mirror of
https://gitcode.com/JianFeeeee/HomeAgent.git
synced 2026-09-21 01:18:08 +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。
161 lines
5.7 KiB
Python
161 lines
5.7 KiB
Python
#!/usr/bin/env python3
|
||
"""最小远程设备客户端(WebSocket,无第三方依赖)。
|
||
|
||
用途:在**真内核**上验证"agent → 设备"这条出站链路 ——
|
||
`output_send__device/<id>` 应该以 `op=push` 的帧落到设备。
|
||
|
||
流程:握手 → hello(自报 id/kind/caps)→ bind → 打印收到的帧;
|
||
看到 push 就往 --out 文件里写一行(便于 shell 断言)。
|
||
|
||
注意:实例跑在私有 netns 里,设备网关的 127.0.0.1:9890 在 netns 内,
|
||
所以本脚本要用 nsenter 进同一个 netns 跑,例如:
|
||
nsenter -t <homed-pid> -n python3 devclient.py --port 9890 --token X --id pydev-1 --out /tmp/push.txt
|
||
"""
|
||
import argparse
|
||
import base64
|
||
import hashlib
|
||
import json
|
||
import os
|
||
import socket
|
||
import struct
|
||
import threading
|
||
import time
|
||
|
||
GUID = "258EAFA5-E914-47DA-95CA-C5AB0DC85B11"
|
||
|
||
|
||
class WS:
|
||
def __init__(self, host, port, path, timeout=30):
|
||
self.sock = socket.create_connection((host, port), timeout=timeout)
|
||
self.sock.settimeout(timeout)
|
||
self._handshake(host, port, path)
|
||
|
||
def _handshake(self, host, port, path):
|
||
key = base64.b64encode(os.urandom(16)).decode()
|
||
req = (
|
||
f"GET {path} HTTP/1.1\r\n"
|
||
f"Host: {host}:{port}\r\n"
|
||
"Upgrade: websocket\r\n"
|
||
"Connection: Upgrade\r\n"
|
||
f"Sec-WebSocket-Key: {key}\r\n"
|
||
"Sec-WebSocket-Version: 13\r\n\r\n"
|
||
)
|
||
self.sock.sendall(req.encode())
|
||
buf = b""
|
||
while b"\r\n\r\n" not in buf:
|
||
chunk = self.sock.recv(4096)
|
||
if not chunk:
|
||
raise RuntimeError("握手未完成: 连接关闭")
|
||
buf += chunk
|
||
head = buf.decode("utf-8", "replace")
|
||
if "101" not in head.split("\r\n")[0]:
|
||
raise RuntimeError("握手被拒: " + head.split("\r\n")[0])
|
||
expect = base64.b64encode(hashlib.sha1((key + GUID).encode()).digest()).decode()
|
||
if expect.lower() not in head.lower():
|
||
raise RuntimeError("Sec-WebSocket-Accept 校验失败")
|
||
self.buf = buf.split(b"\r\n\r\n", 1)[1]
|
||
|
||
# ---- 发送 ----
|
||
def send(self, opcode, payload=b""):
|
||
header = bytes([0x80 | opcode])
|
||
mask = os.urandom(4)
|
||
n = len(payload)
|
||
if n < 126:
|
||
header += bytes([0x80 | n])
|
||
elif n < 65536:
|
||
header += bytes([0x80 | 126]) + struct.pack(">H", n)
|
||
else:
|
||
header += bytes([0x80 | 127]) + struct.pack(">Q", n)
|
||
masked = bytes(b ^ mask[i % 4] for i, b in enumerate(payload))
|
||
self.sock.sendall(header + mask + masked)
|
||
|
||
def send_json(self, obj):
|
||
self.send(0x1, json.dumps(obj).encode())
|
||
|
||
# ---- 接收 ----
|
||
def _read(self, n):
|
||
while len(self.buf) < n:
|
||
chunk = self.sock.recv(65536)
|
||
if not chunk:
|
||
raise RuntimeError("连接关闭")
|
||
self.buf += chunk
|
||
out, self.buf = self.buf[:n], self.buf[n:]
|
||
return out
|
||
|
||
def recv_frame(self):
|
||
b0, b1 = self._read(2)
|
||
opcode = b0 & 0x0F
|
||
ln = b1 & 0x7F
|
||
if ln == 126:
|
||
ln = struct.unpack(">H", self._read(2))[0]
|
||
elif ln == 127:
|
||
ln = struct.unpack(">Q", self._read(8))[0]
|
||
masked = b1 & 0x80
|
||
mask = self._read(4) if masked else None
|
||
payload = self._read(ln)
|
||
if mask:
|
||
payload = bytes(b ^ mask[i % 4] for i, b in enumerate(payload))
|
||
return opcode, payload
|
||
|
||
|
||
def main():
|
||
ap = argparse.ArgumentParser()
|
||
ap.add_argument("--host", default="127.0.0.1")
|
||
ap.add_argument("--port", type=int, default=9890)
|
||
ap.add_argument("--token", required=True, help="设备接入 token(config_remotedevice.ws_token)")
|
||
ap.add_argument("--id", default="pydev-1")
|
||
ap.add_argument("--kind", default="computer")
|
||
ap.add_argument("--caps", default="cmd")
|
||
ap.add_argument("--seconds", type=float, default=25)
|
||
ap.add_argument("--out", default="", help="收到 push 时写一行到此文件")
|
||
args = ap.parse_args()
|
||
|
||
ws = WS(args.host, args.port, "/api/v1/device/ws?token=" + args.token)
|
||
ws.send_json({"op": "hello", "device": {
|
||
"device_id": args.id, "name": "python 设备", "kind": args.kind,
|
||
"caps": [c for c in args.caps.split(",") if c],
|
||
}})
|
||
op, payload = ws.recv_frame()
|
||
ack = json.loads(payload)
|
||
print("[devclient] hello_ack:", ack, flush=True)
|
||
|
||
ws.send_json({"op": "bind", "device_id": args.id, "token": args.token})
|
||
op, payload = ws.recv_frame()
|
||
bind = json.loads(payload)
|
||
print("[devclient] bind_ack:", bind, flush=True)
|
||
if not bind.get("ok"):
|
||
raise SystemExit("bind 被拒: %s" % bind)
|
||
|
||
deadline = time.time() + args.seconds
|
||
ws.sock.settimeout(1.0)
|
||
while time.time() < deadline:
|
||
try:
|
||
op, payload = ws.recv_frame()
|
||
except socket.timeout:
|
||
continue
|
||
except Exception as e: # 服务端关闭
|
||
print("[devclient] 连接结束:", e, flush=True)
|
||
break
|
||
if op == 0x9: # ping → pong
|
||
ws.send(0xA, payload)
|
||
continue
|
||
if op == 0x2:
|
||
print("[devclient] 收到二进制帧 %d 字节" % len(payload), flush=True)
|
||
continue
|
||
if op != 0x1:
|
||
continue
|
||
try:
|
||
m = json.loads(payload)
|
||
except Exception:
|
||
print("[devclient] 非 JSON 帧:", payload[:120], flush=True)
|
||
continue
|
||
print("[devclient] 收到帧:", json.dumps(m, ensure_ascii=False)[:300], flush=True)
|
||
if m.get("op") == "push" and args.out:
|
||
with open(args.out, "a") as f:
|
||
f.write(json.dumps(m, ensure_ascii=False) + "\n")
|
||
print("[devclient] ✅ 收到 push(agent → 设备链路通)", flush=True)
|
||
|
||
|
||
if __name__ == "__main__":
|
||
main()
|