170 lines
7.3 KiB
Markdown
170 lines
7.3 KiB
Markdown
# LineUp Agents — 架构设计文档
|
||
|
||
**状态：** 讨论稿，持续更新
|
||
**最后更新：** 2026-07-25
|
||
|
||
---
|
||
|
||
## 一、产品定位
|
||
|
||
LineUp Agents 是一个**远程 Agent 操作交互端**。用户通过手机或 Web App，与运行在本地或服务器上的 AI Agent 进行顺畅的交互。
|
||
|
||
不是任务管理系统。Agent 的任务拆解、执行、管理，属于 Agent 自己的工作范畴，不属于 LineUp 的职责。
|
||
|
||
---
|
||
|
||
## 二、架构总览
|
||
|
||
```text
|
||
┌─────────────────┐ ┌─────────────────────────┐
|
||
│ 用户 App 端 │ │ Agent 机器 │
|
||
│ (Web / 未来移动端)│ │ │
|
||
│ │ │ ┌─────────────────────┐ │
|
||
│ ┌─────────────┐ │ │ │ LineUp 插件 │ │
|
||
│ │ 工具渲染层 │ │ WebSocket │ │（嵌入 Agent 进程内） │ │
|
||
│ │ Confirm │ │◄────────►│ │ │ │
|
||
│ │ Input │ │ │ │ WebSocket 端口 │ │
|
||
│ │ SVG Renderer │ │ │ └─────────┬───────────┘ │
|
||
│ │ ... │ │ │ │ │
|
||
│ └─────────────┘ │ │ 进程内通信 │
|
||
│ │ │ │ │
|
||
│ ┌─────────────┐ │ │ ┌─────────▼───────────┐ │
|
||
│ │ 消息协议层 │ │ │ │ Agent 核心 │ │
|
||
│ │ WebSocket │ │ │ │ (Hermes / │ │
|
||
│ │ 连接管理 │ │ │ │ OpenClaw / 其他) │ │
|
||
│ └─────────────┘ │ │ └─────────────────────┘ │
|
||
└─────────────────┘ └─────────────────────────┘
|
||
```
|
||
|
||
---
|
||
|
||
## 三、已敲定的设计决策
|
||
|
||
### 3.1 总体架构
|
||
|
||
| 决策 | 当期结论 | 后续扩展思路 |
|
||
|------|---------|-------------|
|
||
| 网络模式 | 局域网直连，App 直接连 Agent 插件暴露的 WebSocket 端口 | — |
|
||
| 中转服务 | 不做中转 | 需要远程连接时引入中转服务 |
|
||
| Agent 接入方式 | 每个 Agent 框架写一个插件，插件内开 WebSocket 端口 + 进程内通信 | — |
|
||
| 端口配置 | 固定端口（默认 9527），支持环境变量覆盖 | — |
|
||
| 发现方式 | 手动输入 IP:端口 | mDNS 广播自动发现 |
|
||
| App 端技术方向 | 响应式 Web | 原生移动端 App |
|
||
| 连接认证 | 预共享 Token，用户在插件配置中设定，App 连接时提供 | 端到端加密，密钥交换 |
|
||
| 工具路由方式 | 字典路由，按工具名映射到对应的处理函数 | 可引入框架级路由 |
|
||
|
||
### 3.2 协议分层
|
||
|
||
三层结构，层间独立不耦合：
|
||
|
||
```
|
||
第一层：通讯协议层
|
||
解决的问题：管道怎么通
|
||
包含：WebSocket 连接建立、身份标识交换、心跳保活、断线重连
|
||
|
||
第二层：消息协议层
|
||
解决的问题：消息长什么样子
|
||
包含：统一信封格式、消息路由、版本号、消息去重
|
||
|
||
第三层：工具协议层
|
||
解决的问题：App 能干什么
|
||
包含：工具发现（查询可用工具）、工具调用、返回结果
|
||
注：工具定义格式复用 MCP 的 JSON Schema 方式
|
||
```
|
||
|
||
### 3.3 核心数据对象
|
||
|
||
| 对象 | 含义 | 关键字段 |
|
||
|------|------|---------|
|
||
| Agent | 一个可连接的 Agent 实例 | id、name、runtime、status |
|
||
| Session | 一条对话上下文 | id、agentId、title |
|
||
| Message | 用户或 Agent 产生的内容 | id、sessionId、role、type、payload、timestamp |
|
||
| Tool | App 端可被 Agent 调用的能力 | name、description、inputSchema、outputSchema |
|
||
|
||
### 3.4 与 MCP 的关系
|
||
|
||
- 工具协议层复用 MCP 的 `tools/list`、`tools/call` 定义方式
|
||
- 工具 Schema 格式遵循 MCP 的 JSON Schema 标准
|
||
- 通讯协议层和消息协议层是 MCP 未覆盖的部分——补充了远程安全双向传输的能力
|
||
|
||
### 3.5 工具分类
|
||
|
||
详见独立文档 [tool-action-design.md](tool-action-design.md)——第一节"工具协议定义"。
|
||
|
||
| 决策 | 当期结论 | 后续扩展思路 |
|
||
|------|---------|-------------|
|
||
| 工具结构 | `{ name, type, description, actions[] }`（app/toolset）或 `{ name, type, description, inputSchema }`（action） | — |
|
||
| app 生命周期 | open → use → close，通过 instance_id 维护 | — |
|
||
| toolset 调用 | 每次独立，无状态 | — |
|
||
| action 调用 | 只有一个 action，最简 | — |
|
||
| 状态跟踪 | 依赖 Agent 自身对话上下文 | — |
|
||
| 与 MCP 对应关系 | Tool = MCP Server，Action = MCP Tool | — |
|
||
|
||
---
|
||
|
||
## 四、第一版技术栈
|
||
|
||
| 端 | 选型 |
|
||
|----|------|
|
||
| Agent 插件 | 按 Agent 框架选择语言（Hermes 用 Python，OpenClaw 待定） |
|
||
| App 端（Web） | 待定（Next.js / Vite + React） |
|
||
| 通信方式 | WebSocket（裸 ws，不引入 Socket.io） |
|
||
| 消息格式 | JSON |
|
||
|
||
---
|
||
|
||
## 五、MVP 边界
|
||
|
||
| 做 | 不做 |
|
||
|----|------|
|
||
| 局域网内 App 直连 Agent | 远程广域网连接 |
|
||
| App 收发消息、查看 Agent 状态 | 任务生命周期管理 |
|
||
| Agent 调 App 的工具（confirm/input 等） | 审批卡片系统 |
|
||
| 简单的工具发现协议 | 多 Agent 编排、调度 |
|
||
| 文本 + 富内容消息展示 | 通知推送 |
|
||
| | 中转服务 |
|
||
| | MCP 封装（第一期不做） |
|
||
|
||
---
|
||
|
||
## 六、一次完整的交互流程（以 choice 工具为例）
|
||
|
||
```
|
||
Agent 需要用户做选择
|
||
│
|
||
├── Agent 发起 { type: "tool.call", payload: { name: "choice", call_id: "c1", arguments: { question: "部署到哪个环境？", options: ["测试", "预发布", "生产"] } } }
|
||
│
|
||
├── Agent 插件收到 → 通过 WebSocket 推给 App
|
||
│
|
||
├── App 渲染选择界面，三个选项展示给用户
|
||
│
|
||
├── 用户点击"预发布"
|
||
│
|
||
├── App 通过 WebSocket 发回 { type: "tool.result", payload: { name: "choice", call_id: "c1", result: { message: "预发布" } } }
|
||
│
|
||
├── Agent 插件收到 → 交回给 Agent 核心
|
||
│
|
||
└── Agent 拿到结果，继续执行
|
||
```
|
||
|
||
关键原则：
|
||
|
||
- App 端不关心 Agent 为什么问这个问题，只负责渲染和返回用户操作结果
|
||
- Agent 端不关心 App 用什么 UI 渲染的，只负责发起工具调用和处理返回结果
|
||
- 调用（Agent → App）和返回（App → Agent）都使用结构化消息，不是自然语言文本
|
||
- 整个交互走一条 WebSocket 连接，双向实时，消息协议统一
|
||
|
||
### 6.1 消息方向与格式
|
||
|
||
所有消息使用统一信封：`{ v, id, type, payload }`。完整格式定义见 [tool-action-design.md](tool-action-design.md)——第二节"消息协议定义"。
|
||
|
||
---
|
||
|
||
## 七、后续可能的扩展
|
||
|
||
- 加入中转服务，支持广域网远程连接
|
||
- 加入端到端加密，中转不可读消息内容
|
||
- 加入 mDNS 局域网自动发现（类似 Bonjour）
|
||
- 移动端原生 App
|
||
- 支持流式数据传输（如实时 SVG 渲染）
|