micro-models-agent 2.16.1 → 2.17.1

package/dist/llm/openai-compat.js

@@ -1,756 +0,0 @@
-import { TokenCounter } from "./token-counter";
-import { t } from "../i18n/index";
-import { readMmaVersion } from "../core/version";
-import { createRateLimiter } from "../modules/security/rate-limiter";
-import { LlmError } from "./llm-errors";
-import { backoffDelay } from "../utils/retry";
-import { StreamState } from "./stream-state";
-import { parseCacheUsage } from "./cache-usage";
-import { LLM_REQUEST_TIMEOUT_MS as REQUEST_TIMEOUT_MS, LLM_MAX_RATE_WAIT_MS as MAX_RATE_WAIT_MS, } from "../config/timeouts";
-/** Cap completion-токенов в max_tokens, если конфиг не задал. */
-const DEFAULT_MAX_COMPLETION_TOKENS = 8192;
-/**
- * Client identity-заголовок. OpenCode Go просит клиентов представляться своим
- * user agent (не generic SDK/HTTP-библиотекой), чтобы запросы роутились в
- * coding-agent трафик. `readMmaVersion()` мемоизирован — иначе каждая сборка
- * провайдера перечитывала бы package.json.
- */
-let cachedUserAgent = null;
-function defaultUserAgent() {
-    if (cachedUserAgent === null)
-        cachedUserAgent = `micro-models-agent/${readMmaVersion()}`;
-    return cachedUserAgent;
-}
-/**
- * Нормализует харнессный уровень reasoning под контракт провайдерского поля
- * `reasoning_effort` (strict OpenAI/o-series принимает только
- * low|medium|high). Иначе:
- * - "default"/undefined → не шлём (решает провайдерский дефолт);
- * - "none" → не шлём (strict OpenAI отвечает 400; отсутствие поля = не просим
- *   повышать, а prompt-tag ещё и получает тег /no_think в `chat()`);
- * - "max" → клампим к "high" (наибольшее валидное значение).
- * Без нормализации неизвестное значение роняет ВЕСЬ запрос HTTP 400.
- */
-function normalizeReasoningEffort(level) {
-    if (!level || level === "default" || level === "none")
-        return undefined;
-    if (level === "max")
-        return "high";
-    return level;
-}
-function buildRequestBody(opts) {
-    const body = {
-        model: opts.model,
-        messages: opts.messages,
-        stream: opts.stream,
-    };
-    if (opts.maxTokens !== undefined)
-        body.max_tokens = opts.maxTokens;
-    if (opts.cachePrompt)
-        body.cache_prompt = true;
-    if (opts.promptCacheKey)
-        body.prompt_cache_key = opts.promptCacheKey;
-    if (opts.sessionId)
-        body.session_id = opts.sessionId;
-    if (opts.stream && opts.streamUsage)
-        body.stream_options = { include_usage: true };
-    // Применяем effort через стратегию провайдера (уровень нормализуется под
-    // контракт OpenAI: low|medium|high).
-    const strategy = opts.reasoningStrategy ?? "openai-effort";
-    const effort = normalizeReasoningEffort(opts.reasoningEffort);
-    if (strategy === "openai-effort") {
-        if (effort)
-            body.reasoning_effort = effort;
-    }
-    else if (strategy === "template-kwarg") {
-        body.chat_template_kwargs = { enable_thinking: opts.reasoningEffort !== "none" };
-    }
-    else if (strategy === "prompt-tag") {
-        // Шлём reasoning_effort в теле (модели с API-поддержкой) И тег /no_think
-        // в сообщение (модели только с prompt-сигналами; тег ставит `chat()`).
-        if (effort)
-            body.reasoning_effort = effort;
-    }
-    // "none" = не поддерживается, пропуск
-    if (opts.tools && opts.tools.length > 0) {
-        body.tools = opts.tools.map((t) => ({
-            type: "function",
-            function: {
-                name: t.name,
-                description: t.description,
-                parameters: t.parameters,
-            },
-        }));
-        body.tool_choice = "auto";
-    }
-    return body;
-}
-/** Провайдер OpenAI-совместимого API (стрим + non-stream фолбэки, ретраи). */
-export class OpenAICompatProvider {
-    model;
-    contextWindow;
-    config;
-    tokenCounter;
-    retryConfig;
-    rateLimiter;
-    debug;
-    getSessionId;
-    userAgent;
-    cache;
-    cacheReport;
-    constructor(config) {
-        this.config = config;
-        this.model = config.model;
-        this.contextWindow = config.contextWindow ?? 32768;
-        this.cache = config.cache;
-        // Без capability всё равно читаем OpenAI-совместимые поля: это не меняет
-        // запрос и работает для локальных/кастомных серверов.
-        this.cacheReport = config.cache?.report ?? "openai";
-        this.tokenCounter = new TokenCounter();
-        this.retryConfig = config.retry ?? {
-            maxRetries: 3,
-            baseDelay: 1000,
-            maxDelay: 30000,
-            maxStreamRetries: 2,
-            noDataTimeoutMs: 180000,
-        };
-        this.rateLimiter = createRateLimiter(config.rateLimits);
-        this.getSessionId = config.getSessionId;
-        this.userAgent = config.userAgent ?? defaultUserAgent();
-        this.debug = config.logger ? config.logger.debug.bind(config.logger) : null;
-    }
-    /**
-     * Стрим чата: rate-limit → стрим → фолбэк non-stream при пустом стриме.
-     * @param messages история; @param tools определения тулов;
-     * @param signal abort; @param options лимит токенов/reasoning.
-     * @returns асинхронный итератор чанков.
-     */
-    async *chat(messages, tools, signal, options) {
-        // Проверка лимита до запроса. Собственный лимит ждёт слота (ограниченно),
-        // а не роняет здоровый ход; recoverable-ошибка наружу — только если слот
-        // не освободился в окне (цикл скормит её модели, а не умрёт).
-        if (!this.rateLimiter.canMakeRequest()) {
-            const waitMs = Math.min(this.rateLimiter.msUntilRequest(), MAX_RATE_WAIT_MS);
-            if (waitMs > 0) {
-                await this.sleep(waitMs, signal);
-            }
-            if (!this.rateLimiter.canMakeRequest()) {
-                throw new LlmError(`Rate limit exceeded: ${this.rateLimiter.getConfig().maxRequestsPerMinute} requests per minute`, { recoverable: true });
-            }
-        }
-        // Фиксируем запрос
-        this.rateLimiter.recordRequest();
-        // Prompt-tag стратегия: дописать /no_think в последнее user-сообщение (только исходящая копия)
-        let effectiveMessages = messages;
-        if (options?.reasoningStrategy === "prompt-tag" && options?.reasoningEffort === "none") {
-            effectiveMessages = this.applyPromptTag(messages, "/no_think");
-        }
-        const streamResult = this.doStream(effectiveMessages, tools, signal, options);
-        let hasToolCall = false;
-        let hasText = false;
-        let hasReasoning = false;
-        for await (const chunk of streamResult) {
-            if (chunk.type === "tool_call")
-                hasToolCall = true;
-            if (chunk.type === "text")
-                hasText = true;
-            if (chunk.type === "reasoning")
-                hasReasoning = true;
-            yield chunk;
-        }
-        // Стрим кончился на reasoning без текста/tool_call: модель ПОДУМАЛА, но
-        // ответа не дала (наблюдалось: qwen3.5-9b в LM Studio шлёт reasoning_content
-        // и встаёт). Reasoning уже отдан; недостающий ответ добираем non-stream.
-        // Reasoning-чанк фолбэка дропаем, чтобы не показать дважды — текста не было,
-        // риск дубля ответа отсутствует.
-        if (!hasToolCall && !hasText) {
-            this.debug?.("LLM streaming produced no text/tool_call — falling back to non-streaming");
-            const fallback = await this.doNonStreaming(effectiveMessages, tools, signal, options);
-            this.debug?.("LLM non-streaming fallback result", { chunks: fallback.length });
-            for (const chunk of fallback) {
-                if (hasReasoning && chunk.type === "reasoning")
-                    continue;
-                yield chunk;
-            }
-        }
-    }
-    /** Дописывает тег в последнее user-сообщение (исходящая копия, не в контекст). */
-    applyPromptTag(messages, tag) {
-        const copy = [...messages];
-        for (let i = copy.length - 1; i >= 0; i--) {
-            if (copy[i].role === "user") {
-                const msg = { ...copy[i] };
-                if (typeof msg.content === "string") {
-                    msg.content = `${msg.content}\n${tag}`;
-                }
-                else {
-                    // Массив частей — дописываем текстовую часть
-                    msg.content = [...msg.content, { type: "text", text: tag }];
-                }
-                copy[i] = msg;
-                break;
-            }
-        }
-        return copy;
-    }
-    async *doStream(messages, tools, signal, options) {
-        const { baseDelay, maxDelay, maxStreamRetries, noDataTimeoutMs } = this.retryConfig;
-        const streamRetries = maxStreamRetries ?? 2;
-        const idleTimeoutMs = noDataTimeoutMs ?? 180000;
-        let usedNonStreamingFallback = false;
-        for (let attempt = 0;; attempt++) {
-            let emitted = false;
-            const onEmit = () => {
-                emitted = true;
-            };
-            try {
-                const sawDone = yield* this.streamOnce(messages, tools, signal, options, onEmit, idleTimeoutMs);
-                // Чистый [DONE] или частичный контент — отдаём что есть.
-                if (sawDone || emitted)
-                    return;
-                // Стрим закрылся до [DONE] с нулевым контентом — ретраябельная обрезка.
-                if (attempt >= streamRetries)
-                    return;
-            }
-            catch (err) {
-                if (err?.name === "AbortError" || (err instanceof LlmError && err.terminal) || signal?.aborted)
-                    throw err;
-                // Stall буферизованного SSE после tool_call-дельт: один раз переспрашиваем
-                // non-stream. Стрим тут — битый путь, повтор тем же способом снова
-                // встанет; а tool_call агент получить обязан.
-                if (err?.stalledAfterToolCall === true && !usedNonStreamingFallback) {
-                    usedNonStreamingFallback = true;
-                    this.debug?.("LLM stream stalled after tool_call — falling back to non-streaming request");
-                    const fallback = await this.doNonStreaming(messages, tools, signal, options);
-                    this.debug?.("LLM non-streaming fallback result", { chunks: fallback.length });
-                    for (const chunk of fallback) {
-                        // Reasoning до stall уже, вероятно, устримлен; копию фолбэка дропаем,
-                        // чтобы не дублировать мышление.
-                        if (chunk.type === "reasoning")
-                            continue;
-                        yield chunk;
-                    }
-                    return;
-                }
-                // Контент уже отдан — перестрим продублировал бы чанки.
-                if (emitted || attempt >= streamRetries)
-                    throw err;
-                // Обрыв до любого контента — переспрашиваем целиком.
-            }
-            // Экспоненциальный backoff с джиттером (общий хелпер из src/utils).
-            await this.sleep(backoffDelay(attempt, baseDelay, maxDelay, 0.1), signal);
-        }
-    }
-    async *streamOnce(messages, tools, signal, options, onEmit, idleTimeoutMs) {
-        const maxTokens = options?.maxTokens ?? this.config.maxCompletionTokens ?? DEFAULT_MAX_COMPLETION_TOKENS;
-        const body = buildRequestBody({
-            model: this.model,
-            messages,
-            tools,
-            stream: true,
-            maxTokens,
-            reasoningEffort: options?.reasoningEffort,
-            reasoningStrategy: options?.reasoningStrategy,
-            ...this.cacheHints(),
-        });
-        this.debug?.("LLM stream request", {
-            baseUrl: this.config.baseUrl,
-            model: this.model,
-            stream: true,
-            maxTokens,
-            toolsCount: tools?.length ?? 0,
-            reasoningEffort: options?.reasoningEffort,
-            reasoningStrategy: options?.reasoningStrategy,
-            messagesCount: messages.length,
-        });
-        const { headers, abortSignal, cleanup, isTimeout, flagTimeout, controller } = this.buildRequestSetup(signal);
-        let response;
-        try {
-            response = await this.fetchWithRetry(`${this.config.baseUrl}/chat/completions`, {
-                method: "POST",
-                headers,
-                body: JSON.stringify(body),
-                signal: abortSignal,
-            });
-        }
-        catch (err) {
-            // Fetch-сбои уже HTTP-ретраятся внутри fetchWithRetry —
-            // на уровне стрима повторно не ретраим.
-            if (err?.name === "AbortError")
-                throw err;
-            const wrapped = err instanceof Error ? err : new Error(String(err));
-            if (wrapped instanceof LlmError) {
-                wrapped.markTerminal();
-                throw wrapped;
-            }
-            throw new LlmError(wrapped.message).markTerminal();
-        }
-        if (!response.ok) {
-            cleanup();
-            const errorText = await response.text();
-            throw new LlmError(t("error.llm_api", {
-                status: response.status,
-                statusText: response.statusText,
-                errorText,
-            }), { terminal: true });
-        }
-        const contentType = response.headers?.get?.("content-type") ?? "";
-        this.debug?.("LLM stream response headers", {
-            status: response.status,
-            contentType,
-        });
-        const reader = response.body?.getReader();
-        if (!reader) {
-            cleanup();
-            throw new Error(t("error.no_response_body"));
-        }
-        const decoder = new TextDecoder();
-        let buffer = "";
-        const toolCallAccs = new Map();
-        // Единый контейнер состояния стрима (вместо 9 разрозненных флагов).
-        const st = new StreamState();
-        // Stall после старта tool_call-дельт обычно значит: провайдер буферизует
-        // SSE вместо стрима дельт аргументов (видели на LM Studio). Помечаем ошибку,
-        // чтобы `doStream` переспросил non-stream вместо провала всего прогона.
-        const idleError = () => {
-            const e = new Error(t(st.sawToolCallStart ? "error.llm_stream_idle_toolcall" : "error.llm_stream_idle", { timeout: idleTimeoutMs }));
-            e.stalledAfterToolCall = st.sawToolCallStart;
-            return e;
-        };
-        const readIdle = () => new Promise((resolve, reject) => {
-            const idleTimer = setTimeout(() => {
-                flagTimeout();
-                controller.abort();
-            }, idleTimeoutMs);
-            reader.read().then((result) => {
-                clearTimeout(idleTimer);
-                if (isTimeout())
-                    reject(idleError());
-                else
-                    resolve(result);
-            }, (err) => {
-                clearTimeout(idleTimer);
-                if (isTimeout())
-                    reject(idleError());
-                else
-                    reject(err);
-            });
-        });
-        try {
-            while (true) {
-                const { done, value } = await readIdle();
-                if (done)
-                    break;
-                buffer += decoder.decode(value, { stream: true });
-                const lines = buffer.split("\n");
-                buffer = lines.pop() || "";
-                for (const line of lines) {
-                    const trimmed = line.trim();
-                    if (!trimmed)
-                        continue;
-                    let data;
-                    if (trimmed.startsWith("data: ")) {
-                        data = trimmed.slice(6);
-                        if (data === "[DONE]") {
-                            st.sawDone = true;
-                            continue;
-                        }
-                    }
-                    else {
-                        // Не SSE-фрейм — Ollama (и часть бэкендов) стримят NDJSON или шлют
-                        // mid-stream ошибки голым JSON. Пробуем парсить сырую строку;
-                        // непарсящийся шум (SSE-комменты, keep-alive) считаем и пропускаем.
-                        st.nonDataLines++;
-                        if (st.nonDataSamples.length < 5)
-                            st.nonDataSamples.push(trimmed.slice(0, 200));
-                        data = trimmed;
-                    }
-                    try {
-                        const parsed = JSON.parse(data);
-                        st.parsedChunks++;
-                        const choice = parsed.choices?.[0];
-                        if (!choice) {
-                            // Usage приходит в последнем чанке с пустыми choices
-                            if (parsed.usage) {
-                                st.usage = {
-                                    promptTokens: parsed.usage.prompt_tokens ?? 0,
-                                    completionTokens: parsed.usage.completion_tokens ?? 0,
-                                    totalTokens: parsed.usage.total_tokens ?? 0,
-                                    cache: parseCacheUsage(parsed.usage, this.cacheReport),
-                                };
-                                this.debug?.("LLM stream usage", { ...st.usage });
-                            }
-                            else if (parsed.error) {
-                                // Mid-stream ошибка провайдера (Ollama шлёт {"error": "..."}
-                                // голым JSON после старта генерации). Показываем — глотание
-                                // даст молча пустой ответ.
-                                // Брошено ВНЕ try/catch JSON-парсинга ниже.
-                                st.midStreamError = String(parsed.error);
-                            }
-                            // NOTE: `continue` тут нет — он пропустил бы throw midStreamError
-                            // ниже (он вне этого try/catch).
-                        }
-                        else {
-                            if (st.parsedChunks <= 3 || st.parsedChunks % 50 === 0) {
-                                const d = choice.delta ?? {};
-                                this.debug?.("LLM stream chunk", {
-                                    n: st.parsedChunks,
-                                    finishReason: choice.finish_reason ?? null,
-                                    deltaKeys: Object.keys(d),
-                                });
-                            }
-                            const delta = choice.delta || {};
-                            const finishReason = choice.finish_reason;
-                            if (finishReason)
-                                st.lastFinishReason = finishReason;
-                            // `reasoning` — алиас Ollama для openai-`reasoning_content`.
-                            const reasoningDelta = delta.reasoning_content ?? delta.reasoning;
-                            if (reasoningDelta) {
-                                onEmit();
-                                yield { type: "reasoning", content: reasoningDelta };
-                            }
-                            if (delta.tool_calls) {
-                                st.sawToolCallStart = true;
-                                for (const tc of delta.tool_calls) {
-                                    const idx = tc.index ?? 0;
-                                    if (!toolCallAccs.has(idx)) {
-                                        toolCallAccs.set(idx, { id: "", name: "", arguments: "" });
-                                    }
-                                    const acc = toolCallAccs.get(idx);
-                                    if (tc.id)
-                                        acc.id = tc.id;
-                                    if (tc.function?.name)
-                                        acc.name = tc.function.name;
-                                    if (tc.function?.arguments) {
-                                        acc.arguments += tc.function.arguments;
-                                    }
-                                }
-                            }
-                            if (delta.content) {
-                                onEmit();
-                                st.sawText = true;
-                                yield { type: "text", content: delta.content };
-                            }
-                            if (finishReason === "tool_calls" && toolCallAccs.size > 0) {
-                                for (const [, acc] of toolCallAccs) {
-                                    if (acc.name) {
-                                        onEmit();
-                                        yield {
-                                            type: "tool_call",
-                                            toolCall: {
-                                                id: acc.id,
-                                                name: acc.name,
-                                                arguments: acc.arguments || "{}",
-                                            },
-                                        };
-                                    }
-                                }
-                                toolCallAccs.clear();
-                            }
-                        }
-                    }
-                    catch {
-                        // Битые JSON-строки пропускаем
-                    }
-                    if (st.midStreamError) {
-                        throw new Error(t("error.llm_provider_stream_error", { error: st.midStreamError.slice(0, 300) }));
-                    }
-                }
-            }
-            if (st.usage) {
-                onEmit();
-                yield { type: "done", usage: st.usage };
-            }
-            // finish_reason "length": completion упёрся в лимит токенов. Незаконченный
-            // tool_call иначе молча глотается (tool_calls отдаются только на
-            // finish_reason "tool_calls") и всплывает пустым ответом → слепые
-            // hallucination-ретраи. Показываем настоящую причину.
-            if (st.lastFinishReason === "length") {
-                const truncatedToolCall = st.sawToolCallStart && toolCallAccs.size > 0;
-                if (truncatedToolCall || !st.sawText) {
-                    // Провайдер в порядке — модель просто превысила completion-лимит.
-                    // terminal: стрим не ретраим (он завершился корректно); recoverable:
-                    // агентный цикл вернёт причину модели, чтобы она адаптировалась
-                    // (разбила вывод) вместо смерти сессии.
-                    throw new LlmError(t(truncatedToolCall ? "error.llm_truncated_toolcall" : "error.llm_truncated", {
-                        tokens: maxTokens,
-                    }), { terminal: true, recoverable: true });
-                }
-                // Текст уже устримлен и не завершён — не глушим ответ, но и не
-                // принимаем обрезок молча: отдаём видимое предупреждение.
-                yield {
-                    type: "warning",
-                    content: t("error.llm_output_truncated", { tokens: maxTokens }),
-                };
-            }
-        }
-        finally {
-            cleanup();
-            reader.releaseLock();
-            this.debug?.("LLM stream finished", st.snapshot());
-        }
-        return st.sawDone;
-    }
-    /**
-     * Вычисляет запросные подсказки кеша из возможностей провайдера и текущего
-     * session id. Без capability возвращает «ничего», сохраняя прежнее тело.
-     */
-    cacheHints() {
-        const sessionId = this.getSessionId?.();
-        return {
-            cachePrompt: this.cache?.requestCachePrompt === true,
-            promptCacheKey: this.cache?.requestPromptCacheKey ? sessionId : undefined,
-            sessionId: this.cache?.requestSessionId ? sessionId : undefined,
-            streamUsage: this.cache?.requestStreamUsage === true,
-        };
-    }
-    /** Общая подготовка запроса: auth-заголовки + таймаут/abort-контроллер. */
-    buildRequestSetup(signal) {
-        const headers = {
-            "Content-Type": "application/json",
-            "User-Agent": this.userAgent,
-        };
-        if (this.config.apiKey && this.config.apiKey !== "not-needed") {
-            headers.Authorization = `Bearer ${this.config.apiKey}`;
-        }
-        const sessionId = this.getSessionId?.();
-        // Когда capability задана — шлём заголовок только тем, кому он нужен
-        // (Zen/Go). Без capability сохраняем легаси-поведение.
-        const sendSessionHeader = this.cache ? this.cache.sessionHeader : true;
-        if (sessionId && sendSessionHeader)
-            headers["x-opencode-session"] = sessionId;
-        const controller = new AbortController();
-        let timedOut = false;
-        const timeoutId = setTimeout(() => {
-            timedOut = true;
-            controller.abort();
-        }, REQUEST_TIMEOUT_MS);
-        const abortSignal = (() => {
-            if (!signal)
-                return controller.signal;
-            try {
-                return AbortSignal.any([controller.signal, signal]);
-            }
-            catch {
-                signal.addEventListener("abort", () => controller.abort(), {
-                    once: true,
-                });
-                return controller.signal;
-            }
-        })();
-        return {
-            headers,
-            abortSignal,
-            cleanup: () => clearTimeout(timeoutId),
-            isTimeout: () => timedOut,
-            flagTimeout: () => {
-                timedOut = true;
-            },
-            controller,
-        };
-    }
-    async doNonStreaming(messages, tools, signal, options) {
-        const maxTokens = options?.maxTokens ?? this.config.maxCompletionTokens ?? DEFAULT_MAX_COMPLETION_TOKENS;
-        const body = buildRequestBody({
-            model: this.model,
-            messages,
-            tools,
-            stream: false,
-            maxTokens,
-            reasoningEffort: options?.reasoningEffort,
-            reasoningStrategy: options?.reasoningStrategy,
-            ...this.cacheHints(),
-        });
-        const { headers, abortSignal, cleanup, isTimeout } = this.buildRequestSetup(signal);
-        try {
-            const response = await this.fetchWithRetry(`${this.config.baseUrl}/chat/completions`, {
-                method: "POST",
-                headers,
-                body: JSON.stringify(body),
-                signal: abortSignal,
-            });
-            if (!response.ok) {
-                const errorText = await response.text();
-                throw new Error(t("error.llm_api", {
-                    status: response.status,
-                    statusText: response.statusText,
-                    errorText: errorText.slice(0, 500),
-                }));
-            }
-            const data = await response.json();
-            // Часть бэкендов (напр. Ollama) отдают HTTP 200 с {"error": "..."}.
-            if (data.error && !data.choices) {
-                throw new Error(t("error.llm_provider_stream_error", { error: String(data.error).slice(0, 300) }));
-            }
-            const choice = data.choices?.[0];
-            if (!choice) {
-                return [];
-            }
-            const msg = choice.message || {};
-            const chunks = [];
-            const reasoning = msg.reasoning_content ?? msg.reasoning;
-            if (reasoning) {
-                chunks.push({ type: "reasoning", content: reasoning });
-            }
-            if (msg.content) {
-                chunks.push({ type: "text", content: msg.content });
-            }
-            if (msg.tool_calls) {
-                for (const tc of msg.tool_calls) {
-                    chunks.push({
-                        type: "tool_call",
-                        toolCall: {
-                            id: tc.id || "",
-                            name: tc.function?.name || "",
-                            arguments: tc.function?.arguments || "{}",
-                        },
-                    });
-                }
-            }
-            // Текст готов, но упёрся в cap: видимый warning вместо молча
-            // принятого обрезанного ответа (см. стрим-путь).
-            if (choice.finish_reason === "length" && msg.content && !msg.tool_calls) {
-                chunks.push({
-                    type: "warning",
-                    content: t("error.llm_output_truncated", { tokens: maxTokens }),
-                });
-            }
-            // Дописываем usage из ответа API
-            if (data.usage) {
-                chunks.push({
-                    type: "done",
-                    usage: {
-                        promptTokens: data.usage.prompt_tokens ?? 0,
-                        completionTokens: data.usage.completion_tokens ?? 0,
-                        totalTokens: data.usage.total_tokens ?? 0,
-                        cache: parseCacheUsage(data.usage, this.cacheReport),
-                    },
-                });
-            }
-            return chunks;
-        }
-        catch (err) {
-            if (isTimeout() && err?.name === "AbortError") {
-                throw new Error(t("error.llm_timeout", { timeout: REQUEST_TIMEOUT_MS }));
-            }
-            throw err instanceof Error ? err : new Error(String(err));
-        }
-        finally {
-            cleanup();
-        }
-    }
-    /**
-     * Считает токены текста (tiktoken по дефолтной модели).
-     * @param text текст; @returns число токенов.
-     */
-    countTokens(text) {
-        return this.tokenCounter.count(text);
-    }
-    /**
-     * Список моделей провайдера (`/models`: id/name/model).
-     * @returns имена моделей; @throws при недоступности провайдера.
-     */
-    async listModels() {
-        try {
-            const url = `${this.config.baseUrl.replace(/\/+$/, "")}/models`;
-            const headers = {
-                "Content-Type": "application/json",
-                "User-Agent": this.userAgent,
-            };
-            if (this.config.apiKey && this.config.apiKey !== "not-needed") {
-                headers.Authorization = `Bearer ${this.config.apiKey}`;
-            }
-            const response = await fetch(url, {
-                method: "GET",
-                headers,
-            });
-            if (!response.ok) {
-                // Провал наружу: health-пробы должны отличать мёртвый провайдер
-                // от пустого списка моделей.
-                throw new Error(`HTTP ${response.status} from ${url}`);
-            }
-            const data = await response.json();
-            const rawList = Array.isArray(data)
-                ? data
-                : data && typeof data === "object" && Array.isArray(data.data)
-                    ? data.data
-                    : [];
-            const models = rawList
-                .map((m) => {
-                if (m && typeof m === "object") {
-                    const obj = m;
-                    for (const key of ["id", "name", "model"]) {
-                        const v = obj[key];
-                        if (typeof v === "string" && v)
-                            return v;
-                    }
-                }
-                return "";
-            })
-                .filter(Boolean);
-            return models;
-        }
-        catch (err) {
-            throw err instanceof Error ? err : new Error(String(err));
-        }
-    }
-    async fetchWithRetry(url, init) {
-        const { maxRetries, baseDelay, maxDelay } = this.retryConfig;
-        let lastStatus = 0;
-        let lastRetryAfter = 0;
-        for (let attempt = 0; attempt <= maxRetries; attempt++) {
-            lastRetryAfter = 0;
-            try {
-                const response = await fetch(url, init);
-                if (!this.isRetryable(response.status))
-                    return response;
-                lastStatus = response.status;
-                const retryAfter = Number(response.headers.get("retry-after") ?? 0);
-                lastRetryAfter = retryAfter > 0 ? retryAfter * 1000 : 0;
-            }
-            catch (err) {
-                if (err.name === "AbortError") {
-                    throw err;
-                }
-                if (attempt === maxRetries)
-                    throw err;
-            }
-            if (attempt < maxRetries) {
-                // Приоритет окну Retry-After провайдера (cap на maxDelay); иначе —
-                // экспоненциальный backoff. 429 с free-тарифов требуют реального ожидания.
-                const delay = lastRetryAfter > 0
-                    ? Math.min(lastRetryAfter, maxDelay)
-                    : backoffDelay(attempt, baseDelay, maxDelay, 0.1);
-                await this.sleep(delay, init.signal ?? undefined);
-            }
-        }
-        if (lastStatus === 429) {
-            throw new LlmError(t("error.llm_429", {
-                model: this.model,
-                baseUrl: this.config.baseUrl,
-            }), { llmStatus: lastStatus });
-        }
-        throw new LlmError(t("error.llm_retries"), { llmStatus: lastStatus });
-    }
-    isRetryable(status) {
-        return status === 429 || status >= 500;
-    }
-    sleep(ms, signal) {
-        return new Promise((resolve, reject) => {
-            if (signal?.aborted) {
-                reject(new DOMException("Aborted", "AbortError"));
-                return;
-            }
-            let timer;
-            const onAbort = () => {
-                clearTimeout(timer);
-                reject(new DOMException("Aborted", "AbortError"));
-            };
-            timer = setTimeout(() => {
-                signal?.removeEventListener("abort", onAbort);
-                resolve();
-            }, ms);
-            signal?.addEventListener("abort", onAbort, { once: true });
-        });
-    }
-}