MailUI4Agents/deploy/redeploy-plugin.sh

#!/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
  # 宿主是 ZCode 应用（不能重启它），但**驱动是我们自己的 unit** —— 必须重启它。
  #
  # 只切软链不重启驱动的后果是**静默跑旧代码**：进程持有的是启动那一刻加载进内存的
  # 模块，`current` 指向哪对已启动的进程毫无影响。实测被 `check-deploy-drift.mjs`
  # 当场抓到（它比进程启动时刻与软链切换时刻），而那时所有其它检查都是绿的。
  if systemctl list-unit-files 2>/dev/null | grep -q '^zcode-mail-bridge.service'; then
    if systemctl is-active --quiet zcode-mail-bridge 2>/dev/null; then
      systemctl restart zcode-mail-bridge
      sleep 4
      if systemctl is-active --quiet zcode-mail-bridge; then
        ok "已重启驱动 zcode-mail-bridge（否则它仍在跑切换前的代码）"
      else
        bad "重启 zcode-mail-bridge 失败（服务未 active）"
        rollback
        exit 1
      fi
    else
      info "驱动 zcode-mail-bridge 未运行，跳过重启（需要时 systemctl start 它）"
    fi
  else
    info "未安装 zcode-mail-bridge.service，跳过重启"
  fi

  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