♻️ refactor(core): 重构 AI 能力与定时任务调度系统 (#2148)

* ♻️ refactor(core): 重构 AI 能力与定时任务调度系统

- 【AI 能力与工具】重构 Capability 注册与管理机制，引入 CapabilityManager 统一管理
- 移除全局能力注册表，改用声明式装饰器 `@capability` 进行解耦注册
- 重构工具解析器链，使用统一的 BaseToolResolver 代替原有的多个特定解析器
- 增强工具查询过滤，支持通配符匹配、工具箱过滤和排除标签
- 【定时任务调度】重构定时任务管理器，引入 SchedulerRegistry 统一管理任务元数据
- 引入 JobConfig 聚合定时任务配置，支持用户维度的定时任务调度
- 重构执行分发器，支持并发限制、串行间隔和随机延迟打散
- 【运行上下文】引入 ScheduledDeps 以支持后台和定时任务环境下的依赖注入
- 优化 RunContext，支持从定时任务上下文快速构造，并提供 emit 辅助方法
- 【日志与监控】引入 AILoggerProxy，实现 AI 各模块的专属日志输出
- 将各模块的全局 logger 替换为对应的模块专属日志代理
- 【其他优化】修复 Pydantic V1 兼容层中 model_validator 的装饰器兼容性问题
- 在非交互式环境（如定时任务）中自动隐藏 HITL 交互工具以节省 Token

* ♻️ refactor(core): 优化内部导入路径并提升 Pydantic 兼容性

- 【重构】将 `services/ai` 模块内的绝对导入重构为相对导入，优化包结构
- 【重构】移除不必要的 `if TYPE_CHECKING` 保护，通过 `from __future__ import annotations` 直接导入类型
- 【清理】清理 `core/messages/types.py` 中未使用的 `AssistantContentUnion` 等联合类型定义
- 【优化】在 `utils/pydantic_compat.py` 中新增 `model_rebuild` 兼容函数，统一 Pydantic V1/V2 的模型重建逻辑
- 【优化】将部分函数内部的延迟导入提升至模块顶部，规范代码结构

* ♻️ refactor(imports): 优化导入路径为相对导入并清理冗余导入

- 【重构】将 AI 服务相关模块中的绝对导入路径修改为相对导入，提升模块内聚性与可移植性
- 【清理】移除多处函数内部或类方法中未使用的冗余导入，避免循环引用和资源浪费
- 【格式化】微调部分工具装饰器和返回语句的格式与尾随逗号

* 🚨 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>

zhenxun/services/ai/tools/providers/builtin/hitl.py

@@ -4,8 +4,8 @@ from zhenxun.services.ai.run.context import RunContext
 from zhenxun.services.ai.run.di import Inject
 from zhenxun.services.ai.tools.core.decorators import tool
 from zhenxun.services.ai.tools.core.toolkit import BaseToolkit
-from zhenxun.services.ai.tools.models import ToolResult
-from zhenxun.services.log import logger
+from zhenxun.services.ai.tools.models import ResolvedToolPayload, ToolResult
+from zhenxun.services.ai.utils.logger import log_tool as logger
 
 
 class HITLToolkit(BaseToolkit):
@@ -23,6 +23,12 @@ class HITLToolkit(BaseToolkit):
         "用户回答后，你将收到答案并可以继续任务。"
     )
 
+    async def resolve(self, context: RunContext | None = None) -> ResolvedToolPayload:
+        """智能环境感知：如果处于无真实用户交互的后台环境(如定时任务)，自动隐身以节省Token"""
+        if context is None or context.get_event() is None:
+            return ResolvedToolPayload()
+        return await super().resolve(context)
+
     @tool(
         name="ask_user_for_help",
         description="向当前对话的用户提出问题以获取信息或指导。当你无法独立完成任务时，请调用此工具。",
@@ -47,8 +53,8 @@ class HITLToolkit(BaseToolkit):
             raise e
 
         logger.info(f"收到用户求助回复: {user_reply}")
-        if context and context.run.event_bus:
-            await context.run.event_bus.emit(
+        if context:
+            await context.run.emit(
                 ToolStreamChunkEvent(
                     tool_name=context.call.tool_name, content="🗣️ 已收到用户的回复"
                 )

zhenxun/services/ai/tools/providers/builtin/memory.py

@@ -10,7 +10,7 @@ from zhenxun.services.ai.tools.core.decorators import tool
 from zhenxun.services.ai.tools.core.tool import BaseTool
 from zhenxun.services.ai.tools.core.toolkit import BaseToolkit
 from zhenxun.services.ai.tools.models import ToolOptions, ToolResult
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_tool as logger
 
 
 class MemoryManagementToolkit(BaseToolkit):

zhenxun/services/ai/tools/providers/builtin/rest_api.py

@@ -8,7 +8,7 @@ from zhenxun.services.ai.run.context import RunContext
 from zhenxun.services.ai.tools.core.decorators import tool
 from zhenxun.services.ai.tools.core.toolkit import BaseToolkit
 from zhenxun.services.ai.tools.models import ToolResult
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_tool as logger
 
 
 class RestApiToolkit(BaseToolkit):
@@ -101,15 +101,15 @@ class RestApiToolkit(BaseToolkit):
             is_error = response.status_code >= 400
             result = ToolResult(output=result_dict)
 
-            if context and context.run.event_bus:
+            if context:
                 msg = (
                     f"🌐 已调用 API: {url}"
                     if not is_error
                     else f"❌ API 调用失败 (Status: {response.status_code})"
                 )
-                await context.run.event_bus.emit(
+                await context.run.emit(
                     ToolStreamChunkEvent(
-                        tool_name=context.call.tool_name if context else "make_request",
+                        tool_name=context.call.tool_name,
                         content=msg,
                     )
                 )
@@ -120,10 +120,10 @@ class RestApiToolkit(BaseToolkit):
 
         except Exception as e:
             logger.error(f"RestApiToolkit 请求失败: {e}")
-            if context and context.run.event_bus:
-                await context.run.event_bus.emit(
+            if context:
+                await context.run.emit(
                     ToolStreamChunkEvent(
-                        tool_name=context.call.tool_name if context else "make_request",
+                        tool_name=context.call.tool_name,
                         content="❌ API 网络请求发生框架级错误",
                     )
                 )

zhenxun/services/ai/tools/providers/builtin/sandbox.py

@@ -10,7 +10,7 @@ from zhenxun.services.ai.sandbox.models import (
 from zhenxun.services.ai.tools.core.decorators import Rules, tool
 from zhenxun.services.ai.tools.core.toolkit import BaseToolkit
 from zhenxun.services.ai.tools.models import ToolResult
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_tool as logger
 from zhenxun.utils.pydantic_compat import model_copy
 
 
@@ -103,8 +103,8 @@ class SandboxToolkit(BaseToolkit):
 
         bp = model_copy(self.blueprint, deep=True)
 
-        if context.run.event_bus:
-            await context.run.event_bus.emit(
+        if context:
+            await context.run.emit(
                 ToolStreamChunkEvent(
                     tool_name="Sandbox", content="正在分析代码依赖并分配沙箱环境..."
                 )
@@ -122,8 +122,8 @@ class SandboxToolkit(BaseToolkit):
             )
             context.session.shared_state[state_key] = code_executor
 
-        if context.run.event_bus:
-            await context.run.event_bus.emit(
+        if context:
+            await context.run.emit(
                 ToolStreamChunkEvent(
                     tool_name="Sandbox",
                     content=f"沙箱已就绪，正在后台执行 {language} 代码...",
@@ -225,8 +225,8 @@ class SandboxToolkit(BaseToolkit):
         result = ToolResult(
             output=final_output if len(final_output) > 1 else final_output_text
         )
-        if len(image_bytes_list) > 0 and context and context.run.event_bus:
-            await context.run.event_bus.emit(UserCustomEvent(display=final_output))
+        if len(image_bytes_list) > 0 and context:
+            await context.run.emit(UserCustomEvent(display=final_output))
         return result
 
     @tool(
@@ -249,8 +249,8 @@ class SandboxToolkit(BaseToolkit):
     ) -> ToolResult:
         session_id = self.sandbox_session_id or context.session_id or "default"
 
-        if context.run.event_bus:
-            await context.run.event_bus.emit(
+        if context:
+            await context.run.emit(
                 ToolStreamChunkEvent(
                     tool_name="Sandbox", content=f"正在虚拟终端执行命令: {command} ..."
                 )
@@ -319,8 +319,8 @@ class SandboxToolkit(BaseToolkit):
         await asyncio.sleep(1.5)
         output = await interactive_session.read_output(timeout=5)
 
-        if context and context.run.event_bus:
-            await context.run.event_bus.emit(
+        if context:
+            await context.run.emit(
                 ToolStreamChunkEvent(
                     tool_name=context.call.tool_name, content="⌨️ 已向后台进程发送输入"
                 )
@@ -357,8 +357,8 @@ class SandboxToolkit(BaseToolkit):
         await interactive_session.interrupt()
         await asyncio.sleep(1)
         output = await interactive_session.read_output()
-        if context and context.run.event_bus:
-            await context.run.event_bus.emit(
+        if context:
+            await context.run.emit(
                 ToolStreamChunkEvent(
                     tool_name=context.call.tool_name, content="🛑 已强制中断后台进程"
                 )

zhenxun/services/ai/tools/providers/mcp/provider.py

@@ -16,10 +16,11 @@ from zhenxun.services.ai.core.protocols.tool import (
 )
 from zhenxun.services.ai.sandbox.models import SandboxBlueprint
 from zhenxun.services.ai.tools.models import ResolvedToolPayload
-from zhenxun.services.ai.tools.providers.mcp.toolkit import MCPToolkit
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_tool as logger
 from zhenxun.utils.pydantic_compat import model_dump, model_validate, model_validator
 
+from .toolkit import MCPToolkit
+
 MCP_PATH = DATA_PATH / "ai" / "mcp.json"
 
 
@@ -30,6 +31,8 @@ class MCPServerConfig(BaseModel):
     """传输协议类型：stdio / sse / streamable-http / sandbox_proxy"""
     url: str | None = Field(default=None)
     """远端地址（用于 sse 或 streamable-http）"""
+    headers: dict[str, str] | None = Field(default=None)
+    """HTTP 请求头（用于 sse 或 streamable-http 的接口鉴权）"""
     timeout: int = Field(default=30)
     """请求超时时间(秒)"""
     command: str | None = None
@@ -51,6 +54,34 @@ class MCPServerConfig(BaseModel):
     sandbox_blueprint: SandboxBlueprint | None = Field(default=None)
     """沙箱环境装配配置（用于 sandbox_proxy 自动处理依赖）"""
 
+    @model_validator(mode="before")
+    @classmethod
+    def _normalize_config(cls, values: Any) -> Any:
+        if not isinstance(values, dict):
+            return values
+
+        if "type" in values and "transport" not in values:
+            values["transport"] = values.pop("type")
+
+        transport_val = values.get("transport")
+        if isinstance(transport_val, str) and transport_val.lower() == "streamablehttp":
+            values["transport"] = "streamable-http"
+
+        headers = values.get("headers")
+        if isinstance(headers, dict):
+            new_headers = {}
+            for k, v in headers.items():
+                if k.lower() == "authorization" and isinstance(v, str):
+                    if not any(
+                        v.startswith(prefix)
+                        for prefix in ("Bearer ", "Basic ", "Digest ")
+                    ):
+                        v = f"Bearer {v}"
+                new_headers[k] = v
+            values["headers"] = new_headers
+
+        return values
+
 
 class MCPToolsConfig(BaseModel):
     mcpServers: dict[str, MCPServerConfig] = Field(default_factory=dict)
@@ -193,6 +224,7 @@ class GlobalMCPProvider(ToolProvider):
             command=conf.command,
             args=conf.args,
             url=conf.url,
+            headers=conf.headers,
             env=conf.env,
             cwd=conf.cwd,
             install_command=conf.install_command,
@@ -339,6 +371,7 @@ class MCPSource(BaseModel):
                 command=self.config.command,
                 args=self.config.args,
                 url=self.config.url,
+                headers=self.config.headers,
                 env=self.config.env,
                 cwd=self.config.cwd,
                 install_command=self.config.install_command,

zhenxun/services/ai/tools/providers/mcp/toolkit.py

@@ -23,7 +23,7 @@ from zhenxun.services.ai.sandbox.models import SandboxBlueprint
 from zhenxun.services.ai.tools.core.tool import BaseTool
 from zhenxun.services.ai.tools.core.toolkit import BaseToolkit
 from zhenxun.services.ai.tools.models import ToolkitConfig, ToolResult
-from zhenxun.services.log import logger
+from zhenxun.services.ai.utils.logger import log_tool as logger
 from zhenxun.utils.lifespan import LifespanManager
 from zhenxun.utils.pydantic_compat import model_dump
 
@@ -270,10 +270,10 @@ class MCPToolkit(BaseToolkit):
         command: str | None = None,
         args: list[str] | None = None,
         url: str | None = None,
+        headers: dict[str, str] | None = None,
         env: dict | None = None,
         cwd: str | None = None,
         install_command: str | None = None,
-        isolation: Literal["shared", "per_session"] = "shared",
         timeout: int = 30,
         admin_level: int = 0,
         header_provider: Callable[[RunContext], dict[str, str]] | None = None,
@@ -292,10 +292,10 @@ class MCPToolkit(BaseToolkit):
             command: 用于 stdio 或 sandbox_proxy 模式启动服务器的可执行命令。
             args: 启动服务器时附加的命令行参数。
             url: 用于 sse 或 streamable-http 模式的服务器连接 URL。
+            headers: 静态配置的 HTTP 请求头。
             env: 启动服务器时的进程环境变量。
             cwd: 启动服务器时的进程工作目录。
             install_command: 首次启动前执行的环境热装配/依赖安装命令。
-            isolation: 环境隔离模式，可选 "shared" (共享模式) 或 "per_session" (每个会话独立)。
             timeout: 初始化和请求网络接口时的超时秒数，默认 30。
             admin_level: 调用工具所需的管理权限等级，默认 0 (无限制)。
             header_provider: 动态生成 HTTP 头部信息的工厂函数。
@@ -312,6 +312,7 @@ class MCPToolkit(BaseToolkit):
         self.command = command
         self.args = args or []
         self.url = url
+        self.headers = headers or {}
         self.env = env or {}
         self.cwd = cwd
         self.install_command = install_command
@@ -587,8 +588,13 @@ class MCPToolkit(BaseToolkit):
         self._ready_event.clear()
         self._init_exception = None
 
-        dynamic_headers = {}
+        dynamic_headers = self.headers.copy()
+        if self.header_provider and context:
+            dynamic_headers.update(self.header_provider(context))
+
         dynamic_env = self.env.copy()
+        if self.env_provider and context:
+            dynamic_env.update(self.env_provider(context))
 
         self._shared_task = asyncio.create_task(
             self._spawn_session_task(dynamic_headers, dynamic_env)

zhenxun/services/ai/tools/providers/skills/capabilities.py

@@ -4,11 +4,12 @@ from typing import Any
 
 from zhenxun.services.ai.capabilities import AbstractCapability
 from zhenxun.services.ai.run.context import RunContext
-from zhenxun.services.ai.tools.providers.skills.manager import skill_manager
-from zhenxun.services.ai.tools.providers.skills.models import Skill, SkillSource
-from zhenxun.services.ai.tools.providers.skills.toolkit import SkillMetaToolkit
 from zhenxun.utils.utils import infer_plugin_namespace
 
+from .manager import skill_manager
+from .models import Skill, SkillSource
+from .toolkit import SkillMetaToolkit
+
 
 class SkillCapability(AbstractCapability):
     """技能库挂载能力组件"""

zhenxun/services/ai/tools/providers/skills/manager.py

@@ -11,7 +11,11 @@ import aiofiles
 import yaml
 
 from zhenxun.configs.path_config import DATA_PATH
-from zhenxun.services.ai.tools.providers.skills.models import (
+from zhenxun.services.ai.utils.logger import log_tool as logger
+from zhenxun.utils.pydantic_compat import model_dump, model_validate
+from zhenxun.utils.utils import infer_plugin_namespace
+
+from .models import (
     INSTRUCTIONS,
     METADATA,
     RESOURCES,
@@ -20,9 +24,6 @@ from zhenxun.services.ai.tools.providers.skills.models import (
     SkillEnvConfig,
     SkillFrontmatter,
 )
-from zhenxun.services.log import logger
-from zhenxun.utils.pydantic_compat import model_dump, model_validate
-from zhenxun.utils.utils import infer_plugin_namespace
 
 
 class SkillConfigManager:

zhenxun/services/ai/tools/providers/skills/toolkit.py

@@ -10,14 +10,15 @@ from zhenxun.services.ai.sandbox.protocols import (
 from zhenxun.services.ai.tools.core.decorators import Rules, tool
 from zhenxun.services.ai.tools.core.toolkit import BaseToolkit
 from zhenxun.services.ai.tools.models import ResolvedToolPayload, ToolResult
-from zhenxun.services.ai.tools.providers.skills.manager import (
+from zhenxun.services.ai.utils.logger import log_tool as logger
+from zhenxun.utils.pydantic_compat import model_copy
+from zhenxun.utils.utils import infer_plugin_namespace
+
+from .manager import (
     skill_env_manager,
     skill_manager,
 )
-from zhenxun.services.ai.tools.providers.skills.models import Skill
-from zhenxun.services.log import logger
-from zhenxun.utils.pydantic_compat import model_copy
-from zhenxun.utils.utils import infer_plugin_namespace
+from .models import Skill
 
 
 class SkillSandboxExecutionMixin: