✨ feat!(llm): 重构并升级大语言模型服务为全新 AI 智能体框架 (#2146)

* ✨ feat!(llm): 重构并升级大语言模型服务为全新 AI 智能体框架 - 【重构】将原 services/llm 重构并迁移至全新的 services/ai 架构，提供向下兼容垫片 - 【新增】引入 Agent、Team、Workflow 三大智能体与工作流编排范式 - 【新增】引入基于 RAG 的长期向量记忆与中期槽位记忆系统 - 【新增】引入基于 Docker 的安全代码执行沙箱环境 - 【新增】支持 MCP 协议，允许动态管理和调用 MCP 服务 - 【新增】引入输入输出安全合规护栏与自愈反思机制 - 【优化】重构并优化多厂商 API 适配器 (Gemini, OpenAI, DeepSeek, GLM 等) - 【优化】优化日志脱敏与 Token 预估机制 - 【移除】移除旧版 llm default 和 llm reset-key 命令，新增 llm mcp 管理命令 * 🔧 chore(deps): 更新项目依赖与配置 - 添加 mcp、jieba 和 aiodocker 依赖到配置文件及 requirements.txt - 在 pyright 配置中设置 reportMissingImports 为 none - 调整 .gitignore 中 resources 目录的忽略规则 * ♻️ refactor(tools): 重构工具终止机制并清理知识库日志输出 - 统一使用 `context.state["__end_run__"]` 替代 `EndRunResult` 控制任务结束 - 移除文件系统和向量知识库检索工具中 `ToolResult` 的 `.with_log` 调用 - 调整指令处理器（Directive）的返回值为 `tool_res.output` - 修复部分类型检查警告并优化联合类型判断语法 * ♻️ refactor(tools): 重构工具副作用指令与控制流熔断机制 - 引入 `DirectivePayload` 及 `ToolResult` 的子类以结构化表达工具副作用 - 移除通过 `context.state` 传递魔术变量的隐式控制流设计 - 重构 `DirectiveManager` 处理器接口，直接在处理器中修改 `AgentState` 并构建 `AgentRunResult` - 在 `StandardAgentExecutor` 中统一通过 `directive_manager` 调度工具返回的副作用指令 - 补全 `MessageBuilder` 中部分核心方法的文档注释 * 🐛 fix(sandbox): 修复 Docker 沙箱容器状态检测与会话清理逻辑 -【修复】修正 `is_alive` 中直接读取私有属性的问题，改用 `show()` 返回值 -【修复】解决 `execute_code` 中缓存的执行器与当前会话不一致的问题 -【优化】在清理工作区前增加容器存活检测，避免向已死容器发送请求 -【优化】创建容器时增加运行状态校验，若已停止则自动从缓存中移除并重建 -【优化】优化容器销毁和清理逻辑，静默处理容器不存在 (404) 的异常 * 📝 docs(core): 补充核心模块初始化方法的文档注释 * 🚨 auto fix by pre-commit hooks --------- Co-authored-by: webjoin111 <455457521@qq.com> Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>
2026-10-21 04:00:04 +08:00 · 2026-07-03 08:53:56 +08:00
parent bdc1374848
commit 80fc5b86a7
223 changed files with 41885 additions and 10006 deletions
@@ -0,0 +1,140 @@
+from typing import Any
+
+from zhenxun.services.ai.core.models import (
+    ModelCapabilities,
+    ModelDetail,
+    ModelIdentity,
+)
+from zhenxun.services.ai.core.options import GenerationConfig
+from zhenxun.services.ai.llm.adapters.handlers.openai_handlers import (
+    OpenAIConfigMapper,
+    OpenAITextHandler,
+    OpenAIToolSerializer,
+)
+from zhenxun.services.ai.llm.adapters.openai import OpenAICompatAdapter
+
+
+class DeepSeekToolSerializer(OpenAIToolSerializer):
+    """
+    专门针对 DeepSeek 的工具序列化器。
+    负责抹平 Pydantic Schema 与 DeepSeek Strict Mode 之间的差异。
+    """
+
+    def __init__(self, api_type: str = "deepseek"):
+        """初始化 DeepSeek 工具序列化器。"""
+        super().__init__(api_type=api_type)
+
+    def sanitize_schema(self, schema: dict[str, Any]) -> dict[str, Any]:
+        from zhenxun.services.ai.llm.engine.schema_transformer import (
+            DeepSeekFallbackTransformer,
+            OpenAIUnionFlattenTransformer,
+            RefComplianceTransformer,
+            RemoveUnsupportedKeysTransformer,
+            RootRefInlineTransformer,
+            SchemaPipeline,
+            StrictObjectTransformer,
+            TypeEnforcerTransformer,
+        )
+
+        unsupported_keys = [
+            "default",
+            "minLength",
+            "maxLength",
+            "pattern",
+            "format",
+            "minimum",
+            "maximum",
+            "multipleOf",
+            "patternProperties",
+            "propertyNames",
+            "minItems",
+            "maxItems",
+            "uniqueItems",
+            "$schema",
+            "title",
+        ]
+        pipeline = SchemaPipeline(
+            [
+                RootRefInlineTransformer(),
+                OpenAIUnionFlattenTransformer(),
+                TypeEnforcerTransformer(),
+                RemoveUnsupportedKeysTransformer(unsupported_keys),
+                StrictObjectTransformer(),
+                DeepSeekFallbackTransformer(),
+                RefComplianceTransformer(),
+            ]
+        )
+        return pipeline.run(schema)
+
+
+class DeepSeekConfigMapper(OpenAIConfigMapper):
+    """DeepSeek 的专属配置映射器"""
+
+    def map_config(
+        self,
+        config: GenerationConfig,
+        model_detail: ModelDetail | None = None,
+        capabilities: ModelCapabilities | None = None,
+    ) -> dict[str, Any]:
+        """映射生成参数并处理 DeepSeek 专有 `thinking` 与响应格式差异。"""
+        params = super().map_config(config, model_detail, capabilities)
+
+        if "response_format" in params:
+            rf = params["response_format"]
+            if isinstance(rf, dict) and rf.get("type") == "json_schema":
+                params["response_format"] = {"type": "json_object"}
+
+        if config.common.reasoning_effort:
+            effort = str(config.common.reasoning_effort).lower()
+            if effort == "none":
+                params["thinking"] = {"type": "disabled"}
+            else:
+                params["thinking"] = {"type": "enabled"}
+        elif (
+            hasattr(config, "deepseek_options")
+            and config.deepseek_options.thinking is not None
+        ):
+            if config.deepseek_options.thinking is True:
+                params["thinking"] = {"type": "enabled"}
+            elif config.deepseek_options.thinking is False:
+                params["thinking"] = {"type": "disabled"}
+
+        return params
+
+
+class DeepSeekTextHandler(OpenAITextHandler):
+    """DeepSeek 专有文本处理器，替换了特定序列化组件"""
+
+    def __init__(self, api_type: str = "deepseek"):
+        """替换 OpenAI 默认组件为 DeepSeek 专用实现。"""
+        super().__init__(api_type=api_type)
+        self.serializer = DeepSeekToolSerializer(api_type=api_type)
+        self.mapper = DeepSeekConfigMapper(api_type=api_type)
+
+
+class DeepSeekAdapter(OpenAICompatAdapter):
+    """DeepSeek 官方 API 适配器"""
+
+    def __init__(self):
+        """初始化 DeepSeek 适配器并挂载文本处理器。"""
+        super().__init__()
+        self.text_handler = DeepSeekTextHandler(api_type=self.api_type)
+
+    @property
+    def log_sanitization_context(self) -> str:
+        """返回 DeepSeek 请求日志清洗上下文。"""
+        return "openai_request"
+
+    @property
+    def api_type(self) -> str:
+        """适配器主类型标识。"""
+        return "deepseek"
+
+    @property
+    def supported_api_types(self) -> list[str]:
+        """当前适配器支持的 API 类型列表。"""
+        return ["deepseek"]
+
+    def get_chat_endpoint(self, identity: ModelIdentity) -> str:
+        """返回对话端点，优先使用模型级自定义端点。"""
+        return "/v1/chat/completions"