AI-Native Code Agent Service

一个极简、AI原生化的代码助手服务，提供Rust API和HTTP REST接口，可集成到任何应用中。

🎯 项目特点

• 🏗️ 服务架构: 可作为独立服务运行，提供标准API接口
• 🤖 AI原生: 从底层为AI自主性而构建，最大化AI能力
• 🔗 双接口: 提供Rust API和HTTP REST API两种使用方式
• ⚡ 高性能: 支持并发任务执行和实时监控
• 🛠️ 工具集成: 安全的文件操作、命令执行等工具系统
• 📊 监控完备: 内置指标收集和健康检查
• 🐳 容器化: 支持Docker部署和Kubernetes集群
• 🔒 企业级: 支持认证、限流、CORS等企业特性

🚀 快速开始

环境要求

• Rust 1.70+
• 配置的AI模型API密钥（Zhipu GLM-4、OpenAI GPT-4等）

方式一：命令行工具

# 克隆项目
git clone https://github.com/lipish/code-agent.git
cd code-agent

# 配置API密钥
cp .env.example .env
# 编辑 .env 文件，添加你的API密钥

# 运行CLI
cargo run -- task "分析这个项目并创建摘要"

方式二：HTTP服务

# 启动HTTP服务
cargo run --bin ai-agent-server

# 在另一个终端测试
curl -X POST http://localhost:8080/api/v1/tasks \
  -H "Content-Type: application/json" \
  -d '{"task": "Hello, AI Agent!"}'

方式三：Docker部署

# 使用Docker Compose启动完整服务栈
cd examples
docker-compose up -d

# 访问服务
curl http://localhost:8080/health

📋 使用方式

1. Rust API 集成

use ai_agent::{
    service::{AiAgentService, ServiceConfig, AiAgentClient, ApiClientBuilder},
    config::AgentConfig
};
use std::sync::Arc;

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    // 创建服务实例
    let service = Arc::new(AiAgentService::new(
        ServiceConfig::default(),
        AgentConfig::load_with_fallback("config.toml")?
    ).await?);

    // 创建客户端
    let client = AiAgentClient::new(ApiClientBuilder::in_process(service));

    // 执行任务
    let response = client.execute_simple_task("创建一个Hello World程序").await?;
    println!("结果: {}", response.result.unwrap().summary);

    Ok(())
}

2. HTTP REST API

# 执行任务
curl -X POST http://localhost:8080/api/v1/tasks \
  -H "Content-Type: application/json" \
  -d '{
    "task": "读取README.md文件并总结内容",
    "priority": "high"
  }'

# 批量执行任务
curl -X POST http://localhost:8080/api/v1/tasks/batch \
  -H "Content-Type: application/json" \
  -d '{
    "tasks": [
      {"task": "任务1"},
      {"task": "任务2"}
    ],
    "mode": "parallel"
  }'

# 获取任务状态
curl http://localhost:8080/api/v1/tasks/{task_id}

# 获取服务状态
curl http://localhost:8080/api/v1/status

# 获取指标
curl http://localhost:8080/api/v1/metrics

3. 命令行工具

# 基本用法
cargo run -- task "你的任务描述"

# 交互模式
cargo run -- interactive

# 详细输出
cargo run -- task "任务" --output verbose

# JSON输出
cargo run -- task "任务" --output json

🔧 配置

基本配置 (config.toml)

[model]
provider = "zhipu"  # zhipu, openai, anthropic, local
model_name = "glm-4"
api_key = "your-api-key"
max_tokens = 4000
temperature = 0.7

[execution]
max_steps = 10
max_retries = 3
retry_delay_seconds = 1
timeout_seconds = 300

[tools]
enable_file_operations = true
enable_command_execution = true
working_directory = "."
allowed_paths = [".", "./src"]
forbidden_commands = ["rm -rf", "format", "fdisk"]

[service]
max_concurrent_tasks = 10
default_task_timeout = 300
enable_metrics = true
log_level = "info"

[service.cors]
allowed_origins = ["*"]
allowed_methods = ["GET", "POST", "DELETE"]
allowed_headers = ["*"]
allow_credentials = false

[service.rate_limiting]
requests_per_minute = 60
burst_size = 10

环境变量

# 服务配置
AI_AGENT_MAX_CONCURRENT_TASKS=10
AI_AGENT_DEFAULT_TASK_TIMEOUT=300
AI_AGENT_ENABLE_METRICS=true
AI_AGENT_LOG_LEVEL=info

# 服务器配置
BIND_ADDRESS=0.0.0.0:8080

# AI模型配置
AI_AGENT_MODEL_PROVIDER=zhipu
AI_AGENT_MODEL_NAME=glm-4
AI_AGENT_API_KEY=your-api-key

# CORS配置
AI_AGENT_CORS_ALLOWED_ORIGINS=*

📊 API 文档

核心 API 端点

任务请求格式

{
  "task": "任务描述",
  "task_id": "可选的自定义ID",
  "context": {
    "working_directory": "/path/to/dir",
    "environment": {"VAR": "value"},
    "tools": ["read_file", "write_file"],
    "constraints": {
      "max_execution_time": 300,
      "max_steps": 10,
      "allowed_paths": ["/safe/path"]
    }
  },
  "priority": "low|normal|high|critical",
  "metadata": {"key": "value"}
}

任务响应格式

{
  "task_id": "uuid",
  "status": "completed",
  "result": {
    "success": true,
    "summary": "任务摘要",
    "details": "详细结果",
    "artifacts": [],
    "execution_time": 30
  },
  "plan": {
    "understanding": "AI对任务的理解",
    "approach": "AI的解决方法",
    "complexity": "simple|moderate|complex",
    "estimated_steps": 3,
    "requirements": ["tool1", "tool2"]
  },
  "steps": [...],
  "metrics": {...}
}

🐳 Docker 部署

基础部署

# 构建镜像
docker build -t ai-agent-service .

# 运行容器
docker run -p 8080:8080 \
  -e AI_AGENT_API_KEY=your-api-key \
  ai-agent-service

Docker Compose

# 启动完整服务栈（包含监控）
cd examples
docker-compose up -d

# 查看服务状态
docker-compose ps

# 查看日志
docker-compose logs -f ai-agent-service

Kubernetes

apiVersion: apps/v1
kind: Deployment
metadata:
  name: ai-agent-service
spec:
  replicas: 3
  selector:
    matchLabels:
      app: ai-agent-service
  template:
    metadata:
      labels:
        app: ai-agent-service
    spec:
      containers:
      - name: ai-agent
        image: ai-agent-service:latest
        ports:
        - containerPort: 8080
        env:
        - name: AI_AGENT_API_KEY
          valueFrom:
            secretKeyRef:
              name: ai-agent-secrets
              key: api-key
        resources:
          requests:
            memory: "256Mi"
            cpu: "250m"
          limits:
            memory: "512Mi"
            cpu: "500m"
---
apiVersion: v1
kind: Service
metadata:
  name: ai-agent-service
spec:
  selector:
    app: ai-agent-service
  ports:
  - port: 80
    targetPort: 8080
  type: ClusterIP

📈 监控和指标

Prometheus 指标

服务在 /metrics 端点导出Prometheus指标：

• ai_agent_requests_total - API请求总数
• ai_agent_request_duration_seconds - 请求耗时分布
• ai_agent_tasks_total - 处理任务总数
• ai_agent_tasks_completed_total - 完成任务数
• ai_agent_tasks_failed_total - 失败任务数
• ai_agent_active_tasks - 当前活跃任务数
• ai_agent_cpu_usage_percent - CPU使用率
• ai_agent_memory_usage_mb - 内存使用量

Grafana 仪表板

使用提供的Docker Compose配置可以启动完整的监控栈：

• Grafana: http://localhost:3000 (admin/admin)
• Prometheus: http://localhost:9090

🧪 测试

单元测试

cargo test

集成测试

cd examples
cargo run --example rust_client
cargo run --example http_client
cargo run --example in_process_service

负载测试

# 安装hey
go install github.com/rakyll/hey@latest

# 负载测试
hey -n 1000 -c 50 \
  -H "Content-Type: application/json" \
  -d '{"task": "测试任务"}' \
  http://localhost:8080/api/v1/tasks

🏗️ 架构

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   Rust Client   │    │  HTTP Client    │    │  Other Clients  │
└─────────┬───────┘    └─────────┬───────┘    └─────────┬───────┘
          │                      │                      │
          └──────────────────────┼──────────────────────┘
                                 │
                    ┌─────────────┴─────────────┐
                    │    AI Agent Service     │
                    │  (Core Business Logic)  │
                    └─────────────┬─────────────┘
                                 │
          ┌──────────────────────┼──────────────────────┘
          │                      │                      │
    ┌─────┴─────┐        ┌──────┴───────┐        ┌──────┴─────┐
    │  Models   │        │   Tools     │        │  Metrics   │
    │ (Zhipu,   │        │ (File Ops,  │        │ (Prometheus│
    │ OpenAI,   │        │ Commands,  │        │  Export)   │
    │ etc.)     │        │ etc.)       │        │            │
    └───────────┘        └─────────────┘        └────────────┘

🔒 安全性

认证和授权

• API密钥认证
• 请求速率限制
• CORS配置
• 权限控制

执行安全

• 沙箱文件访问
• 危险命令过滤
• 超时保护
• 资源限制

🤝 贡献

欢迎贡献！请查看 CONTRIBUTING.md 了解详情。

📚 文档

• API文档 - 详细的API参考
• 系统设计 - 架构设计文档
• 部署指南 - 生产部署指南
• 示例代码 - 完整使用示例

📄 许可证

MIT License - 详见 LICENSE 文件

🔗 相关链接

• GitHub仓库
• Docker Hub
• API文档

AI-Native Code Agent Service - 让AI能力轻松集成到任何应用中。