Files
agent/app/config.example.yml
T
kicer a9ec8f2741 新增 model_profiles:小模型的 prompt+tools 组合白名单
- 顶层 model_profiles 定义多套组合 {tools_allow?, system_prompt_file?},platforms 里的模型用 profile: <名> 引用(同 id 跨平台复用);引用不存在/文件缺失/空壳组合直接校验报错
- tools_allow 按最终工具名(内置 + MCP,含 server__ 前缀)过滤发给模型的 tools;名单外工具被调用不拦,executor 全表照跑
- system_prompt_file 相对 server/templates/,配置加载时一次读入常驻内存;设了即完全接管(不拼技能段),语言后缀照拼
- 运行期动态切换:发消息带 profile 参数(同 deepThink 约定,每迭代取 run 最新值),纯内存选择、不碰 config.yml;'default'=显式全量,未知名 400
- 压缩回合跟随当前组合;prompt 缓存改 (profile,语言) 键;prompt.txt dump 每套组合各一段;/api/models 带 profile、/api/system/status 下发组合名供前端选择器
2026-09-22 10:38:04 +08:00

195 lines
13 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.
# 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。
# 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 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。
# 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;设了就完全接管(不拼技能列表段,只保留末尾语言指令)。
# 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]
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
# 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
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
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"
# 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
# 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
# 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。
# 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"
# 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