mirror of
https://gitcode.com/JianFeeeee/HomeAgent.git
synced 2026-09-22 01:48:11 +00:00
用户指出 remotedevice 的能力应当 outputch 化。查证后发现比"应当"更严重:
设备方向**根本没有出站实现**。
## 查到的三个缺口
1. `devicectlDevice` 一直声明 `OutputCapabilities() = CapStructured`(对外宣称可作输出目标),
但 `Execute` 的 switch 里**没有 "output" 分支** ⇒ `output_send__devicectl` 必然拿到
`unknown device tool output`,回模型"通过 [devicectl] 通道发送失败"。
2. 全插件没有 `RegisterOutputChannel`,也没有任何 EmitOutput/output_send 路径:
设备方向只有「工具(请求-响应)」与「设备→agent 注入」,**agent → 设备是断的**
(唯一的下行通道是个 HTTP 端点 `/api/v1/device/push`,不在 agent 的工具/通道模型里)。
3. 寻址是聚合的:所有设备共用一个名字 `devicectl`,没有 `device/<id>`;且设备 caps 只在
插件内部软检查(`SupportsTool`),**绕过**了内核的 `AllowedOutputs` 授权闸 ——
驻留子只要拿到 `device_ctl_cmdrun` 就能指挥**任意**设备。
## 按方向切分(不是一刀切)
**出站/消息类 → 每设备一个输出通道 `device/<id>`**(与入站同名):
- 上线注册、掉线注销(caps 由设备声明的 caps 映射:文本恒有;有屏→图/文件;
speaker→音频;可跑命令(cmd/cmdrun/cmdresult)或未声明已知能力→全能力,与
`deviceSupportsTool` 的旧设备兼容规则一致)。断连不注销会留下死通道骗模型。
- 于是自动获得:内核按 caps 在**发送前**拦(送图给纯文本音箱直接拒);
`output_list_channels` 能列出设备;`AllowedOutputs` 可按设备收窄给驻留子。
- 上下线钩子用 `Registry.SetPresenceHandler`(**同步回调**)而不是既有的 `ChangeChan`
(那是 select+default,缓冲满会丢事件;丢一次就留下死通道或漏注册)。
- `devicectl` 保留为聚合通道,并把它"声明了却不实现"的 output 补实:按
`meta.device_id`(或 meta 就是设备 id / args.device_id)路由;缺省时返回**可执行**的
报错(列出在线设备),而不是含糊失败。
**RPC 类保留为工具**(`devicedetect`/`screensee`/`computeruse`/`clipboard*`/
`device_ctl_status|cmdrun|cmdresult`):它们的返回值(图像/命令输出/状态)必须进模型
上下文,做成通道会丢掉这个语义。
**并给设备指令类工具补上同一道授权闸**(core/toolcall.go):`device_id` 指向的设备
必须是本 agent 被授权的 `device/<id>`。根 agent 默认完整授权 ⇒ 无行为变化;
驻留子收窄后,"拿到工具就能指挥任意设备"的缺口被堵上(新增 3 条 core 测试钉住)。
**设备端参考实现**(`internal/devicebridge/client/bridge.go` + waiter):新增 `op=push`
分发与 `OnPush` 回调(文本/结构化;二进制走既有 `cmd_speech_*` → `DataHandler`),
waiter 把它打到终端。
## 设计口径(用户当场纠偏,已写进代码注释与 harness README)
**主动转发只有 webui 与 cli 两个交互界面**(webui 订阅 EventAgentOutput 渲染气泡、
cli 用同步回程写回终端)。其它通道一律要求 agent **显式** `output_send__<通道>`。
我第一版给 remotedevice 加了 `EventAgentOutput` 订阅来自动回投设备——那是凭空造了
第三个转发者,违背"输出是 agent 的主动调用",已撤回(该测试一并删除)。
## 验收
- 单测:caps 映射词表;设备上线→注册通道(含同名 inputch)/掉线→注销;push 真落到
WS 设备;聚合通道 `devicectl` 的寻址(无 device_id 报可执行错误、按 meta 投递、
指定不存在设备报错);core 授权闸 3 例。
- 全量 `go test ./...` = 37 包 ok / 0 FAIL;`-race`(agent/plugins/plugin/devicebridge/sdk)干净。
- **真二进制端到端**(私有 netns + mock LLM + 真 WS 设备客户端 scripts/kernel-stress/devclient.py):
设备上线 → 通道表出现 `device/pydev-1`(caps=[text file image audio structured],由
`caps:["cmd"]` 映射)→ agent 经 `output_send__device/pydev-1` 主动发送 → 设备收到
`{"op":"push","payload":"内核推给你的消息","type":"text"}` → 设备掉线 → 通道从表中消失。
586 lines
24 KiB
Go
586 lines
24 KiB
Go
package remotedevice
|
||
|
||
import (
|
||
"encoding/json"
|
||
"fmt"
|
||
"sort"
|
||
"strings"
|
||
"time"
|
||
|
||
agentIO "gitcode.com/JianFeeeee/HomeAgent/internal/agent/io"
|
||
)
|
||
|
||
// devicectlDevice 把设备网关暴露为 IOManager 的一个 Device:
|
||
// Tools() 提供 devicedetect / device_ctl_status / device_ctl_cmdrun / device_ctl_cmdresult / screensee,
|
||
// Execute() 推送命令到设备,设备端自行鉴权(客户端存储授权)。
|
||
type devicectlDevice struct {
|
||
reg *Registry
|
||
|
||
// screensee 回调:设备截屏回传后由 agent 核心消费(视觉描述)。
|
||
// 由插件 Start 注入;nil 时退化为仅返回 base64 数据。
|
||
seeHandler func(dataURL string, provider string) string
|
||
}
|
||
|
||
func (d *devicectlDevice) Name() string { return "devicectl" }
|
||
func (d *devicectlDevice) Type() agentIO.DeviceType { return agentIO.DeviceIO }
|
||
func (d *devicectlDevice) OutputCapabilities() agentIO.OutputCapability { return agentIO.CapStructured }
|
||
func (d *devicectlDevice) Description() string {
|
||
return "远程设备控制网关:查看已接入/已授权的设备并发送控制指令(经用户授权的设备)"
|
||
}
|
||
func (d *devicectlDevice) ChannelDef() agentIO.ChannelDef { return agentIO.ChannelDef{} }
|
||
func (d *devicectlDevice) Start() error { return nil }
|
||
func (d *devicectlDevice) Stop() error { return nil }
|
||
|
||
func (d *devicectlDevice) Tools() []agentIO.ToolDef {
|
||
return []agentIO.ToolDef{
|
||
{
|
||
Name: "devicedetect",
|
||
Description: "扫描并列出已接入设备网关的设备(含在线/离线状态与授权状态)。" +
|
||
"用途:查看当前有哪些设备连接了 HomeAgent、是否在线、是否已授权。" +
|
||
"参数 kind 可选,只返回该种类的设备。返回值 device_id 用于后续 device_ctl_* 工具。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"kind": map[string]interface{}{"type": "string", "description": "按设备种类过滤(light/camera/computer/phone/...),可省略"},
|
||
},
|
||
},
|
||
},
|
||
{
|
||
Name: "device_ctl_status",
|
||
Description: "查询一台已在线设备的实时状态。" +
|
||
"仅返回设备上报的状态信息(如电量/温度/运行状态)。" +
|
||
"需要 device_id(来自 devicedetect)。设备必须已授权且在线。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"device_id": map[string]interface{}{"type": "string", "description": "目标设备 ID"},
|
||
},
|
||
"required": []interface{}{"device_id"},
|
||
},
|
||
},
|
||
{
|
||
Name: "device_ctl_cmdrun",
|
||
Description: "向设备下发命令/操作(异步,accepted=true 后用 device_ctl_cmdresult 轮询结果)。" +
|
||
"command 支持两类(前缀区分):\n" +
|
||
"- shell-cmd: 在设备上执行原生 shell 命令,如 shell-cmd ls -la /tmp\n" +
|
||
"- homeagent-cmd: 调用设备端 HomeAgent 内置能力:\n" +
|
||
" · homeagent-screensue <显示内容/HTML> — 用户侧屏幕弹窗显示自定义内容(默认 5 秒后自动关闭)\n" +
|
||
" · homeagent-screensue <秒> <内容> — 指定显示时长(秒),如 homeagent-screensue 30 会议提醒:三点开会\n" +
|
||
" · homeagent-screensue 0 <内容> — 永不超时,常驻显示直到用户手动关闭\n" +
|
||
" · homeagent-camerasue — 抓拍单张 jpeg(结果为 base64 data URL)\n" +
|
||
" · homeagent-camerasue <N秒> — 录像 N 秒 mp4(二进制分块回传,cmdresult 含 data_base64 字段)\n" +
|
||
" · homeagent-speakeruse <文字> — 设备端 TTS 语音朗读文字\n" +
|
||
"⚡ 高危:设备必须已授权,且该操作会改变设备行为。" +
|
||
"返回 accepted=true 表示已下发并等待设备执行,之后可用 device_ctl_cmdresult 查询结果。" +
|
||
"若设备未授权或离线,返回错误信息。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"device_id": map[string]interface{}{"type": "string", "description": "目标设备 ID"},
|
||
"command": map[string]interface{}{"type": "string", "description": "以 shell-cmd 或 homeagent-cmd 前缀开头。如 shell-cmd pwd、homeagent-screensue 三点开会、homeagent-screensue 0 重要公告、homeagent-camerasue 5(录5秒)、homeagent-speakeruse 你好"},
|
||
},
|
||
"required": []interface{}{"device_id", "command"},
|
||
},
|
||
},
|
||
{
|
||
Name: "device_ctl_cmdresult",
|
||
Description: "查询之前 device_ctl_cmdrun 下发命令的执行结果(按 req_id 或 device_id 最近一次)。" +
|
||
"若非阻塞或已超时,用此工具取回设备执行输出。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"req_id": map[string]interface{}{"type": "string", "description": "命令请求 ID(device_ctl_cmdrun 返回)"},
|
||
"device_id": map[string]interface{}{"type": "string", "description": "设备 ID(查询最近一次结果)"},
|
||
},
|
||
},
|
||
},
|
||
{
|
||
Name: "screensee",
|
||
Description: "查看一台已授权设备的屏幕当前画面(截屏回传)。" +
|
||
"与 screensue(向用户屏幕显示内容)配对:screensue 是给用户看,screensee 是你看。" +
|
||
"返回屏幕截图的自动视觉描述;如需读取屏上文字可接着用 ocr_image。" +
|
||
"需要 device_id(来自 devicedetect)。设备必须已授权且在线。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"device_id": map[string]interface{}{"type": "string", "description": "目标设备 ID"},
|
||
"provider": map[string]interface{}{"type": "string", "description": "可选:用于视觉描述的 LLM 源名称,不填则使用默认模型"},
|
||
},
|
||
"required": []interface{}{"device_id"},
|
||
},
|
||
},
|
||
{
|
||
Name: "computeruse",
|
||
Description: "控制一台已授权设备的鼠标/键盘(远程操控电脑屏幕)。" +
|
||
"典型流程:先 screensee 看屏幕 → computeruse 操作 → 再 screensee 确认结果。" +
|
||
"坐标为设备屏幕像素(原点左上角,与 screensee 截图一致)。" +
|
||
"⚡ 高危:直接操作用户设备,务必确认操作意图明确。设备必须已授权且在线。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"device_id": map[string]interface{}{"type": "string", "description": "目标设备 ID"},
|
||
"action": map[string]interface{}{
|
||
"type": "string",
|
||
"description": "操作类型:click(单击) / doubleclick(双击) / rightclick(右键) / move(移动) / scroll(滚动) / keypress(按键) / type(输入文字)",
|
||
"enum": []interface{}{"click", "doubleclick", "rightclick", "move", "scroll", "keypress", "type"},
|
||
},
|
||
"x": map[string]interface{}{"type": "integer", "description": "鼠标 X 坐标(像素)。click/doubleclick/rightclick/move 必填"},
|
||
"y": map[string]interface{}{"type": "integer", "description": "鼠标 Y 坐标(像素)。click/doubleclick/rightclick/move 必填"},
|
||
"button": map[string]interface{}{"type": "string", "description": "鼠标按钮:left(默认)/right/middle(可选)"},
|
||
"dy": map[string]interface{}{"type": "integer", "description": "scroll 滚动量:正=向下,负=向上"},
|
||
"key": map[string]interface{}{"type": "string", "description": "keypress 按键名,如 Return / space / ctrl+c / alt+F4"},
|
||
"text": map[string]interface{}{"type": "string", "description": "type 要输入的文字"},
|
||
},
|
||
"required": []interface{}{"device_id", "action"},
|
||
},
|
||
},
|
||
{
|
||
Name: "clipboardsee",
|
||
Description: "读取一台已授权设备的剪切板当前内容(用户最近复制/剪切的文字)。" +
|
||
"与 clipboardsue 配对:clipboardsee 是读,clipboardsue 是写。" +
|
||
"适用场景:用户说「看看我刚复制的东西」「把我复制的链接打开」。" +
|
||
"⚡ 隐私敏感:剪切板可能含密码/隐私,仅在用户明确要求时使用。设备必须已授权且在线。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"device_id": map[string]interface{}{"type": "string", "description": "目标设备 ID"},
|
||
},
|
||
"required": []interface{}{"device_id"},
|
||
},
|
||
},
|
||
{
|
||
Name: "clipboardsue",
|
||
Description: "把指定文字写入一台已授权设备的剪切板(用户之后可直接 Ctrl+V 粘贴)。" +
|
||
"与 clipboardsee 配对:clipboardsee 是读,clipboardsue 是写。" +
|
||
"适用场景:帮用户准备好要粘贴的长文本/链接/代码,避免 computeruse type 逐字输入慢且易错。" +
|
||
"典型组合:clipboardsue 写入 → 提示用户 Ctrl+V,或 clipboardsue + computeruse keypress ctrl+v 自动粘贴。" +
|
||
"设备必须已授权且在线。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"device_id": map[string]interface{}{"type": "string", "description": "目标设备 ID"},
|
||
"text": map[string]interface{}{"type": "string", "description": "要写入剪切板的内容"},
|
||
},
|
||
"required": []interface{}{"device_id", "text"},
|
||
},
|
||
},
|
||
{
|
||
Name: "deviceinfo",
|
||
Description: "探查一台设备接入网关时声明的详细信息与支持能力。" +
|
||
"返回设备的 OS/架构/CPU/内存/能力 caps 等(设备接入时上报,非实时)。" +
|
||
"需要 device_id(来自 devicedetect)。设备必须已授权。",
|
||
Parameters: map[string]interface{}{
|
||
"type": "object",
|
||
"properties": map[string]interface{}{
|
||
"device_id": map[string]interface{}{"type": "string", "description": "目标设备 ID"},
|
||
},
|
||
"required": []interface{}{"device_id"},
|
||
},
|
||
},
|
||
}
|
||
}
|
||
|
||
func (d *devicectlDevice) Execute(tool string, args map[string]interface{}) (interface{}, error) {
|
||
switch tool {
|
||
case "output":
|
||
// 出站:见 outputch.go。声明了 CapStructured 就必须真的能收输出。
|
||
return d.output(args)
|
||
case "devicedetect":
|
||
return d.detect(args)
|
||
case "device_ctl_status":
|
||
return d.status(args)
|
||
case "device_ctl_cmdrun":
|
||
return d.cmdrun(args)
|
||
case "device_ctl_cmdresult":
|
||
return d.cmdresult(args)
|
||
case "screensee":
|
||
return d.screensee(args)
|
||
case "computeruse":
|
||
return d.computeruse(args)
|
||
case "clipboardsee":
|
||
return d.clipboardsee(args)
|
||
case "clipboardsue":
|
||
return d.clipboardsue(args)
|
||
case "deviceinfo":
|
||
return d.info(args)
|
||
default:
|
||
return nil, fmt.Errorf("unknown device tool %s", tool)
|
||
}
|
||
}
|
||
|
||
// publicDevices 把设备列表转为简洁 JSON(无内部字段)。
|
||
func publicDevices(in []DeviceMeta) []map[string]interface{} {
|
||
out := make([]map[string]interface{}, 0, len(in))
|
||
for _, m := range in {
|
||
entry := map[string]interface{}{
|
||
"device_id": m.DeviceID,
|
||
"name": m.Name,
|
||
"kind": m.Kind,
|
||
"caps": m.Caps,
|
||
"authorized": m.Authorized,
|
||
"online": m.Online,
|
||
"last_seen": m.LastSeen,
|
||
}
|
||
if len(m.Info) > 0 {
|
||
entry["info"] = m.Info
|
||
}
|
||
out = append(out, entry)
|
||
}
|
||
return out
|
||
}
|
||
|
||
// detect 实现 devicedetect。
|
||
func (d *devicectlDevice) detect(args map[string]interface{}) (interface{}, error) {
|
||
kind, _ := args["kind"].(string)
|
||
devs := d.reg.List()
|
||
if kind != "" {
|
||
var filtered []DeviceMeta
|
||
for _, m := range devs {
|
||
if strings.EqualFold(m.Kind, kind) {
|
||
filtered = append(filtered, m)
|
||
}
|
||
}
|
||
devs = filtered
|
||
}
|
||
sort.Slice(devs, func(i, j int) bool { return devs[i].DeviceID < devs[j].DeviceID })
|
||
if len(devs) == 0 {
|
||
return map[string]interface{}{"devices": []interface{}{}, "message": "暂无设备接入"}, nil
|
||
}
|
||
return map[string]interface{}{"devices": publicDevices(devs)}, nil
|
||
}
|
||
|
||
// status 实现 device_ctl_status(只读,查询设备最后一次上报状态)。
|
||
func (d *devicectlDevice) status(args map[string]interface{}) (interface{}, error) {
|
||
id, _ := args["device_id"].(string)
|
||
if id == "" {
|
||
return nil, fmt.Errorf("device_id required")
|
||
}
|
||
m, ok := d.reg.Get(id)
|
||
if !ok {
|
||
return nil, fmt.Errorf("device %s 不存在", id)
|
||
}
|
||
// 服务端不检查授权;设备端收到请求后自行决定是否执行。
|
||
if !m.Online {
|
||
return publicDevices([]DeviceMeta{m}), nil // 带 offline=true
|
||
}
|
||
return publicDevices([]DeviceMeta{m}), nil
|
||
}
|
||
|
||
// cmdrun 实现 device_ctl_cmdrun:检查授权+在线,push 命令,异步等待结果。
|
||
func (d *devicectlDevice) cmdrun(args map[string]interface{}) (interface{}, error) {
|
||
id, _ := args["device_id"].(string)
|
||
cmd, _ := args["command"].(string)
|
||
if id == "" || cmd == "" {
|
||
return nil, fmt.Errorf("device_id and command required")
|
||
}
|
||
m, ok := d.reg.Get(id)
|
||
if !ok {
|
||
return nil, fmt.Errorf("device %s 不存在", id)
|
||
}
|
||
// 服务端不检查授权;设备端收到请求后自行决定是否执行。
|
||
if !m.Online {
|
||
return nil, fmt.Errorf("device %s 不在线,无法执行命令", id)
|
||
}
|
||
// 命令类型:shell-cmd / homeagent-* 前缀区分;无前缀按 shell 处理(兼容旧格式)
|
||
cmdType := "shell"
|
||
switch {
|
||
case strings.HasPrefix(cmd, "shell-cmd"):
|
||
cmdType = "shell"
|
||
cmd = strings.TrimSpace(strings.TrimPrefix(cmd, "shell-cmd"))
|
||
case strings.HasPrefix(cmd, "homeagent-cmd"):
|
||
cmdType = "homeagent"
|
||
cmd = strings.TrimSpace(strings.TrimPrefix(cmd, "homeagent-cmd"))
|
||
case strings.HasPrefix(cmd, "homeagent-"):
|
||
cmdType = "homeagent"
|
||
cmd = strings.TrimSpace(strings.TrimPrefix(cmd, "homeagent-"))
|
||
default:
|
||
cmdType = "shell"
|
||
}
|
||
reqID := newReqID()
|
||
if err := d.reg.PushCmd(id, reqID, cmd, cmdType); err != nil {
|
||
return nil, fmt.Errorf("下发命令失败: %w", err)
|
||
}
|
||
// 阻塞等待设备结果(带超时);结果同时由 registry 留档。
|
||
res, err := d.reg.AwaitResult(reqID, 30*time.Second)
|
||
if err != nil {
|
||
d.reg.SaveResult(reqID, map[string]interface{}{"accepted": true, "error": err.Error(), "pending": true})
|
||
return map[string]interface{}{"accepted": true, "req_id": reqID, "pending": true, "note": "命令已下发但设备未在超时内回执,可用 device_ctl_cmdresult 再查"}, nil
|
||
}
|
||
out := res
|
||
out["req_id"] = reqID
|
||
d.reg.SaveResult(reqID, out)
|
||
return out, nil
|
||
}
|
||
|
||
// cmdresult 实现 device_ctl_cmdresult。
|
||
func (d *devicectlDevice) cmdresult(args map[string]interface{}) (interface{}, error) {
|
||
reqID, _ := args["req_id"].(string)
|
||
deviceID, _ := args["device_id"].(string)
|
||
if reqID != "" {
|
||
res, ok := d.reg.GetResult(reqID)
|
||
if !ok {
|
||
return nil, fmt.Errorf("no result for req %s(设备可能尚未回执)", reqID)
|
||
}
|
||
return res, nil
|
||
}
|
||
if deviceID != "" {
|
||
// 返回该设备最近一次结果(简化:遍历 results 找 device_id 匹配的最近一条)
|
||
// 说明:当前只按 req_id 查询;device_id 查询留给后续迭代。
|
||
_, ok := d.reg.Get(deviceID)
|
||
if !ok {
|
||
return nil, fmt.Errorf("device %s 不存在", deviceID)
|
||
}
|
||
return map[string]interface{}{"device_id": deviceID, "note": "请用 device_ctl_cmdrun 返回的 req_id 查询命令结果"}, nil
|
||
}
|
||
return nil, fmt.Errorf("req_id 或 device_id 至少提供一个")
|
||
}
|
||
|
||
// info 实现 deviceinfo:返回设备详情 + 支持能力。
|
||
func (d *devicectlDevice) info(args map[string]interface{}) (interface{}, error) {
|
||
id, _ := args["device_id"].(string)
|
||
if id == "" {
|
||
return nil, fmt.Errorf("device_id required")
|
||
}
|
||
m, ok := d.reg.Get(id)
|
||
if !ok {
|
||
return nil, fmt.Errorf("device %s 不存在", id)
|
||
}
|
||
out := map[string]interface{}{
|
||
"device_id": m.DeviceID,
|
||
"name": m.Name,
|
||
"kind": m.Kind,
|
||
"caps": m.Caps,
|
||
"authorized": m.Authorized,
|
||
"online": m.Online,
|
||
"last_seen": m.LastSeen,
|
||
}
|
||
if len(m.Info) > 0 {
|
||
out["info"] = m.Info
|
||
}
|
||
return out, nil
|
||
}
|
||
|
||
// SetSeeHandler 注入 screensee 的视觉描述回调(agent 核心提供)。
|
||
func (d *devicectlDevice) SetSeeHandler(fn func(dataURL string, provider string) string) {
|
||
d.seeHandler = fn
|
||
}
|
||
|
||
// screensee 实现 screensee:向设备下发 homeagent-screensee 截屏命令,
|
||
// 等待回传 jpeg base64,交给 seeHandler(agent 核心)做视觉描述。
|
||
func (d *devicectlDevice) screensee(args map[string]interface{}) (interface{}, error) {
|
||
id, _ := args["device_id"].(string)
|
||
provider, _ := args["provider"].(string)
|
||
if id == "" {
|
||
return nil, fmt.Errorf("device_id required")
|
||
}
|
||
m, ok := d.reg.Get(id)
|
||
if !ok {
|
||
return nil, fmt.Errorf("device %s 不存在", id)
|
||
}
|
||
// 服务端不检查授权;设备端收到请求后自行决定是否执行。
|
||
if !m.Online {
|
||
return nil, fmt.Errorf("device %s 不在线", id)
|
||
}
|
||
if !d.reg.SupportsTool(id, "screensee") {
|
||
return nil, fmt.Errorf("device %s 未声明 screensee 能力(caps=%v),无法截屏", id, m.Caps)
|
||
}
|
||
reqID := newReqID()
|
||
if err := d.reg.PushCmd(id, reqID, "screensee", "homeagent"); err != nil {
|
||
return nil, fmt.Errorf("下发截屏命令失败: %w", err)
|
||
}
|
||
res, err := d.reg.AwaitResult(reqID, 30*time.Second)
|
||
if err != nil {
|
||
d.reg.SaveResult(reqID, map[string]interface{}{"accepted": true, "error": err.Error(), "pending": true})
|
||
return nil, fmt.Errorf("设备未在超时内回传屏幕画面: %w", err)
|
||
}
|
||
if res["status"] != "ok" {
|
||
errMsg, _ := res["error"].(string)
|
||
if errMsg == "" {
|
||
errMsg = fmt.Sprintf("status=%v", res["status"])
|
||
}
|
||
return nil, fmt.Errorf("设备截屏失败: %s", errMsg)
|
||
}
|
||
output, _ := res["output"].(string)
|
||
// 设备端回传 data URL(data:image/jpeg;base64,...)或裸 base64
|
||
if !strings.HasPrefix(output, "data:") {
|
||
output = "data:image/jpeg;base64," + output
|
||
}
|
||
d.reg.SaveResult(reqID, res)
|
||
if d.seeHandler == nil {
|
||
return map[string]interface{}{"image_data_url": output, "note": "无视觉描述处理器,仅返回原始图像数据"}, nil
|
||
}
|
||
desc := d.seeHandler(output, provider)
|
||
return map[string]interface{}{"description": desc}, nil
|
||
}
|
||
|
||
// computeruse 实现 computeruse:向设备下发鼠标/键盘控制命令。
|
||
// 协议(GUI b4e5b39):homeagent-computeruse {"x":px,"y":px,"action":"act","button":"btn","text":"txt"}
|
||
// 服务端负责把结构化参数序列化为 JSON,避免 LLM 手拼字符串出错。
|
||
func (d *devicectlDevice) computeruse(args map[string]interface{}) (interface{}, error) {
|
||
id, _ := args["device_id"].(string)
|
||
action, _ := args["action"].(string)
|
||
if id == "" || action == "" {
|
||
return nil, fmt.Errorf("device_id and action required")
|
||
}
|
||
m, ok := d.reg.Get(id)
|
||
if !ok {
|
||
return nil, fmt.Errorf("device %s 不存在", id)
|
||
}
|
||
// 服务端不检查授权;设备端收到请求后自行决定是否执行。
|
||
if !m.Online {
|
||
return nil, fmt.Errorf("device %s 不在线", id)
|
||
}
|
||
if !d.reg.SupportsTool(id, "computeruse") {
|
||
return nil, fmt.Errorf("device %s 未声明 computeruse 能力(caps=%v),无法操控鼠标键盘", id, m.Caps)
|
||
}
|
||
|
||
// 构造 GUI 端约定的 JSON 参数(坐标相对 screensueDisplay 所选屏)
|
||
params := map[string]interface{}{"action": action}
|
||
switch action {
|
||
case "click", "doubleclick", "rightclick", "move":
|
||
x, xok := args["x"].(float64)
|
||
y, yok := args["y"].(float64)
|
||
if !xok || !yok {
|
||
return nil, fmt.Errorf("action=%s 需要 x/y 坐标", action)
|
||
}
|
||
params["x"] = int(x)
|
||
params["y"] = int(y)
|
||
if btn, ok := args["button"].(string); ok && btn != "" {
|
||
params["button"] = btn
|
||
}
|
||
case "scroll":
|
||
dy, ok := args["dy"].(float64)
|
||
if !ok {
|
||
return nil, fmt.Errorf("action=scroll 需要 dy 滚动量(正=向下,负=向上)")
|
||
}
|
||
params["dy"] = int(dy)
|
||
case "keypress":
|
||
key, _ := args["key"].(string)
|
||
if key == "" {
|
||
return nil, fmt.Errorf("action=keypress 需要 key 按键名(如 Return / ctrl+c)")
|
||
}
|
||
params["key"] = key
|
||
case "type":
|
||
text, _ := args["text"].(string)
|
||
if text == "" {
|
||
return nil, fmt.Errorf("action=type 需要 text 要输入的文字")
|
||
}
|
||
params["text"] = text
|
||
default:
|
||
return nil, fmt.Errorf("不支持的操作类型 %s(可选 click/doubleclick/rightclick/move/scroll/keypress/type)", action)
|
||
}
|
||
|
||
cmdBytes, _ := json.Marshal(params)
|
||
reqID := newReqID()
|
||
if err := d.reg.PushCmd(id, reqID, "computeruse "+string(cmdBytes), "homeagent"); err != nil {
|
||
return nil, fmt.Errorf("下发操控命令失败: %w", err)
|
||
}
|
||
res, err := d.reg.AwaitResult(reqID, 30*time.Second)
|
||
if err != nil {
|
||
d.reg.SaveResult(reqID, map[string]interface{}{"accepted": true, "error": err.Error(), "pending": true})
|
||
return nil, fmt.Errorf("设备未在超时内回执: %w", err)
|
||
}
|
||
out := res
|
||
out["req_id"] = reqID
|
||
d.reg.SaveResult(reqID, out)
|
||
return out, nil
|
||
}
|
||
|
||
// clipboardCheck 检查设备可操作性(存在/已授权/在线/能力声明),返回错误或 nil。
|
||
// tool 为空时跳过能力校验(如 device_ctl_cmdrun 由自身逻辑处理)。
|
||
func (d *devicectlDevice) clipboardCheck(id, verb, tool string) error {
|
||
if id == "" {
|
||
return fmt.Errorf("device_id required")
|
||
}
|
||
m, ok := d.reg.Get(id)
|
||
if !ok {
|
||
return fmt.Errorf("device %s 不存在", id)
|
||
}
|
||
if !m.Online {
|
||
return fmt.Errorf("device %s 不在线", id)
|
||
}
|
||
if tool != "" && !d.reg.SupportsTool(id, tool) {
|
||
return fmt.Errorf("device %s 未声明 %s 能力(caps=%v),无法执行此操作", id, tool, m.Caps)
|
||
}
|
||
return nil
|
||
}
|
||
|
||
// clipboardsee 实现 clipboardsee:读取设备剪切板当前内容。
|
||
// 协议(GUI 配套):homeagent-clipboardsee → 回执 output 字段为剪切板文字。
|
||
func (d *devicectlDevice) clipboardsee(args map[string]interface{}) (interface{}, error) {
|
||
id, _ := args["device_id"].(string)
|
||
if err := d.clipboardCheck(id, "读取", "clipboardsee"); err != nil {
|
||
return nil, err
|
||
}
|
||
reqID := newReqID()
|
||
if err := d.reg.PushCmd(id, reqID, "clipboardsee", "homeagent"); err != nil {
|
||
return nil, fmt.Errorf("下发读取命令失败: %w", err)
|
||
}
|
||
res, err := d.reg.AwaitResult(reqID, 15*time.Second)
|
||
if err != nil {
|
||
d.reg.SaveResult(reqID, map[string]interface{}{"accepted": true, "error": err.Error(), "pending": true})
|
||
return nil, fmt.Errorf("设备未在超时内回执: %w", err)
|
||
}
|
||
if res["status"] != "ok" {
|
||
errMsg, _ := res["error"].(string)
|
||
if errMsg == "" {
|
||
errMsg = fmt.Sprintf("status=%v", res["status"])
|
||
}
|
||
return nil, fmt.Errorf("读取剪切板失败: %s", errMsg)
|
||
}
|
||
content, _ := res["output"].(string)
|
||
out := map[string]interface{}{
|
||
"req_id": reqID,
|
||
"content": content,
|
||
"empty": content == "",
|
||
}
|
||
d.reg.SaveResult(reqID, out)
|
||
return out, nil
|
||
}
|
||
|
||
// clipboardsue 实现 clipboardsue:把文字写入设备剪切板。
|
||
// 协议(GUI 配套):homeagent-clipboardsue <文字>,回执 ok 表示已写入。
|
||
func (d *devicectlDevice) clipboardsue(args map[string]interface{}) (interface{}, error) {
|
||
id, _ := args["device_id"].(string)
|
||
text, _ := args["text"].(string)
|
||
if text == "" {
|
||
return nil, fmt.Errorf("text required(要写入剪切板的内容)")
|
||
}
|
||
if err := d.clipboardCheck(id, "写入", "clipboardsue"); err != nil {
|
||
return nil, err
|
||
}
|
||
reqID := newReqID()
|
||
// 命令格式:clipboardsue <文字>(GUI 端取首个空格后的全部内容作为写入文本)
|
||
if err := d.reg.PushCmd(id, reqID, "clipboardsue "+text, "homeagent"); err != nil {
|
||
return nil, fmt.Errorf("下发写入命令失败: %w", err)
|
||
}
|
||
res, err := d.reg.AwaitResult(reqID, 15*time.Second)
|
||
if err != nil {
|
||
d.reg.SaveResult(reqID, map[string]interface{}{"accepted": true, "error": err.Error(), "pending": true})
|
||
return nil, fmt.Errorf("设备未在超时内回执: %w", err)
|
||
}
|
||
if res["status"] != "ok" {
|
||
errMsg, _ := res["error"].(string)
|
||
if errMsg == "" {
|
||
errMsg = fmt.Sprintf("status=%v", res["status"])
|
||
}
|
||
return nil, fmt.Errorf("写入剪切板失败: %s", errMsg)
|
||
}
|
||
out := map[string]interface{}{
|
||
"req_id": reqID,
|
||
"written": len(text),
|
||
"preview": truncateForPreview(text, 60),
|
||
}
|
||
d.reg.SaveResult(reqID, out)
|
||
return out, nil
|
||
}
|
||
|
||
// truncateForPreview 截断长文本用于回执预览。
|
||
func truncateForPreview(s string, max int) string {
|
||
r := []rune(s)
|
||
if len(r) <= max {
|
||
return s
|
||
}
|
||
return string(r[:max]) + "..."
|
||
}
|