JianFeeeee
b53afd4523
「部署脚本跑过了」不等于「线上跑的是当前代码」。三种各自独立的漂移，谁都不会
在意，直到出问题时才发现线上是几天前的行为：
1. 仓库改了、快照没重新部署（快照是独立副本）
2. **软链切了、进程没重启** —— `current` 只是个符号链接，切换它不会重载
已在跑的进程，进程持有的是启动那一刻加载进内存的代码
3. 单元/配置改了、没 daemon-reload 或没重装
`node deploy/check-deploy-drift.mjs`（`--self-check` / `--json`）把三件事变成
可判定的：逐字节比内容（**不用 diff** —— 本机 PATH 上那个是鸿蒙工具链里的，
对内容不同的文件仍返回 0）、读进程真实 argv、比进程启动时刻与软链切换时刻。
## 判据必须按宿主真实的加载方式分开写（这是踩出来的）
第一版对四个宿主用同一套判据（「单元 ExecStart 指向 current」+「进程 argv 里有
快照路径」），结果 **opencode 与 dsh 双双假红**：它们的插件由**宿主进程**加载，
argv 里永远只有宿主自己的可执行文件。永假条件在检查器里表现为「稳定的红灯」，
人会学会忽略它。
| 宿主 | 谁加载 | 从哪里读 | 切换后要重启吗 |
|---|---|---|---|
| pi / zcode | 自己的进程 | unit 的 ExecStart | 要（启动时加载） |
| dsh | dsh 宿主 | profile `link:` → `node_modules` 软链 | 要（服务启动时） |
| opencode | opencode 宿主 | `opencode.jsonc` 的 `plugin:` | 不要（会话创建时惰加载） |
## 判据自检也修了一次
第一版自检「宿主表：运行时加载的宿主必须标记需要重启」写的是
`h.restartOnSwitch !== false`，而 `undefined` 也被放过 —— 于是 pi/zcode 的
`restartOnSwitch` 缺省成 undefined、落进「惰加载」分支、判据**永真**。
现在这条判据抽成纯函数 `judgeRestart`，自检用**行为用例**盖住：
旧进程 + 启动时加载的宿主必须判红、惰加载的宿主不判红、切换后启动的一律放行、
读不到启动时刻时不据此判红、容差内不判红。
## 扰动实验（在真实对象上证明判据会红）
- 改一个仓库运行文件 → pi 的「① 运行文件与仓库一致」变红，恢复即绿 ✓
- 只把 pi 的软链 mtime 拨到刚刚（模拟「切了没重启」）→ 「④」变红并指出原因 ✓
- 把 dsh 与 opencode 的软链都拨动 → **dsh 红、opencode 绿**（惰加载该保持绿）✓
全部拨动均已在实验后还原并复核为绿。
## 当前结论
四个宿主都在跑当前代码（pi/opencode/dsh 的快照自 11:45 起未变，其间无提交
动过它们的运行文件；zcode 是 18:57 的快照）。「三桥加载规范化」的切换本身
早已完成，缺的是这条可复跑的判据 —— 补齐了。
另外修了 `redeploy-plugin.sh` 的一个静默问题：`usage()` 按**行号范围**截取头部
注释（`sed -n '2,40p'`），我这次的注释把退出码那段挤到 40 行之后，`--help`
就少了半页。已同步范围并就地记下这个陷阱。
321 lines
15 KiB
Bash
Executable File
321 lines
15 KiB
Bash
Executable File
#!/usr/bin/env bash
|
||
#
|
||
# 把 JS 桥插件部署成**仓库外的快照**，并原子切换 —— 替代「让生产直接跑仓库工作区」。
|
||
#
|
||
# # 为什么必须有这个脚本
|
||
#
|
||
# 在此之前的实际形态（实测）：
|
||
#
|
||
# pi systemd: ExecStart=node /home/program/agentmail/plugins/pi-mail-bridge/src/index.mjs
|
||
# opencode opencode.jsonc: "file:///home/program/agentmail/plugins/opencode-mail-bridge"
|
||
# dsh profiles/web/package.json: "dsh-mail-bridge": "link:/home/program/.../dsh-mail-bridge"
|
||
#
|
||
# 三个桥跑的都是**仓库工作区**。于是：
|
||
#
|
||
# - 一次编辑 + 重启 = 上线，没有构建、没有评审、没有版本；
|
||
# - 没有回滚目标：网关有 `.bak-<时间戳>`，三个桥一个都没有；
|
||
# - `git checkout` / `git stash` / 半成品编辑会**静默**改变线上行为；
|
||
# - 仓库同时兼作构建目录（`dist/`、`node_modules/` 都在里面）。
|
||
#
|
||
# 对照：homeagent 插件本来就是这个规范形态（跑的是
|
||
# `/home/newqqagent/plugins/homeagent-mail-bridge/plugin.bin` 部署副本），
|
||
# 所以这里做的不是发明新办法，而是把已有的那个形态推广到三个 JS 桥。
|
||
#
|
||
# # 纪律（与 redeploy-gateway.sh 同一套）
|
||
#
|
||
# 1 前置断言 → 2 staging 拷贝 → 3 门禁（语法/构建）→ 4 原子切换
|
||
# → 5 重启 → 6 后置验证（服务 active **且** 桥日志出现「已接入」）
|
||
# → 任一步失败即切回 .prev 并重启
|
||
#
|
||
# # 事后自查：`deploy/check-deploy-drift.mjs`
|
||
#
|
||
# 这个脚本管的是「这一刻切没切对」；那份快照**过一段时间之后**是否还等于
|
||
# 仓库 HEAD、以及进程是否真的在跑那份代码，是另一个问题，需要另一个检查：
|
||
#
|
||
# node deploy/check-deploy-drift.mjs # 四个宿主一起看
|
||
# node deploy/check-deploy-drift.mjs --self-check # 先证明判据能发现差异
|
||
#
|
||
# 它把三种**各自独立**的漂移变成可判定的：仓库改了没重部署；软链切了没重启
|
||
# （`current` 只是个符号链接，切换它**不会**重载已在跑的进程）；单元/配置改了
|
||
# 没 daemon-reload 或没重装。四种宿主的插件加载方式不同，判据也按各自的来
|
||
# （自有进程看 argv，dsh 看 node_modules 软链，opencode 惰加载不强制重启）。
|
||
#
|
||
# 退出码: 0=成功 1=失败或验证不过（已尝试回滚） 2=参数/环境问题
|
||
#
|
||
set -uo pipefail
|
||
|
||
REPO=${REPO:-/home/program/agentmail}
|
||
GATEWAY_DB=${GATEWAY_DB:-/opt/agentmail/data/agentmail.db}
|
||
DEST_ROOT=${DEST_ROOT:-/opt/agentmail/plugins}
|
||
STAGE_ONLY=0
|
||
PLUGIN=""
|
||
|
||
# 头部注释的**行号范围**用来当 usage：改注释时必须同步上下文，
|
||
# 否则 `--help` 会默默截断（不报错，只是少一段）——这本身就是个静默漂移。
|
||
usage() { sed -n '2,44p' "$0"; }
|
||
|
||
for arg in "$@"; do
|
||
case "$arg" in
|
||
-h|--help) usage; exit 0 ;;
|
||
--stage-only) STAGE_ONLY=1 ;;
|
||
pi|opencode|dsh|zcode) PLUGIN="$arg" ;;
|
||
*) echo "未知参数: $arg" >&2; exit 2 ;;
|
||
esac
|
||
done
|
||
[ -n "$PLUGIN" ] || { echo "用法: $0 <pi|opencode|dsh|zcode> [--stage-only]" >&2; exit 2; }
|
||
|
||
say() { printf '\n=== %s\n' "$*"; }
|
||
ok() { printf ' [ OK ] %s\n' "$*"; }
|
||
bad() { printf ' [FAIL] %s\n' "$*"; }
|
||
warn() { printf ' [WARN] %s\n' "$*"; }
|
||
info() { printf ' %s\n' "$*"; }
|
||
|
||
TS=$(date +%Y%m%d-%H%M%S)
|
||
SRC="$REPO/plugins/$PLUGIN-mail-bridge"
|
||
DEST="$DEST_ROOT/$PLUGIN-mail-bridge"
|
||
SNAP="$DEST/$TS"
|
||
STAGING="$DEST/.$TS.staging"
|
||
|
||
# 每个桥的差异集中在这张表里：入口、宿主、构建需求。
|
||
#
|
||
# HOST 决定「切换之后拿什么判活」，两者完全不同：
|
||
# systemd → 重启单元 + 看网关库里有没有新心跳
|
||
# zcode → **没有我们的单元可重启**：ZCode 是宿主，它在会话开始时读
|
||
# `plugins.dirs`。于是判活改成「从快照起 MCP 服务器并走一遍握手」——
|
||
# 这与「宿主加载插件」走的是同一份入口代码。
|
||
case "$PLUGIN" in
|
||
pi) ENTRY="src/index.mjs"; UNIT="pi-mail-bridge"; HOST="systemd"; NEEDS_BUILD=0 ;;
|
||
opencode) ENTRY="index.js"; UNIT="opencode-serve"; HOST="systemd"; NEEDS_BUILD=0 ;;
|
||
dsh) ENTRY="dist/index.js"; UNIT="dsh"; HOST="systemd"; NEEDS_BUILD=1 ;;
|
||
zcode) ENTRY="src/index.mjs"; UNIT=""; HOST="zcode"; NEEDS_BUILD=0 ;;
|
||
esac
|
||
|
||
say "部署 $PLUGIN-mail-bridge → $SNAP"
|
||
|
||
# ── 1. 前置断言 ────────────────────────────────────────────────
|
||
[ -d "$SRC" ] || { bad "源目录不存在: $SRC"; exit 2; }
|
||
[ -f "$SRC/package.json" ] || { bad "缺少 package.json: $SRC"; exit 2; }
|
||
if [ "$HOST" = "systemd" ]; then
|
||
command -v systemctl >/dev/null 2>&1 || { bad "缺少 systemctl"; exit 2; }
|
||
[ -f "$GATEWAY_DB" ] || { bad "找不到网关库 $GATEWAY_DB（无法验证桥是否连上）"; exit 2; }
|
||
if ! systemctl cat "$UNIT" >/dev/null 2>&1; then
|
||
bad "找不到 systemd 单元 $UNIT（插件要先有一个运行宿主才能谈部署）"; exit 2
|
||
fi
|
||
else
|
||
# zcode 的宿主是应用本身：要能跑 CLI 才能自查「插件被发现了吗」。
|
||
ZCODE_CLI=${ZCODE_CLI:-/opt/ZCode/resources/glm/zcode.cjs}
|
||
[ -f "$ZCODE_CLI" ] || { bad "找不到 ZCode CLI: $ZCODE_CLI"; exit 2; }
|
||
command -v node >/dev/null 2>&1 || { bad "缺少 node"; exit 2; }
|
||
fi
|
||
|
||
if [ "$NEEDS_BUILD" = 1 ]; then
|
||
[ -f "$SRC/tsconfig.json" ] || { bad "dsh 需要 tsconfig.json 才能构建"; exit 2; }
|
||
command -v npx >/dev/null 2>&1 || { bad "缺少 npx，无法构建 dsh 插件"; exit 2; }
|
||
fi
|
||
|
||
# ── 3. staging 拷贝（仓库外的快照）──────────────────────────────
|
||
mkdir -p "$DEST"
|
||
rm -rf "$STAGING"
|
||
mkdir -p "$STAGING"
|
||
|
||
# 整包复制，再剔除开发用目录。
|
||
#
|
||
# **不能白名单列出要拷什么。** 第一版白名单是 `package.json lib src index.js dist`，
|
||
# 漏掉了 dsh 的 `cordis.patch.yml`（dsh 读它做 overlay 配置）。后果不是"少个文件"
|
||
# 而是**服务起不来**，而且只在重启那一刻才暴露：
|
||
#
|
||
# Error: dsh: failed to read overlay .../dsh-mail-bridge/cordis.patch.yml: ENOENT
|
||
#
|
||
# 白名单的失败模式天生如此：漏一个就等着启动时炸，而启动时旧版本已经被换掉了。
|
||
# 黑名单反过来 —— 默认带走，只排除明确不需要的。
|
||
cp -a "$SRC/." "$STAGING/"
|
||
rm -rf "$STAGING/test" "$STAGING/.git" "$STAGING/node_modules/.cache" \
|
||
"$STAGING/.DS_Store" "$STAGING/dist.old" 2>/dev/null
|
||
find "$STAGING" -maxdepth 1 -name '*.log' -delete 2>/dev/null
|
||
# 依赖必须进快照：仓库外没有 node_modules 可借，缺了它入口根本起不来。
|
||
if [ -d "$SRC/node_modules" ]; then
|
||
cp -a "$SRC/node_modules" "$STAGING/"
|
||
ok "已拷入 node_modules（生产不借用仓库的依赖）"
|
||
else
|
||
warn "源目录没有 node_modules —— 若入口依赖外部包，启动时会失败"
|
||
fi
|
||
|
||
# 需要编译的插件：**产出到 staging**，不写仓库里的 dist/。
|
||
#
|
||
# 先在仓库里构建再拷贝会有两个问题：一是失败的构建也会 emit（tsc 默认
|
||
# noEmitOnError=false），于是仓库的 dist/ 被半成品覆盖；二是生产产物与
|
||
# 工作区之间多了一条看不见的耦合。
|
||
if [ "$NEEDS_BUILD" = 1 ]; then
|
||
if ( cd "$SRC" && TMPDIR=${TMPDIR:-/tmp} npx tsc -p tsconfig.json --outDir "$STAGING/dist" >/tmp/"$PLUGIN"-tsc.log 2>&1 ); then
|
||
ok "tsc 构建完成（产出到 staging）"
|
||
else
|
||
bad "tsc 构建失败（见 /tmp/$PLUGIN-tsc.log）："
|
||
sed 's/^/ /' /tmp/"$PLUGIN"-tsc.log | head -8 >&2
|
||
rm -rf "$STAGING"; exit 1
|
||
fi
|
||
fi
|
||
|
||
[ -f "$STAGING/$ENTRY" ] || { bad "staging 里没有入口 $ENTRY"; rm -rf "$STAGING"; exit 1; }
|
||
ok "staging 就绪: $STAGING"
|
||
|
||
# ── 4. 门禁：语法检查（不启动服务，因此不会碰生产）────────────
|
||
if node --check "$STAGING/$ENTRY" 2>/tmp/"$PLUGIN"-check.log; then
|
||
ok "入口语法检查通过（$ENTRY）"
|
||
else
|
||
bad "入口语法检查失败："; sed 's/^/ /' /tmp/"$PLUGIN"-check.log >&2
|
||
rm -rf "$STAGING"; exit 1
|
||
fi
|
||
|
||
# 逐个解析入口的 import 图，确认快照自足。
|
||
#
|
||
# **不能只比对 package.json 的 dependencies**：pi 的 dependencies 是 `{}`，
|
||
# 而它 import 了 `@earendil-works/pi-coding-agent` —— 声明是假的。只查声明
|
||
# 等于空跑，而漏掉的代价出现在最糟的时刻（current 已切、服务重启、插件起不来，
|
||
# 旧版本已被换掉）。
|
||
if ! node "$REPO/deploy/check-plugin-snapshot.mjs" "$STAGING" "$ENTRY" 2>&1 | sed 's/^/ /'; then
|
||
bad "快照不自足（缺依赖），销毁 staging 且不切换"
|
||
rm -rf "$STAGING"
|
||
exit 1
|
||
fi
|
||
ok "快照自足（入口的 import 图全部可解析）"
|
||
|
||
if [ "$STAGE_ONLY" = 1 ]; then
|
||
# 干跑：把快照留在 .staging，**不切 current、不重启**。
|
||
say "干跑结束（--stage-only）"
|
||
info "快照留在: $STAGING"
|
||
info "未做: 原子切换${UNIT:+ / 重启 $UNIT} / 后置验证"
|
||
info "要真部署：$0 $PLUGIN"
|
||
exit 0
|
||
fi
|
||
|
||
# ── 5. 原子切换 ────────────────────────────────────────────────
|
||
PREV=""
|
||
[ -L "$DEST/current" ] && PREV=$(basename "$(readlink -f "$DEST/current")")
|
||
|
||
mv "$STAGING" "$SNAP" || { bad "staging → 快照 移动失败"; exit 1; }
|
||
ln -sfn "$TS" "$DEST/current"
|
||
ok "current → $TS${PREV:+（上一版 $PREV）}"
|
||
|
||
rollback() {
|
||
if [ -n "$PREV" ] && [ -d "$DEST/$PREV" ]; then
|
||
ln -sfn "$PREV" "$DEST/current"
|
||
[ -n "$UNIT" ] && systemctl restart "$UNIT" >/dev/null 2>&1
|
||
warn "已回滚到 $PREV${UNIT:+ 并重启 $UNIT}"
|
||
else
|
||
warn "无上一版可回滚（这是首次部署）—— 请手工处理"
|
||
fi
|
||
}
|
||
|
||
# ── 5b. zcode：宿主不是我们的 unit，判活方式不同 ──────────────
|
||
# 判据：**从快照里起一次 MCP 服务器并走完握手**。
|
||
# 这与 ZCode 加载插件走的是同一份入口代码，所以能发现「快照缺文件」
|
||
# 「相对导入断了」「清单被改坏」这类只有加载时才暴露的问题。
|
||
# 检查系统 MCP 握手（stdin 进、stdout 出），返回响应里的 name 字段个数（失败回声 0）。
|
||
#
|
||
# 计数必须用 `grep -o | wc -l`（数**次数**），不能用 `grep -c`（数**行**）：
|
||
# 每一条响应只占一行，tools/list 的 11 个工具名全在同一行里，
|
||
# 用 -c 会得到 2（就那么两行），于是好快照也会被判失败（实测踩过）。
|
||
# 期望值：11 个工具 + initialize 里的 serverInfo.name = 12。
|
||
mcp_handshake() {
|
||
local root="$1"
|
||
printf '%s\n' \
|
||
'{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05"}}' \
|
||
'{"jsonrpc":"2.0","id":2,"method":"tools/list"}' \
|
||
| AGENTMAIL_AGENT_NAME=probe timeout 30 node "$root/mcp/server.mjs" 2>/dev/null \
|
||
| grep -o '"name":"' | wc -l | tr -d ' ' || true
|
||
}
|
||
MIN_NAMES=11
|
||
|
||
if [ "$HOST" = "zcode" ]; then
|
||
say "后置验证（zcode：宿主是应用，不能重启它）"
|
||
TOOLS=$(mcp_handshake "$DEST/current")
|
||
if [ "${TOOLS:-0}" -ge "$MIN_NAMES" ]; then
|
||
ok "从快照起的 MCP 服务器握手成功，报出 $TOOLS 个 name 字段"
|
||
else
|
||
bad "快照里的 MCP 服务器握手失败（只报出 ${TOOLS:-0} 个 name 字段，期望 ≥ $MIN_NAMES）"
|
||
rollback
|
||
exit 1
|
||
fi
|
||
# 反向对照：握手判据必须能发现坏快照，否则「全绿」没有意义。
|
||
if [ "$(mcp_handshake "$DEST/__definitely_missing__")" -ge "$MIN_NAMES" ]; then
|
||
bad "握手判据无法发现坏路径 —— 判据本身失效，拒绝通过"
|
||
rollback
|
||
exit 1
|
||
fi
|
||
ok "握手判据自检通过（坏路径能被发现）"
|
||
|
||
# ZCode 从 plugins.dirs 发现插件；没有指向 current 就还没真的切换。
|
||
LIST=$(timeout 60 node "$ZCODE_CLI" plugins list 2>/dev/null || true)
|
||
if printf '%s' "$LIST" | grep -q "agentmail@inline"; then
|
||
WHERE=$(printf '%s' "$LIST" | grep -A 1 'agentmail@inline' | grep -o '/opt/[^ ]*' | head -1)
|
||
if [ "$WHERE" = "$DEST/current" ]; then
|
||
ok "ZCode 已从快照发现插件（$WHERE）"
|
||
else
|
||
warn "ZCode 已发现 agentmail，但路径是 $WHERE（不是 $DEST/current）"
|
||
info "改这一处即可：~/.zcode/cli/config.json 的 plugins.dirs"
|
||
info " \"dirs\": [\"$DEST/current\"]"
|
||
info "改完要让 ZCode 重新读取（它会话开始时读；重启应用最保险）"
|
||
fi
|
||
else
|
||
warn "ZCode 还没发现 agentmail 插件（plugins.dirs 尚未指向 current？）"
|
||
info " \"dirs\": [\"$DEST/current\"]"
|
||
fi
|
||
|
||
say "结论: 快照已切换"
|
||
info "运行路径: $DEST/current/$ENTRY"
|
||
info "回滚命令: ln -sfn '${PREV:-$TS}' '$DEST/current'"
|
||
exit 0
|
||
fi
|
||
|
||
# ── 6. 重启 + 后置验证 ─────────────────────────────────────────
|
||
# 记下重启时刻，后面用「网关库里的 last_seen 是否比它新」判断桥真的连上了。
|
||
# **必须用 UTC。** `agents.last_seen` 是 UTC（SQLite 的 CURRENT_TIMESTAMP 语义），
|
||
# 而 `date` 默认给本地时间。拿本地时间（如 11:44）去比 UTC 值（03:44）会**永远为假**，
|
||
# 于是每一次部署都被判成"桥没连上"并回滚 —— 判据写错会让门禁主动破坏生产。
|
||
RESTART_AT=$(date -u '+%Y-%m-%d %H:%M:%S')
|
||
systemctl restart "$UNIT" || { bad "重启 $UNIT 失败"; rollback; exit 1; }
|
||
|
||
# 存活判据分两层：
|
||
#
|
||
# 1. `systemctl is-active` —— 进程在不在。**不够**：桥可能进程活着却没连上
|
||
# Gateway（密钥过期、Gateway 未起、依赖在惰加载时才暴露）。
|
||
# 2. **网关库里 `last_seen` 是否比重启时刻新** —— 平台无关，且是真的端到端
|
||
# （桥 → 心跳 → 服务端落库）。这一条替代了第一版的「日志出现『已接入』」：
|
||
# 那句话只有 **pi 与 opencode** 会打印，dsh 启动时只输出
|
||
# `dsh web: http://127.0.0.1:3080` —— 照那个判据，**一次成功的 dsh 部署
|
||
# 会被判成失败并回滚**（实测就是这么把 dsh 弄进崩溃循环的：回滚到缺
|
||
# cordis.patch.yml 的坏快照）。
|
||
#
|
||
# 教训：判据里不要写某一个平台特有的措辞。
|
||
command -v sqlite3 >/dev/null 2>&1 || { bad "缺少 sqlite3，无法验证桥是否连上网关"; rollback; exit 1; }
|
||
DEADLINE=$(( $(date +%s) + 90 ))
|
||
HEARTBEAT=0
|
||
while [ "$(date +%s)" -lt "$DEADLINE" ]; do
|
||
SEEN=$(sqlite3 "$GATEWAY_DB" \
|
||
"SELECT count(*) FROM agents WHERE agent_name='$PLUGIN' AND last_seen > '$RESTART_AT';" 2>/dev/null)
|
||
if [ "${SEEN:-0}" != "0" ]; then HEARTBEAT=1; break; fi
|
||
sleep 3
|
||
done
|
||
|
||
ACTIVE=$(systemctl is-active "$UNIT" 2>/dev/null)
|
||
|
||
say "后置验证"
|
||
[ "$ACTIVE" = active ] && ok "$UNIT 处于 active" || bad "$UNIT 状态为 $ACTIVE"
|
||
if [ "$HEARTBEAT" = 1 ]; then
|
||
ok "网关收到 $PLUGIN 的新心跳（last_seen 晚于重启时刻）—— 桥真的连上了"
|
||
else
|
||
bad "90 秒内网关未收到 $PLUGIN 的新心跳 —— 桥没连上（进程活着不等于连上了）"
|
||
info "诊断：journalctl -u $UNIT --since '-3 minutes' | tail -30"
|
||
fi
|
||
|
||
if [ "$ACTIVE" != active ] || [ "$HEARTBEAT" != 1 ]; then
|
||
say "结论: 验证不过 —— 回滚，不要「先上着再修」"
|
||
rollback
|
||
exit 1
|
||
fi
|
||
|
||
say "结论: 部署成功"
|
||
info "运行路径: $DEST/current/$ENTRY（仓库不再是生产代码）"
|
||
info "回滚命令: ln -sfn '${PREV:-$TS}' '$DEST/current' && systemctl restart $UNIT"
|
||
exit 0
|