Agent/agent/client.py

"""
Agent SDK 入口 —— 统一调用 remote / 本地 Agent 的公开 API。

使用方式（任何进程，只要装了 cyber-agent 包）：

    import asyncio
    from agent import invoke_agent

    # 远端（HTTP 调用 KnowHub 服务器）
    result = asyncio.run(invoke_agent(
        agent_type="remote_librarian",
        task="ControlNet 相关的工具知识",
        skills=["ask_strategy"],
    ))

    # 本地（在当前进程起 AgentRunner）
    result = asyncio.run(invoke_agent(
        agent_type="deconstruct",
        task="...",
        project_root="./examples/production_plan",
    ))

skill 脚本只需要 `from agent import invoke_agent` 然后透传命令行参数即可——
不依赖仓库相对路径，也不会触发 `agent.tools.builtin` 的 eager tool registry 加载。
"""

import importlib
import importlib.util
import logging
import os
import sys
from pathlib import Path
from typing import Any, Dict, List, Optional

logger = logging.getLogger(__name__)


async def invoke_agent(
    agent_type: str,
    task: str,
    skills: Optional[List[str]] = None,
    continue_from: Optional[str] = None,
    messages: Optional[List[Dict[str, Any]]] = None,
    project_root: Optional[str] = None,
) -> Dict[str, Any]:
    """
    统一调用远端或本地 Agent。

    Args:
        agent_type: Agent 类型。以 "remote_" 开头 → HTTP 调用 KnowHub；否则本地执行。
        task: 任务描述
        skills: 指定 skill 列表（远端由服务器白名单过滤；本地覆盖项目 RUN_CONFIG.skills）
        continue_from: 已有 sub_trace_id，传入则续跑
        messages: 预置 OpenAI 格式消息（远端 1D、本地 1D）
        project_root: 本地 agent 必填——项目目录（含 config.py / presets.json / tools/）

    Returns:
        {"mode", "agent_type", "sub_trace_id", "status", "summary", "stats", "error"?}
    """
    if agent_type.startswith("remote_"):
        # 懒 import，避免加载整个 tool registry（远端调用只需要 httpx）
        from agent.tools.builtin.subagent import _run_remote_agent
        return await _run_remote_agent(
            agent_type=agent_type,
            task=task,
            messages=messages,
            continue_from=continue_from,
            skills=skills,
        )

    if not project_root:
        return {
            "mode": "local",
            "agent_type": agent_type,
            "status": "failed",
            "error": "本地 agent 需要 project_root 指定项目目录（含 config.py）",
        }

    return await _run_local_agent(
        agent_type=agent_type,
        task=task,
        skills=skills,
        continue_from=continue_from,
        messages=messages,
        project_root=project_root,
    )


async def _run_local_agent(
    agent_type: str,
    task: str,
    skills: Optional[List[str]],
    continue_from: Optional[str],
    messages: Optional[List[Dict[str, Any]]],
    project_root: str,
) -> Dict[str, Any]:
    """
    在当前进程中起 AgentRunner 跑本地 agent。

    项目目录约定：
      project_root/
      ├── config.py          # 必需：定义 RUN_CONFIG（RunConfig 实例），可选 SKILLS_DIR / TRACE_STORE_PATH
      ├── presets.json       # 可选：agent_type preset
      └── tools/             # 可选：项目自定义工具（有 __init__.py 则 import 触发 @tool 注册）

    .env 会自动从 project_root 或上两级目录查找并加载。
    """
    root = Path(project_root).resolve()
    if not root.is_dir():
        return {"mode": "local", "agent_type": agent_type, "status": "failed",
                "error": f"project_root 不存在: {root}"}

    # 1. 把项目根加入 sys.path（让 `import config` / `import tools` 能找到）
    if str(root) not in sys.path:
        sys.path.insert(0, str(root))

    # 2. 加载 .env：依次查项目根、两级父目录（兼容 monorepo）、cyber-agent 仓库根
    try:
        from dotenv import load_dotenv
        import agent as _agent_pkg
        agent_repo_root = Path(_agent_pkg.__file__).parent.parent
        for candidate in (
            root / ".env",
            root.parent / ".env",
            root.parent.parent / ".env",
            agent_repo_root / ".env",
        ):
            if candidate.exists():
                load_dotenv(candidate)
                break
    except ImportError:
        pass

    # 3. 加载项目 config
    config_path = root / "config.py"
    if not config_path.exists():
        return {"mode": "local", "agent_type": agent_type, "status": "failed",
                "error": f"缺少 {config_path}"}

    try:
        spec = importlib.util.spec_from_file_location("_project_config", config_path)
        cfg_mod = importlib.util.module_from_spec(spec)
        spec.loader.exec_module(cfg_mod)
    except Exception as e:
        return {"mode": "local", "agent_type": agent_type, "status": "failed",
                "error": f"加载 {config_path} 失败: {e}"}

    run_config = getattr(cfg_mod, "RUN_CONFIG", None)
    if run_config is None:
        return {"mode": "local", "agent_type": agent_type, "status": "failed",
                "error": f"{config_path} 未定义 RUN_CONFIG"}

    # 覆盖 agent_type / skills / continue_from
    run_config.agent_type = agent_type
    if skills is not None:
        run_config.skills = skills
    if continue_from:
        run_config.trace_id = continue_from

    # 4. 加载项目 presets.json（如果有）
    presets_path = root / "presets.json"
    if presets_path.exists():
        try:
            from agent.core.presets import load_presets_from_json
            load_presets_from_json(str(presets_path))
        except Exception as e:
            logger.warning(f"加载 presets.json 失败: {e}")

    # 5. 触发项目自定义工具注册（约定：project_root/tools/__init__.py）
    if (root / "tools" / "__init__.py").exists():
        try:
            importlib.import_module("tools")
        except Exception as e:
            logger.warning(f"加载 tools 包失败: {e}")

    # 6. 创建 AgentRunner
    from agent.core.runner import AgentRunner
    from agent.trace import FileSystemTraceStore
    from agent.llm import create_qwen_llm_call

    trace_store_path = getattr(cfg_mod, "TRACE_STORE_PATH", ".trace")
    skills_dir = getattr(cfg_mod, "SKILLS_DIR", "./skills")

    # 相对路径以 project_root 为基准
    if not os.path.isabs(trace_store_path):
        trace_store_path = str(root / trace_store_path)
    if not os.path.isabs(skills_dir):
        skills_dir = str(root / skills_dir)

    runner = AgentRunner(
        trace_store=FileSystemTraceStore(base_path=trace_store_path),
        llm_call=create_qwen_llm_call(model=run_config.model),
        skills_dir=skills_dir,
    )

    # 7. 构建消息
    msgs = list(messages) if messages else []
    msgs.append({"role": "user", "content": task})

    # 8. 运行
    try:
        result = await runner.run_result(messages=msgs, config=run_config)
    except Exception as e:
        logger.exception("本地 agent 运行失败")
        return {"mode": "local", "agent_type": agent_type, "status": "failed",
                "error": f"{type(e).__name__}: {e}"}

    return {
        "mode": "local",
        "agent_type": agent_type,
        "sub_trace_id": result.get("trace_id"),
        "status": result.get("status", "unknown"),
        "summary": result.get("summary", ""),
        "stats": result.get("stats", {}),
        "error": result.get("error"),
    }