Files
zhenxun_bot/zhenxun/services/ai/flow/agent/bridge.py
T
80fc5b86a7 ✨ 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>
2026-07-03 08:53:56 +08:00

143 lines
5.2 KiB
Python

import asyncio
from typing import Any, Generic, cast
from typing_extensions import TypeVar
from nonebot.adapters import Bot, Event
from nonebot_plugin_alconna.uniseg import UniMessage
from zhenxun.services.ai.core.exceptions import (
ConcurrencyInterruptException,
ConcurrencyRejectException,
ControlFlowExit,
InterventionHandledException,
)
from zhenxun.services.ai.core.messages import UsageInfo
from zhenxun.services.ai.flow.base import BaseRunnable
from zhenxun.services.ai.run import AgentRunResult, RunContext
from zhenxun.services.ai.run.models import AgentRunEnd, AgentRunError
from zhenxun.services.ai.run.ui import UIController
from zhenxun.services.log import logger
from zhenxun.utils.message import MessageUtils
T_Deps = TypeVar("T_Deps", default=Any)
T_Out = TypeVar("T_Out", default=str)
class AgentRunner(Generic[T_Out]):
"""
智能体运行器。
负责将大模型的纯净数据流包装为平台交互动作(发消息、UI渲染)。
自带 ContextVars 隐式上下文提取魔法。
"""
def __init__(
self,
runnable: BaseRunnable,
context: RunContext | None = None,
**kwargs: Any,
):
self.runnable = runnable
self.context = context or RunContext(**kwargs)
is_stateless = (
getattr(self.runnable.runtime_config, "stateless", True)
if hasattr(self.runnable, "runtime_config")
else True
)
if is_stateless and self.context.session_id:
if not self.context.session_id.startswith("stateless_"):
import uuid
self.context.session_id = (
f"stateless_{self.context.session_id}_{uuid.uuid4().hex[:8]}"
)
if self.context.session:
self.context.session.session_id = self.context.session_id
@property
def _bot(self) -> Bot | None:
return self.context.get_bot()
@property
def _event(self) -> Event | None:
return self.context.get_event()
async def reply(
self, prompt: Any = None, reply_to: bool = False, **kwargs: Any
) -> AgentRunResult[T_Out]:
"""交互式执行:将 Agent 运行过程中的工具调用状态和最终结果自动发送给用户。"""
final_result = None
profile = kwargs.pop("profile", None)
try:
async with self.runnable.run_stream(
prompt=prompt,
context=self.context,
profile=profile,
**kwargs,
) as stream_result:
async for stream_event in stream_result.stream_events():
if isinstance(stream_event, AgentRunEnd):
final_result = stream_event.result
elif isinstance(stream_event, AgentRunError):
raise stream_event.error
except ControlFlowExit as e:
if isinstance(e, InterventionHandledException):
logger.info(f"✨ {self.runnable.name} 触发运行时干预: {e.message}")
if e.display_content and self._bot and self._event:
await MessageUtils.build_message(str(e.display_content)).send(
reply_to=reply_to
)
return cast(
AgentRunResult[T_Out], AgentRunResult(output="", usage=UsageInfo())
)
if isinstance(e, ConcurrencyRejectException):
logger.warning(
f"⏳ {self.runnable.name} 触发并发拒绝 (REJECT): {e.message}"
)
return cast(
AgentRunResult[T_Out], AgentRunResult(output="", usage=UsageInfo())
)
if isinstance(e, ConcurrencyInterruptException):
logger.warning(
f"🛑 {self.runnable.name} 触发并发中断 (INTERRUPT): {e.message}"
)
return cast(
AgentRunResult[T_Out], AgentRunResult(output="", usage=UsageInfo())
)
logger.debug(
f"{self.runnable.name} 控制流正常中断: {type(e).__name__} - {e}"
)
await UIController.handle_control_flow_exit_display(
e, self.context, reply_to
)
raise asyncio.CancelledError()
except Exception as e:
logger.error(f"{self.runnable.name} 运行失败: {e}", e=e)
if self._bot and self._event:
await MessageUtils.build_message(f"❌ 运行发生错误: {e}").send()
raise e
if final_result and final_result.output and self._bot and self._event:
if isinstance(final_result.output, UniMessage):
await final_result.output.send(
self._event, bot=self._bot, reply_to=reply_to
)
final_result.output = final_result.output.extract_plain_text()
else:
final_msg = str(final_result.output)
await MessageUtils.build_message(final_msg).send()
if final_result is None:
raise RuntimeError("智能体运行流异常结束:未返回最终结果。")
return cast(AgentRunResult[T_Out], final_result)