magic-agent 2.4.3 → 2.6.0

package/internal/cli/team.go

@@ -48,6 +48,11 @@ func runTeamAsk(cmd *cobra.Command, args []string, opts *askOptions) error {
 	if err != nil {
 		return &usageError{err}
 	}
+	/* 主备里的「备」：按同一套键合并进 routes（见 team.ApplyFallbacks）。
+	   主引擎那一对来自 --fallback-engine / --fallback-model（对所有跟随主引擎的类别生效）。 */
+	if routes, err = team.ApplyFallbacks(routes, opts.teamFallbacks); err != nil {
+		return &usageError{err}
+	}
 	if err := team.ValidateRoutes(routes); err != nil {
 		return &usageError{err}
 	}
@@ -59,14 +64,13 @@ func runTeamAsk(cmd *cobra.Command, args []string, opts *askOptions) error {
 	if err != nil {
 		return &usageError{err}
 	}
-	var teamPerm agent.PermissionTier
-	if raw := strings.TrimSpace(opts.teamPerm); raw != "" {
-		tier, ok := agent.ParsePermissionTier(raw)
-		if !ok {
-			return &usageError{fmt.Errorf("--team-permission 取值无效: %q（可选 %s）",
-				raw, strings.Join(agent.PermissionTiers(), " | "))}
-		}
-		teamPerm = tier
+	/* 子任务权限：默认**继承主会话**（req.Permission 由 prepareAsk 解析好，含默认 full）。
+	   显式给 --team-permission 时用它覆盖，用来把子任务压得比主会话更严。
+	   早前的固定默认 accept-edits 会让每个要跑命令的子任务卡在「等待授权」上 ——
+	   团队模式没有作答通道（子任务不共享上下文），只能干等到单任务超时。 */
+	teamPerm, err := teamPermission(req.Permission, opts.teamPerm)
+	if err != nil {
+		return &usageError{err}
 	}
 
 	stdout, stderr := cmd.OutOrStdout(), cmd.ErrOrStderr()
@@ -123,7 +127,12 @@ func runTeamAsk(cmd *cobra.Command, args []string, opts *askOptions) error {
 		defer cancelAll()
 	}
 
-	h := beginSession(engine.Name(), req, opts.saveRegistry)
+	h, berr := beginSession(engine.Name(), req, opts.saveRegistry)
+	if berr != nil {
+		/* 登记失败不阻断团队路径（下面到处都在判 h != nil，跑得起来就跑），
+		   但**必须把原因说清楚** —— 否则用户只看到「团队模式什么都没发生」。 */
+		fmt.Fprintf(stderr, "magic-agent: 会话登记失败（团队模式继续执行）：%v\n", berr)
+	}
 	/* 团队模式**不挂** spawn hook：登记表里的 pid 必须一直是 magic-agent 自己。
 	   团队路径会多次 spawn 主引擎（计划 / 汇总 / 补充规划），hook 会把 pid 换成
 	   这些**短命**子进程的 pid；第一个（计划阶段）一退，normalizeDead 见 pid 不在
@@ -211,6 +220,8 @@ func runTeamAsk(cmd *cobra.Command, args []string, opts *askOptions) error {
 	res, err := team.Run(ctx, team.Options{
 		Engine:            engine,
 		Model:             req.Model,
+		FallbackEngine:    req.FallbackEngine,
+		FallbackModel:     req.FallbackModel,
 		Prompt:            lastUserText(req.Messages),
 		SystemPrompt:      req.SystemPrompt,
 		Reasoning:         req.Reasoning,
@@ -316,6 +327,23 @@ func runTeamAsk(cmd *cobra.Command, args []string, opts *askOptions) error {
 	return nil
 }
 
+// teamPermission 决定子任务的权限档：默认继承主会话，显式 --team-permission 覆盖。
+//
+// 为什么默认继承（2026-10-24 用户定稿）：团队模式没有作答通道，子任务一旦停在
+// 「等待授权」就只能干等到单任务超时。主会话选了什么档，子任务就该用同一档 ——
+// 用户在一次会话里只做一次权限决定。
+func teamPermission(main agent.PermissionTier, raw string) (agent.PermissionTier, error) {
+	if strings.TrimSpace(raw) == "" {
+		return main, nil
+	}
+	tier, ok := agent.ParsePermissionTier(raw)
+	if !ok {
+		return "", fmt.Errorf("--team-permission 取值无效: %q（可选 %s）",
+			raw, strings.Join(agent.PermissionTiers(), " | "))
+	}
+	return tier, nil
+}
+
 // orphanSubs 收掉还没落定的子会话对应的子引擎进程组。
 //
 // 只在团队这一轮**异常退出**时调：正常收尾时每个子会话都在 runTask 的 end() 里

package/internal/cli/team_test.go

@@ -338,6 +338,45 @@ func TestTeamRouteParsingInvalid(t *testing.T) {
 	}
 }
 
+// TestTeamPermissionInheritsMain 子任务权限默认继承主会话（2026-10-24 报障回归）。
+//
+// 早前 --team-permission 的默认值是 accept-edits，且这个默认值**永远非空** →
+// 子任务一律 accept-edits、跑命令就卡在「等待授权」，团队模式又没有作答通道，
+// 只能干等到单任务 20 分钟超时。这里钉住「不给覆盖 = 用主会话那一档」。
+func TestTeamPermissionInheritsMain(t *testing.T) {
+	for _, main := range []agent.PermissionTier{
+		agent.PermissionFull, agent.PermissionAuto, agent.PermissionAcceptEdits, agent.PermissionManual,
+	} {
+		got, err := teamPermission(main, "")
+		if err != nil {
+			t.Fatalf("继承 %s 不该报错：%v", main, err)
+		}
+		if got != main {
+			t.Errorf("空 --team-permission 应当继承主会话 %s，得到 %s", main, got)
+		}
+	}
+	// 显式给档位 = 覆盖（用来把子任务压得更严）。
+	got, err := teamPermission(agent.PermissionFull, "accept-edits")
+	if err != nil || got != agent.PermissionAcceptEdits {
+		t.Errorf("显式覆盖失败：got=%s err=%v", got, err)
+	}
+	if _, err := teamPermission(agent.PermissionFull, "乱写"); err == nil {
+		t.Error("非法档位应当报错")
+	}
+}
+
+// TestTeamPermissionFlagDefaultEmpty 默认值必须是空串 —— 非空会让「继承」永远走不到。
+func TestTeamPermissionFlagDefaultEmpty(t *testing.T) {
+	cmd := NewRootCommand()
+	f := cmd.PersistentFlags().Lookup("team-permission")
+	if f == nil {
+		t.Fatal("缺少 --team-permission flag")
+	}
+	if f.DefValue != "" {
+		t.Errorf("--team-permission 默认值 = %q，应为空串（空 = 继承主会话）", f.DefValue)
+	}
+}
+
 // nonEmptyLines 去掉空行。
 func nonEmptyLines(s string) []string {
 	out := make([]string, 0, 64)

package/internal/client/ab.go

@@ -0,0 +1,372 @@
+package client
+
+// ab.go - agent-browser 封装：内置浏览器 MCP 的「驱动/截图」底层。
+//
+// 用户定调（2026-10-25）：内置浏览器 MCP 基于 agent-browser 插件实现。
+// agent-browser（vercel-labs）是 Rust 原生 CLI，驱动真实 Chromium（CDP），
+// 默认 headless，daemon 模型（首次 open 自动拉起，闲置约 1h 自动退出）。
+//
+// ── 为什么驱动面换 agent-browser，而中转显示不动 ──
+//   旧的驱动路（/browse-input 派发给页面内 relay）只能派**合成事件**
+//   （isTrusted=false，反自动化站点忽略），截图靠 html2canvas（跨域污染、
+//   iframe 抓不到、慢页超时）。agent-browser 是真实 Chromium：真实事件、
+//   CDP 级截图、PDF、a11y 快照 —— 驱动能力全面胜出。
+//   但 agent-browser 的浏览器在服务端，手机 iframe 看的页面走 /b/ 中转，
+//   两者是**两个独立上下文**：手机端「看 + 触控」仍走中转 + relay 远程鼠标，
+//   「驱动（MCP）+ 截图」走 agent-browser。
+//
+// ── spawn 形状 ──
+//   agent-browser 的 npm 包 postinstall 把 .cmd shim 改写成直调原生 exe
+//   （零 node 依赖），最稳的调法是**绝对路径 spawn 原生 exe**：
+//     <npm前缀>/node_modules/agent-browser/bin/agent-browser-<goos>-<goarch>[.exe]
+//   统一加 --json：输出 {"success":true,"data":{…}}；stdout 可能混非 JSON 行
+//   （✓ 提示；[agent-browser] 日志走 stderr），解析取首个 { 到末尾。
+//
+// ── 会话隔离 ──
+//   固定 --session magic-client：与人类/其它工具的 default 会话隔离，
+//   cookie/localStorage 在会话内保留（登录态可跨动作复用）。
+
+import (
+	"bytes"
+	"context"
+	"encoding/json"
+	"fmt"
+	"os"
+	"os/exec"
+	"path/filepath"
+	"runtime"
+	"strconv"
+	"strings"
+	"time"
+)
+
+// abSession agent-browser 会话名（--session）。固定一个，便于复用登录态。
+const abSession = "magic-client"
+
+// abTimeout 单次 CLI 调用超时。冷启动（拉 daemon + Chromium）实测 ~2s，
+// 重页导航网络慢时更久，给 60s 兜底。
+const abTimeout = 60 * time.Second
+
+// EnvAgentBrowserBin 显式指定 agent-browser 原生 exe 的环境变量。
+const EnvAgentBrowserBin = "MAGIC_AGENT_AGENT_BROWSER_BIN"
+
+// abBin 探测 agent-browser 原生 exe：
+// 环境变量 > npm 全局前缀（node_modules/agent-browser/bin/）> PATH。
+//
+// npm 全局前缀的定位只读环境变量（NPM_CONFIG_PREFIX / npm_config_prefix），
+// 不起 npm 子进程 —— 探测在请求路径上，spawn 一次 npm 是秒级开销。
+// 都没有时返回 ""，调用方回 501 + 安装提示。
+func abBin() string {
+	if v := strings.TrimSpace(os.Getenv(EnvAgentBrowserBin)); v != "" {
+		return v
+	}
+	// npm 全局前缀下的包目录（Windows 与 unix 同形状）。
+	for _, k := range []string{"NPM_CONFIG_PREFIX", "npm_config_prefix"} {
+		if p := strings.TrimSpace(os.Getenv(k)); p != "" {
+			if cand := abNativeExe(filepath.Join(p, "node_modules", "agent-browser", "bin")); cand != "" {
+				return cand
+			}
+		}
+	}
+	// 默认前缀兜底（Windows npm 默认 %APPDATA%\npm；unix 常见 /usr/local 等）。
+	for _, p := range abDefaultPrefixes() {
+		if cand := abNativeExe(filepath.Join(p, "node_modules", "agent-browser", "bin")); cand != "" {
+			return cand
+		}
+	}
+	// PATH 命中（agent-browser / agent-browser.cmd / agent-browser.exe）。
+	if path, err := exec.LookPath("agent-browser"); err == nil {
+		return path
+	}
+	return ""
+}
+
+// abNativeExe 在 bin 目录里找当前平台的原生 exe。
+func abNativeExe(binDir string) string {
+	name := "agent-browser-" + runtime.GOOS + "-" + runtime.GOARCH
+	if runtime.GOOS == "windows" {
+		name += ".exe"
+	}
+	p := filepath.Join(binDir, name)
+	if _, err := os.Stat(p); err == nil {
+		return p
+	}
+	return ""
+}
+
+// abDefaultPrefixes 各平台 npm 默认全局前缀（探测兜底，不跑 npm）。
+func abDefaultPrefixes() []string {
+	out := []string{}
+	if appdata := os.Getenv("APPDATA"); appdata != "" {
+		out = append(out, filepath.Join(appdata, "npm"))
+	}
+	if home, err := os.UserHomeDir(); err == nil {
+		out = append(out, filepath.Join(home, ".npm-global"))
+	}
+	out = append(out, "/usr/local/lib", "/usr/local")
+	return out
+}
+
+// abResult agent-browser --json 的统一信封。
+type abResult struct {
+	Success bool            `json:"success"`
+	Data    json.RawMessage `json:"data"`
+	Error   *string         `json:"error"`
+}
+
+// abRun 跑一条 agent-browser 命令，返回 data 字段。
+//
+// 统一 --json：成功时解析 {"success":true,"data":…} 取 data；
+// 失败时 error 字段 + stderr 拼成可读信息。会话前置，超时 60s。
+//
+// 遇「Failed to read … os error 10060」自动重试一次：daemon 与浏览器之间的
+// 连接在 close 后立刻复用、或长时间闲置后偶发断连，第一条命令会撞上
+// TCP 半开连接（实测挂满超时才报错）；再试一次就会触发 daemon 自愈重连。
+func abRun(ctx context.Context, args ...string) (json.RawMessage, error) {
+	data, err := abRunOnce(ctx, args...)
+	if err == nil {
+		return data, nil
+	}
+	if strings.Contains(err.Error(), "os error 10060") || strings.Contains(err.Error(), "Failed to read") {
+		return abRunOnce(ctx, args...)
+	}
+	return nil, err
+}
+
+func abRunOnce(ctx context.Context, args ...string) (json.RawMessage, error) {
+	bin := abBin()
+	if bin == "" {
+		return nil, fmt.Errorf("服务端未安装 agent-browser（npm install -g agent-browser && agent-browser install，或设 %s）", EnvAgentBrowserBin)
+	}
+	ctx, cancel := context.WithTimeout(ctx, abTimeout)
+	defer cancel()
+	full := append([]string{"--session", abSession, "--json"}, args...)
+	var cmd *exec.Cmd
+	if strings.EqualFold(filepath.Ext(bin), ".cmd") {
+		// npm shim：.cmd 必须经 cmd.exe 解释（Go 在 Windows 上不能直接 exec .cmd）。
+		cmd = exec.CommandContext(ctx, "cmd", append([]string{"/c", bin}, full...)...)
+	} else {
+		cmd = exec.CommandContext(ctx, bin, full...)
+	}
+	var stdout, stderr bytes.Buffer
+	cmd.Stdout = &stdout
+	cmd.Stderr = &stderr
+	runErr := cmd.Run()
+	out := stdout.String()
+	// stdout 可能混非 JSON 行（✓ 提示等）：取首个 { 到末尾。
+	var res abResult
+	i := strings.IndexByte(out, '{')
+	if i >= 0 {
+		if err := json.Unmarshal([]byte(out[i:]), &res); err != nil {
+			msg := strings.TrimSpace(stderr.String())
+			if msg == "" {
+				msg = strings.TrimSpace(out)
+			}
+			return nil, fmt.Errorf("agent-browser 输出无法解析: %w（%s）", err, msg)
+		}
+	}
+	if res.Error != nil && *res.Error != "" {
+		return nil, fmt.Errorf("agent-browser: %s", *res.Error)
+	}
+	if !res.Success {
+		msg := strings.TrimSpace(stderr.String())
+		if msg == "" {
+			msg = strings.TrimSpace(out)
+		}
+		if runErr != nil && msg == "" {
+			msg = runErr.Error()
+		}
+		return nil, fmt.Errorf("agent-browser 命令失败: %s", msg)
+	}
+	return res.Data, nil
+}
+
+// abOpen 打开一个页面（daemon 未起会自动拉起）。
+func abOpen(ctx context.Context, url string) error {
+	_, err := abRun(ctx, "open", url)
+	return err
+}
+
+// abShot 截图存到 outPath。fullPage 时截整页滚动高度（agent-browser 的 flag 是 --full）。
+//
+// ⚠️ flag 必须放在路径**前面**：agent-browser 把 screenshot 的最后一个位置参数
+// 当路径，flag 落在后面会被当成「要截的选择器」（实测 success:true 但文件不写）。
+func abShot(ctx context.Context, outPath string, fullPage bool) error {
+	args := []string{"screenshot"}
+	if fullPage {
+		args = append(args, "--full")
+	}
+	args = append(args, outPath)
+	_, err := abRun(ctx, args...)
+	return err
+}
+
+// abGetURL 当前页面地址。
+func abGetURL(ctx context.Context) (string, error) {
+	data, err := abRun(ctx, "get", "url")
+	if err != nil {
+		return "", err
+	}
+	return abDataString(data), nil
+}
+
+// abGetTitle 当前页面标题。
+func abGetTitle(ctx context.Context) (string, error) {
+	data, err := abRun(ctx, "get", "title")
+	if err != nil {
+		return "", err
+	}
+	return abDataString(data), nil
+}
+
+// abEval 在页面里跑一段 JS，返回结果（原样 JSON）。
+func abEval(ctx context.Context, js string) (json.RawMessage, error) {
+	return abRun(ctx, "eval", js)
+}
+
+// abMouse 派发鼠标动作（move/click/dblclick）。坐标是 CSS 像素。
+func abMouse(ctx context.Context, action string, x, y float64) error {
+	switch action {
+	case "move":
+		_, err := abRun(ctx, "mouse", "move", fmtNum(x), fmtNum(y))
+		return err
+	case "click":
+		if _, err := abRun(ctx, "mouse", "move", fmtNum(x), fmtNum(y)); err != nil {
+			return err
+		}
+		if _, err := abRun(ctx, "mouse", "down"); err != nil {
+			return err
+		}
+		_, err := abRun(ctx, "mouse", "up")
+		return err
+	case "dblclick":
+		if err := abMouse(ctx, "click", x, y); err != nil {
+			return err
+		}
+		return abMouse(ctx, "click", x, y)
+	}
+	return fmt.Errorf("未知鼠标动作: %s", action)
+}
+
+// abScroll 滚动（dx 右 / dy 下，CSS 像素）。
+func abScroll(ctx context.Context, dx, dy float64) error {
+	_, err := abRun(ctx, "mouse", "wheel", fmtNum(dy), fmtNum(dx))
+	return err
+}
+
+// abType 向当前焦点元素输入文本（先点一下落点，再键盘输入）。
+func abType(ctx context.Context, text string) error {
+	_, err := abRun(ctx, "keyboard", "type", text)
+	return err
+}
+
+// abKey 按一个键（Enter / Escape / a …）。
+func abKey(ctx context.Context, key string) error {
+	_, err := abRun(ctx, "press", key)
+	return err
+}
+
+// abPDF 存成 PDF。
+func abPDF(ctx context.Context, outPath string) error {
+	_, err := abRun(ctx, "pdf", outPath)
+	return err
+}
+
+// abSnap a11y 快照（interactive 只出可交互元素）。返回快照文本。
+func abSnap(ctx context.Context, interactive bool) (string, error) {
+	args := []string{"snapshot"}
+	if interactive {
+		args = append(args, "-i")
+	}
+	data, err := abRun(ctx, args...)
+	if err != nil {
+		return "", err
+	}
+	return abDataString(data), nil
+}
+
+// fmtNum 浮点参数的最紧凑表示（整数不带小数点）。
+func fmtNum(f float64) string {
+	if f == float64(int64(f)) {
+		return strconv.FormatInt(int64(f), 10)
+	}
+	return strconv.FormatFloat(f, 'f', -1, 64)
+}
+
+// ── 导出层（cmd/magic-client 与 HTTP 端点用）──
+
+// ABTimeout 单次 agent-browser 调用超时（browsectl 兼容旧常量名）。
+const ABTimeout = abTimeout
+
+// ABOpen 打开页面。
+func ABOpen(ctx context.Context, url string) error { return abOpen(ctx, url) }
+
+// ABShot 截图落盘。
+func ABShot(ctx context.Context, outPath string, fullPage bool) error {
+	return abShot(ctx, outPath, fullPage)
+}
+
+// ABState 当前页面地址与标题。
+func ABState(ctx context.Context) (url, title string, err error) {
+	if url, err = abGetURL(ctx); err != nil {
+		return "", "", err
+	}
+	title, err = abGetTitle(ctx)
+	if err != nil {
+		return "", "", err
+	}
+	return url, title, nil
+}
+
+// ABMouse 鼠标动作。
+func ABMouse(ctx context.Context, action string, x, y float64) error {
+	return abMouse(ctx, action, x, y)
+}
+
+// ABScroll 滚动。
+func ABScroll(ctx context.Context, dx, dy float64) error { return abScroll(ctx, dx, dy) }
+
+// ABType 输入文本。
+func ABType(ctx context.Context, text string) error { return abType(ctx, text) }
+
+// ABKey 按键。
+func ABKey(ctx context.Context, key string) error { return abKey(ctx, key) }
+
+// ABEval 跑 JS。
+func ABEval(ctx context.Context, js string) (json.RawMessage, error) { return abEval(ctx, js) }
+
+// ABPDF 存 PDF。
+func ABPDF(ctx context.Context, outPath string) error { return abPDF(ctx, outPath) }
+
+// ABSnap a11y 快照。
+func ABSnap(ctx context.Context, interactive bool) (string, error) { return abSnap(ctx, interactive) }
+
+// abDataString 从 --json 的 data 里取字符串。
+// agent-browser 的标量结果有两种包法：data 本身是字符串，或 {result: …} / {text: …}。
+func abDataString(data json.RawMessage) string {
+	s := strings.TrimSpace(string(data))
+	if s == "" {
+		return ""
+	}
+	// data 本身是 JSON 字符串。
+	var str string
+	if err := json.Unmarshal(data, &str); err == nil {
+		return str
+	}
+	// 包在对象字段里。
+	var obj struct {
+		Result string `json:"result"`
+		Text   string `json:"text"`
+		URL    string `json:"url"`
+		Title  string `json:"title"`
+		Path   string `json:"path"`
+	}
+	if err := json.Unmarshal(data, &obj); err == nil {
+		for _, v := range []string{obj.Result, obj.Text, obj.URL, obj.Title, obj.Path} {
+			if v != "" {
+				return v
+			}
+		}
+	}
+	return s
+}