UHD_Media_Tool/packages/agent

@umt/agent

Pi Agent 接入层:能力注册中心、AgentRuntimePort 及其 Pi 实现、设置映射、敏感信息守卫、系统提示模板,以及测试用的脚本化假模型。 依赖锁定为 @earendil-works/[email protected]、@earendil-works/[email protected]、[email protected](见 ADR-003)。Pi SDK 的类型只出现在 src/pi/* 中,其它包只依赖 src/index.ts 导出的自有接口。

边界

• 模型只能调用本次 capabilities 白名单里的能力。白名单有三层保护:
  1. 注册层:只把白名单能力注册成 Pi 工具,其它工具名(例如 bash)由 harness 合成 unavailable 错误;
  2. before_tool 钩子再校验一次,白名单外的调用一律 block,并产生 tool_call_rejected 事件;
  3. 每次执行都走 CapabilityRegistry.invoke,依次做作用域、schema、授权、幂等键、输出 schema 和审计。
• 不提供 bash/进程执行、任意 SQL、任意文件读写、任意网络/HTTP 代理、读取 Cookie/Token、安装依赖或修改代码的工具。NodeExecutionEnv 只作为会话目录的 FileSystem 使用,它的 exec 不会暴露给模型。
• 授权只在服务端判定:authorize 回调查 automation_grant/approval。模型参数里写的"用户已同意"不起作用。没有注入 authorize 时,propose/execute 一律拒绝。
• 幂等键由服务端按操作语义生成(默认是 id:v版本:sha256(规范化输入),可以注入自定义生成器),通过 ctx.idempotencyKey 交给 handler,不采用模型给的值。
• 工具的输入输出在进入模型上下文、事件和审计之前,都要经过 redactForModel(cookie/passkey/token/apiKey/authorization/私有下载 URL/URL 内嵌账号密码)处理。apiKey 只在请求时经 provider auth.resolve 交给 SDK。
• 子代理:subagentsEnabled 在 v0.1 中只做记录。SDK 本身不提供子代理,以后由 agent.delegate 能力实现,并继承父任务的授权与预算。
• JSONL 会话(sessionDir/<runId>.jsonl)只用于转写和恢复点。业务真相放在 PG,压缩摘要不作为唯一状态。

新增一个能力

registry.register(
  {
    id: "download.submit",            // 域.动作;对 Pi 暴露为 download__submit
    version: 1,
    title: "提交下载",
    description: "提交下载计划到下载器。成功只代表已提交,不代表已入库。", // 给模型看的中文说明
    inputSchema: z.object({ planId: z.string() }),
    outputSchema: z.object({ taskId: z.string(), status: z.literal("submitted") }),
    scope: "execute",                 // read | preview | propose | execute
    riskLevel: "medium",              // low | medium | high | critical
    idempotent: true,
    supportsPreview: true,
    replay: "never",                  // 有副作用的能力必须是 never;只读能力用 safe
  },
  async (input, ctx) => {
    // ctx: actorId/taskId/scopeIds/signal + idempotencyKey + authorization
    // 失败时抛 CapabilityError("precondition" | "not_found" | "conflict" | "unauthorized" | "budget", message)
    return { taskId: await downloads.submit(input.planId, ctx.idempotencyKey!, ctx.signal), status: "submitted" };
  },
);

要点:输出只写业务需要的字段,因为 zod 会剥掉多余字段;不要把凭证放进输出;有副作用的 handler 要按 idempotencyKey 到操作账本去重。崩溃恢复时,replay:"never" 的工具会得到"结果未知",模型需要用查询类能力核对状态。

在 server 中装配(W2)

import { CapabilityRegistry, PiAgentRuntime, buildSystemPrompt } from "@umt/agent";

const registry = new CapabilityRegistry({
  authorize: ({ descriptor, input, ctx }) => grants.check(ctx.actorId, descriptor.id, ctx.scopeIds, input), // 查 automation_grant / approval
  audit: (rec) => auditRepo.insert({ type: "capability.invoke", ...rec }),                                  // 写 audit_event
  idempotencyKey: (d, input, ctx) => opLedger.keyFor(d.id, input, ctx),                                     // 可选
});
registerAllCapabilities(registry); // catalog.lookup / release.search / … / inventory.query

const runtime = new PiAgentRuntime({
  registry,
  onEvent: (e) => agentRunEvents.append(e).then(() => sse.publish(`agent_run:${e.runId}`, e)), // 先落库(带 seq)再推 SSE
});

// 在持久任务 agentRun 的处理器里执行(不要在聊天 HTTP 请求里驱动):
const run = await runtime.createRun({
  runId: agentRun.id,
  goal,
  systemPrompt: buildSystemPrompt({ role: "媒体库自动化助手", goal, constraints }),
  capabilities: ["catalog.lookup", "inventory.query", "download.plan", "download.submit"],
  settings: { ...settingsRow.agent, apiKey: await secrets.decrypt(settingsRow.agent.apiKeyRef) },
  sessionDir: join(dataDir, "agent-sessions"),
  actor: { actorId, taskId: task.id, scopeIds, allowedScopes }, // "先给方案"模式传 ['read','preview','propose']
});
const outcome = run.pendingOperations > 0 ? await run.resume() : await run.prompt();
await run.close();
// outcome.status === "failed" && reason === "budget" → 标记 attention;任务取消 → run.abort()

测试和 e2e 用 createFakeRuntime({ registry, scripts }):FakeScript 按 goal 匹配一段预定的 tool-call 序列和最终文本,每一步的输入可以根据前面工具的结果计算。它不联网,也不需要 API Key;因为它从 transcript 推导当前步骤,崩溃后在新进程里 resume 也能接着跑。

事件

AgentEvent = { runId, seq, at } & 下列之一:run_started、text_delta、thinking_delta、tool_call_start/tool_call_end(带脱敏截断后的输入/输出摘要和 recovery 标记)、tool_call_rejected、compaction(start/end)、run_completed(usage + 最终文本)、run_failed(reason: budget | aborted | error)。run.events(fromSeq) 回放已有事件后继续跟随新事件,close() 后结束。