给某个用户锁定默认模型。
- 顶部「切换模型」只在该会话空闲时可用;正在输出时会拒绝换绑。
会话状态:
| 状态 | 含义 |
|---|---|
| 保持中 | 回合已结束,可以直接继续追问 |
| 活跃中 | 正在执行模型回合 |
| 已完成 | 已手动断开或空闲超时收口,仍可继续发消息 |
| 已终止 | 用户主动停止 |
文件
- 输入框附件、微信附件都落在
tasks/<会话 id>/。 - 右侧「任务文件」面板支持上传、下载、批量打包、删除、子目录浏览。
- 模型生成的文件与用户上传的文件在同一目录,AI 可直接继续处理。
- 超过 50 MB 的单文件上传会被拒绝;移动端大图上传前会在浏览器端压缩。
上下文压缩
- 顶部「压缩」可手动触发:模型基于完整历史生成摘要,摘要之前的消息标记为已存档,UI 仍可见,但不再发给模型。
- 当单回合输入 token 超过
agent.auto_compress_tokens时,前端会弹一次确认框,询问是否压缩。 - 历史重放还会自动把较旧的
write_file参数正文、fetch/read_file回执替换为单行占位,数据库与 UI 不受影响。
定时任务
对 AI 说「每天早上九点汇总……」,它会在当前会话创建 cron 任务:
- 每会话最多一个任务,最小间隔 1 小时,时区固定
Asia/Shanghai。 - 每次触发前,会话历史整体标记为已存档,模型只看到任务提示词,等价一次全新会话。
- 执行结果留在会话里,同时可通过微信推送。
- 创建任务后,当前会话会收口为该任务的「专柜」,用户下一条消息自动进入新会话。
微信
在「设置 → 账户 → 微信绑定」生成二维码,扫码后即可单线对话:
- 微信消息复用同一套会话和命令层,支持
/new、/list、/switch、/delete、/rename、/models、/think、/stop、/compact、/clear、/status、/help。 - 图片、视频、文件会落到当前会话目录;单发媒体只留痕,不唤醒 AI。
- AI 最终回复会推回微信;较长回复自动分段,超长时落成
.md文件卡片。 - 定时任务完成或失败也会通知微信。
长期记忆
- 会话空闲超过
memory.wrap_idle_ms(默认 4 小时)后,后台生成一条工作日记碎片,并归档、解绑通道。 - 微信新会话开场注入最近
memory.inject_max条碎片。 - AI 可用
recall工具按关键词、日期索引、具体某天检索全部日记。 - 删除会话会连带删除它的日记碎片;清空会话在普通情况下也会删除,但定时任务「专柜」例外。
- 日记调试页:
/memory.html。
配置
config.yml 只给 agent-core 读取,包含平台密钥和登录密钥。agent-executor、wxbot 不挂载、不读取它。
主要配置段:
| 段 | 作用 |
|---|---|
platforms |
模型平台池:name、url、type、models、keys |
model_profiles |
prompt + 工具名单组合;模型用 profile: <名> 引用 |
tools_deny |
全局工具黑名单,默认屏蔽元工具 lab |
auth |
登录账号、secret、有效期;留空则不启用认证 |
mcp_servers |
外部 MCP 服务:url、headers、enable、timeout_ms、工具名单 |
public_link |
公网临时链接前缀与有效期 |
agent |
温度、最大工具迭代、重试、语言、压缩阈值、空闲收口、历史裁剪 |
memory |
日记注入条数、保留期、空闲收口阈值 |
terminal / fetch |
命令超时与输出上限、抓取超时、字节数、SSRF 开关 |
skills |
技能目录与单次执行超时 |
upload |
前端大图压缩阈值与参数 |
workspace_root / data_root |
任务目录与 SQLite / 调试产物目录 |
平台结构示例:
platforms:
- name: bigmodel
url: https://open.bigmodel.cn/api/paas/v4
type: bigmodel # 决定余额查询适配器
models:
- id: glm-5.3-flash
vision: true
extra_params: { reasoning_effort: "low", tool_stream: true }
thinking_params: { reasoning_effort: "max" }
keys:
- api_key: "sk-..."
通用模型字段:
enable: false:模型不进池,不参与分配。vision: false:读图时不回传像素,只给文字占位。profile: <名>:引用model_profiles,不配则使用默认全量 prompt 与工具。reasoning_ack_field:需要把思考链回传给上游时填写,例如 DeepSeek 系的reasoning_content。
日常修改配置建议使用设置页;改完需重启生效。设置页写入前会先校验,非法配置不会覆盖原文件。
环境变量
| 变量 | 作用 |
|---|---|
AGENT_CONFIG |
core 配置文件路径,容器内固定 /app/config.yml |
PORT |
core 监听端口,容器内 8090 |
EXECUTOR_URL |
agent-executor 地址;空则命令在 core 进程内本地执行,仅适合开发 |
EXECUTOR_TOKEN |
core ↔ executor 的 Bearer token,两侧同值 |
WXBOT_URL |
wxbot 地址;置空则微信功能整体关闭 |
WXBOT_TOKEN |
core ↔ wxbot 的共享 token |
VIRTUAL_HOST |
设置后 public_link.base_url 强制取 https://<第一个域名> |
PREVIEW_PROXIES |
覆盖内置预览反代注册表(JSON 数组) |
EXECUTOR_LOG_LEVEL / WXBOT_LOG_LEVEL |
两个附属服务的日志等级 |
WEB_SEARCH_PORT / IMAGE_TASK_PORT / VIDEO_TASK_PORT |
仅调试:临时把对应 MCP 服务映射到宿主机端口(默认注释掉) |
config.yml 与 .env 都含密钥,已在 .gitignore 中。不要提交,也不要挂给不需要它的容器。
内置工具
模型实际收到的工具是内置工具加 MCP 工具,再经 tools_deny 与模型 profile 过滤。
| 工具 | 用途 |
|---|---|
read_file |
读文本或图片;大文件返回符号大纲;支持 @<会话 id>/<路径> 只读查看历史会话文件 |
write_file |
新建或覆盖文本文件 |
edit_file |
按 old_text / new_text 做精确或容错编辑 |
list_directory |
单层列目录;支持 @<会话 id>/<路径> |
copy_path |
复制文件或目录;可从历史会话导入文件 |
terminal |
执行 shell 命令;默认在会话目录,超时可终止 |
fetch |
抓取 HTTP/HTTPS 并转 Markdown;带 SSRF 防护与分段续读 |
mint_public_link |
为会话内文件签发短期公网链接 |
skill |
技能 list / get / run |
db |
操作会话本地 data.db:exec、query、insert、tables、schema |
schedule |
定时任务 get / list / create / update / delete |
profile |
用户画像 list / set / add / remove |
recall |
长期记忆 search / days / day |
lab |
元工具:按名字调用任意工具,help 可列出全部工具;默认被全局黑名单屏蔽 |
跨会话路径只读:@ 形式只用于 read_file、list_directory 和 copy_path 的源路径,且只能访问同一用户自己的会话。要真正处理旧文件,先用 copy_path 导入当前会话。
技能
技能是 skills/<名字>/ 目录:
skills/my-skill/
├── SKILL.md # 必需:描述、input_schema、可选 required / visit_url
├── run.py | run.sh # 必需:入口,唯一命令行参数是 JSON 字符串
├── requirements.txt # 可选:Python 依赖
└── install.sh # 可选:系统层安装脚本,镜像构建期执行
SKILL.md的description会进入 system prompt,模型启动时就知道有哪些技能。input_schema.required在skill op=run前校验。- 入口脚本以绝对路径启动;远端执行时 cwd 是会话目录,本地开发时是技能目录。相对路径参数会先按会话目录转成绝对路径。
requirements.txt的依赖由agent-executor-init安装到skills/deps;技能容器通过PYTHONPATH可见。install.sh在镜像构建期以 root 执行,用于必须落在系统层的依赖。改完需要重建 executor 镜像。- 技能目录在 executor 中只读,运行期不能修改技能本身。
设置页支持创建、重命名、删除技能和在线编辑文本文件;技能列表变更后会实时刷新 system prompt 中的清单,无需重启。
安全模型
部署边界
- 对外只暴露
agent-core端口。 agent-executor使用独立的 mount / PID / IPC namespace,只 bind 当前会话目录;根文件系统只读,丢弃全部 capability 后仅保留SYS_ADMIN。- 命令容器没有独立网络 namespace,所以 executor 会拒绝来自自身容器网卡的
/exec请求,避免 token 泄漏后被借用。 wxbot只挂内网;微信登录凭证在./wxbot/data,等同微信账号权限,不要外泄。- 配置文件、
.env、微信凭证、任务目录、SQLite 都属于敏感数据。
认证与授权
- 登录使用 HMAC 签名的 HttpOnly Cookie,支持
Authorization: Basic作为脚本 / curl 的兜底。 auth.users留空则完全关闭认证,只适合本机或完全可信网络。- 管理员接口:配置读写、用户管理、进程重启。
- 重要:系统按单租户设计。除上述管理员接口外,会话、消息、文件、技能等 API 只校验「已登录」,不按用户做资源级授权;按用户的会话列表隔离发生在前端查询层。不要把实例开放给互不信任的用户。
公网临时链接
mint_public_link 生成 22 字符随机 ID,链接形如:
http://<host>/p/<id>
- 只由 core 进程内的工具签发,签发前校验文件在任务目录内且
realpath未越界。 - 默认 30 分钟过期,可配置 1 分钟到 24 小时。
- 链接可重复使用,直到过期;服务重启后全部失效。
- 任何人拿到链接即可匿名访问,不要对含密钥的文件签发。
HTTPS
仓库不内置 TLS 反向代理。直接 http://IP:端口 使用时:
- PWA / Service Worker 不会注册。
- 复制按钮会回退到旧 API。
- 登录 Cookie 不带
Secure标志,HTTP 下正常工作。
如果前面加 nginx 等反向代理,SSE 必须关闭缓冲:
proxy_http_version 1.1;
proxy_buffering off;
proxy_read_timeout 3600s;
若设置了 VIRTUAL_HOST,公网链接前缀会自动变成 https://<域名>;仓库默认 compose 里带有 VIRTUAL_HOST=agent.ai.foresh.com,不接反向代理时应删除或改成自己的域名。
运维
数据位置
| 宿主机路径 | 容器内 | 内容 |
|---|---|---|
./tasks/ |
/workspace/tasks |
每个会话的工作目录 |
./data/ |
/workspace/data |
SQLite .agent.db、prompt.txt 调试产物 |
./skills/ |
/workspace/skills |
技能与共享依赖 |
./config.yml |
/app/config.yml |
core 配置 |
./wxbot/data/ |
/data |
微信登录凭证 |
备份至少覆盖 data/、tasks/、config.yml;需要保留微信登录态时再备份 wxbot/data/。
升级
git pull
docker compose up -d --build
数据库与任务目录都在 bind mount 中,升级不丢数据。进程重启时,执行中的回合会被打断;active 会话会归位为保持中,用户再发消息即可继续。
从旧的「agent + mcp 双仓库」部署升级:旧 mcp 容器占着
agent-mcp-net和同名container_name,需先停旧栈再up本栈,否则会报network agent-mcp-net has active endpoints或container name ... is already in use。旧仓库的down只需执行一次:cd /root/workspace/tools/mcp && docker compose down cd /root/workspace/tools/agent && docker compose up -d --build微信服务已改名为
agent-wxbot(原容器名wxbot)。旧容器不受新 compose 管理,升级后需手动清理,否则两个实例会同时轮询同一个微信号:docker rm -f wxbot。
日志与健康检查
docker compose logs -f agent-core
docker compose logs -f agent-executor
docker compose logs -f agent-wxbot
curl -s http://127.0.0.1:8090/api/health
- core 日志等级由
config.yml的log_level控制,改完重启生效。 - executor / wxbot 的日志等级由各自环境变量控制,
debug会打印完整交互。 - 启动时会在
data/prompt.txt写入实际下发的 system prompt 与各 profile 的工具清单,便于核对。
常见问题
| 现象 | 原因 / 处理 |
|---|---|
启动时报 network agent-mcp-net has active endpoints |
旧的双仓库部署残留:先停旧的 mcp 仓库(docker compose down),再 up 本栈 |
config.yml 变成目录 |
启动前文件不存在,Docker 自动建了同名目录;停容器、删目录、放入配置文件 |
| 没有可用模型 | platforms 为空或模型全部禁用;在设置页添加后重启 |
| 创建会话报「无可用模型」 | 模型池为空,或指定模型所在平台没有 key |
| 技能依赖缺失 | 重新 docker compose up -d --build agent-executor;或检查 skills/deps |
| 微信设置页显示未连接 | wxbot 未启动,或 WXBOT_TOKEN 两侧不一致 |
| 图生视频拉不到参考图 | public_link.base_url 未配置,或公网不可达 |
目录
agent/
├── app/ agent-core:Express + SQLite + 前端静态资源
├── executor/ agent-executor:隔离命令执行与 Office 预览网关
├── wxbot/ 微信 iLink 协议调制解调器
├── mcp/ 同栈 MCP 服务:web_search / image_task / video_task
├── skills/ 技能目录
├── tasks/ 会话工作目录(运行时生成)
├── data/ SQLite 与调试产物(运行时生成)
├── docs/ 专题文档
├── docker-compose.yml
└── scripts/init.sh
进一步阅读:
- mcp/README.md:同栈 MCP 服务(搜索 / 生图 / 生视频)。
- docs/OFFICE.md:Office 文档技能与预览链路。
- docs/tool-design.md:工具接口设计规范。
开发
cd app
npm install
node server/server.js