@triggerlink/sdk 0.6.0 → 0.6.2

package/README.md

@@ -123,6 +123,7 @@ const researcher = createAgent({
   system: "You are a research assistant. Answer concisely.",
   tools: { search: searchKb },
   maxIterations: 10,                     // safety cap; the run fails when exceeded
+  maxOutputTokens: 1024,                 // per-LLM-call output token cap (optional)
 });
 
 const answerQuestion = createFunction(
@@ -179,6 +180,14 @@ Notes:
   persistence, e.g. to strip secrets or PII from memos. It must be deterministic and
   replay-safe — the memo is what the model sees of its own prior turns after a crash-resume:
   `redact: (output, ctx) => ...` with `ctx = { kind: "llm" | "tool", iteration, toolName? }`.
+- **`prepareMessages` hook** (optional): synchronous history transform applied before each
+  `generateText` call — the typical use is context compaction/trimming. The returned list
+  becomes the official history for later turns (and for `AgentResult.output`), while
+  `result.toolCalls` stays the complete record. It receives
+  `{ messages, iteration, previousUsage }` and must be pure and deterministic — it re-runs
+  on crash-resume replays — and must keep every assistant tool-call paired with its
+  tool-result (the SDK validates the returned list and throws otherwise):
+  `prepareMessages: ({ messages }) => messages.slice(-8)`.
 - **Constraints**: same as any function — a single LLM call must finish within the platform
   callback timeout (5 minutes by default); two different agents in one function must have
   different `name`s; changing the tool set or loop structure between retries of the same run

package/dist/agent.d.ts

@@ -37,6 +37,28 @@ export interface RedactCtx {
  * responseMessages）不得破坏，否则抛错（见 assertLlmMemoShape）。
  */
 export type RedactHook = (output: unknown, ctx: RedactCtx) => unknown;
+/** prepareMessages 钩子的上下文（§5.8）。 */
+export interface PrepareMessagesCtx {
+    /** 当前对话历史（本轮之前的全部 user/assistant/tool 消息） */
+    messages: readonly TextMessage[];
+    /** Agent 循环迭代号（0 起） */
+    iteration: number;
+    /** 上一轮 LLM 调用的 token 用量；首轮为 undefined */
+    previousUsage?: {
+        inputTokens?: number;
+        outputTokens?: number;
+    };
+}
+/**
+ * 调用前历史变换钩子：在每轮 generateText 之前同步调用，返回值替换对话历史——
+ * 既喂给本轮 LLM，也成为后续轮次的正式历史（典型用途：上下文压缩/裁剪）。
+ * 必须是纯函数：同步、不执行 I/O、确定（同输入同输出）——恢复重放时历史由 memo
+ * 重建后本钩子会重新应用，非确定性会使重建的历史漂移。只改消息内容，不改 step
+ * 序列，memo 键不受影响。返回的序列必须保持 assistant tool-call 与 tool-result
+ * 成组（每个 tool-call 有对应 tool-result，反之亦然），否则抛错
+ * （见 assertPreparedMessagesShape）。
+ */
+export type PrepareMessagesHook = (ctx: PrepareMessagesCtx) => TextMessage[];
 /** 单轮 LLM 调用的结果（lifecycle.onResponse 的入参）。 */
 export interface AgentIterationResult {
     /** 本轮 assistant 文本 */
@@ -76,6 +98,10 @@ export interface AgentOpts {
     tools?: Record<string, AgentTool<any, any>>;
     /** 迭代上限（一次迭代 = 一次 LLM 调用 + 其全部工具执行），默认 10；超限抛错使 run 失败 */
     maxIterations?: number;
+    /** 每次 LLM 调用的最大输出 token 数，透传给 generateText；不设则由模型/provider 决定 */
+    maxOutputTokens?: number;
+    /** 每轮 generateText 前的同步历史变换（§5.8）；返回值成为后续轮次的正式历史 */
+    prepareMessages?: PrepareMessagesHook;
     redact?: RedactHook;
     lifecycle?: AgentLifecycle;
 }
@@ -98,7 +124,8 @@ export interface AgentResult {
     /**
      * 完整对话历史（user 输入 + 各轮 assistant 消息 + 工具结果），字段名与 AgentKit
      * 的 result.output 对齐——可自行 findLastIndex 等遍历（元素含 role/content）。
-     * 恢复重放时由 memo 原样重建；启用 redact 时历史内容即脱敏后内容。
+     * 恢复重放时由 memo 原样重建；启用 redact 时历史内容即脱敏后内容；启用
+     * prepareMessages 时为裁剪后的正式历史（toolCalls 记录不受影响，始终完整）。
      */
     output: TextMessage[];
 }

package/dist/agent.js

@@ -52,6 +52,37 @@ function assertLlmMemoShape(m, name) {
         throw new Error(`agent "${name}": llm step memo has a damaged structure (must keep text/toolCalls/responseMessages/usage) — check the redact hook`);
     }
 }
+/**
+ * prepareMessages 返回值的结构校验（§5.8）：非空、角色合法、assistant tool-call 与
+ * tool-result 成组。坏历史会让下一轮 generateText 以更难懂的方式失败，此处 fail loud
+ * 并指名钩子。
+ */
+function assertPreparedMessagesShape(msgs, name) {
+    const bad = (why) => new Error(`agent "${name}": prepareMessages returned an invalid message list (${why})`);
+    if (!Array.isArray(msgs) || msgs.length === 0)
+        throw bad("must be a non-empty array");
+    const pending = new Set(); // 已出现、尚未配对 tool-result 的 tool-call id
+    for (const m of msgs) {
+        if (!m || (m.role !== "user" && m.role !== "assistant" && m.role !== "tool")) {
+            throw bad('roles must be "user" | "assistant" | "tool" (system lives in AgentOpts.system)');
+        }
+        if (!Array.isArray(m.content))
+            continue; // 字符串 content 无 parts，无可配对项
+        for (const p of m.content) {
+            if (m.role === "assistant" && p?.type === "tool-call" && typeof p.toolCallId === "string") {
+                pending.add(p.toolCallId);
+            }
+            if (m.role === "tool" && p?.type === "tool-result" && typeof p.toolCallId === "string") {
+                if (!pending.delete(p.toolCallId)) {
+                    throw bad(`tool-result "${p.toolCallId}" has no preceding assistant tool-call`);
+                }
+            }
+        }
+    }
+    if (pending.size > 0) {
+        throw bad(`assistant tool-call(s) without tool-result: ${[...pending].join(", ")}`);
+    }
+}
 // 同一函数调用（每次回调都是一个新 StepTool 实例）内 agent 名 → 实例的登记簿，
 // 用于拒绝两个不同 Agent 共用 name 造成的 memo 键前缀冲突（§5.2）。
 // 同一个 Agent 实例多次 run（如循环里）是合法的：ExecCtx 序号机制保证 memo 键确定。
@@ -67,6 +98,12 @@ export function createAgent(opts) {
     if (!Number.isInteger(maxIterations) || maxIterations < 1) {
         throw new Error("createAgent: maxIterations must be a positive integer");
     }
+    if (opts.maxOutputTokens !== undefined) {
+        if (!Number.isInteger(opts.maxOutputTokens) || opts.maxOutputTokens < 1) {
+            throw new Error("createAgent: maxOutputTokens must be a positive integer");
+        }
+    }
+    const maxOutputTokens = opts.maxOutputTokens;
     const toolDefs = opts.tools ?? {};
     // 以 schema-only 方式把工具交给 AI SDK（不传 execute）：
     // 模型的 tool call 原样返回不执行，"决策"与"执行"之间就是我们的 step 边界（§4.1）。
@@ -88,20 +125,31 @@ export function createAgent(opts) {
             }
             registry.set(agent.name, agent);
             const redact = opts.redact;
+            const prepareMessages = opts.prepareMessages;
             const llmStepId = `agent/${agent.name}`;
-            const messages = [{ role: "user", content: input }];
+            let messages = [{ role: "user", content: input }];
+            let prevUsage;
             const usage = { inputTokens: 0, outputTokens: 0 };
             const toolCalls = [];
             for (let i = 0;; i++) {
                 if (i >= maxIterations) {
                     throw new Error(`agent "${agent.name}": maxIterations (${maxIterations}) exceeded`);
                 }
+                // prepareMessages：同步、确定的调用前历史变换（§5.8）。在历史由 memo 重建之后、
+                // 本轮响应追加之前应用，因此恢复重放走同一代码路径并产出相同历史；
+                // 只改消息内容，不改 step 序列，memo 键不受影响。
+                if (prepareMessages) {
+                    const prepared = prepareMessages({ messages, iteration: i, previousUsage: prevUsage });
+                    assertPreparedMessagesShape(prepared, agent.name);
+                    messages = prepared;
+                }
                 const llmMemo = await step.run(llmStepId, async () => {
                     const res = await generateText({
                         model: opts.model,
                         system: opts.system,
                         messages,
                         tools: aiTools,
+                        maxOutputTokens,
                     });
                     const memo = {
                         text: res.text,
@@ -131,6 +179,7 @@ export function createAgent(opts) {
                 assertLlmMemoShape(llmMemo, agent.name); // memo 命中路径同样校验（防御脏数据）
                 usage.inputTokens += llmMemo.usage.inputTokens ?? 0;
                 usage.outputTokens += llmMemo.usage.outputTokens ?? 0;
+                prevUsage = llmMemo.usage; // memo 命中路径同样赋值：重放时 prepareMessages 入参一致
                 messages.push(...llmMemo.responseMessages);
                 if (llmMemo.toolCalls.length === 0) {
                     return { text: llmMemo.text, iterations: i + 1, usage, toolCalls, output: messages };

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@triggerlink/sdk",
-  "version": "0.6.0",
+  "version": "0.6.2",
   "description": "TriggerLink TypeScript SDK: durable, crash-recoverable functions for Next.js / Node.js",
   "keywords": [
     "triggerlink",