myagent-ai 1.33.1 → 1.47.5

package/Dockerfile

@@ -6,6 +6,7 @@ WORKDIR /app
 
 # 安装系统依赖
 # [v1.16.18] 包含 poppler-utils (PDF提取)、Chrome 共享库 (浏览器自动化)
+# [v1.33.4] 包含 VNC 远程桌面依赖 + Chromium 浏览器 + 中文字体
 RUN apt-get update && apt-get install -y --no-install-recommends \
     python3-pip \
     poppler-utils \
@@ -25,14 +26,47 @@ RUN apt-get update && apt-get install -y --no-install-recommends \
     libcairo2 \
     libasound2 \
     libatspi2.0-0 \
+    libxshmfence1 \
+    libx11-xcb1 \
+    libxcb-dri3-0 \
+    fonts-liberation \
+    xdg-utils \
     # Node.js (浏览器自动化 MCP 需要)
     nodejs \
     npm \
+    # VNC 远程桌面依赖
+    xvfb \
+    x11vnc \
+    fluxbox \
+    xterm \
+    x11-xserver-utils \
+    xdotool \
+    xsetroot \
+    ffmpeg \
+    procps \
+    psmisc \
+    # Chromium 浏览器 (VNC 桌面可用)
+    chromium \
+    # 中文字体
+    fonts-noto-cjk \
+    fonts-wqy-zenhei \
     && rm -rf /var/lib/apt/lists/*
 
-# 安装 Puppeteer 的 Chrome (自包含，容器环境最可靠)
+# 为 Chromium 创建无沙箱包装脚本（容器/proot 环境必需）
+RUN BROWSER_PATH=$(which chromium || which chromium-browser || true) \
+    && if [ -n "$BROWSER_PATH" ]; then \
+       REAL_PATH=$(readlink -f "$BROWSER_PATH" 2>/dev/null || echo "$BROWSER_PATH"); \
+       mv "$BROWSER_PATH" "${BROWSER_PATH}.real" 2>/dev/null || true; \
+       printf '#!/bin/bash\nexec %s --no-sandbox --disable-gpu --disable-dev-shm-usage "$@"\n' "$REAL_PATH" > "$BROWSER_PATH"; \
+       chmod +x "$BROWSER_PATH"; \
+    fi
+
+# 安装 Puppeteer 的 Chrome (自包含，浏览器自动化场景使用)
 RUN npx -y puppeteer browsers install chrome@stable || true
 
+# 安装 websockify (VNC WebSocket 代理)
+RUN pip install --no-cache-dir websockify || true
+
 # 安装 Python 依赖
 COPY requirements.txt .
 RUN pip install --no-cache-dir -r requirements.txt

package/agents/base.py

@@ -111,7 +111,7 @@ class BaseAgent(ABC):
             logger.error(f"{self.name} LLM 调用失败: {response.error}")
         return response
 
-    async def _call_llm_stream(self, messages, tools=None, stream_response=None, text_delta_callback=None, **kwargs):
+    async def _call_llm_stream(self, messages, tools=None, stream_response=None, text_delta_callback=None, reasoning_delta_callback=None, **kwargs):
         """调用LLM并流式输出token到SSE response
 
         当 stream_response 提供时，逐 token 将内容写入 SSE 流。
@@ -121,6 +121,8 @@ class BaseAgent(ABC):
             text_delta_callback: 可选的回调函数 async (full_text_so_far, delta_text) -> None
                 当提供时，不再自动发送 text_delta SSE 事件，而是调用此回调。
                 回调可以自行决定如何处理文本增量（如过滤 JSON、提取 thought 等）。
+            reasoning_delta_callback: 可选的推理增量回调 async (full_reasoning_so_far, delta_text) -> None
+                专门用于处理模型的推理内容（thinking/reasoning tokens）。
         """
         if not self.llm:
             return LLMResponse(success=False, error="LLM 未初始化")
@@ -179,6 +181,9 @@ class BaseAgent(ABC):
             nonlocal full_reasoning
             full_reasoning += delta_text
             await _write_sse({"type": "reasoning_delta", "content": delta_text})
+            # 同时调用 reasoning_delta_callback（如果提供）
+            if reasoning_delta_callback:
+                await reasoning_delta_callback(full_reasoning, delta_text)
 
         try:
             if self.llm.provider in self.llm._OPENAI_COMPATIBLE_PROVIDERS or self.llm.provider == "zhipu":
@@ -350,10 +355,13 @@ class BaseAgent(ABC):
             final_tool_calls = []
             for idx in sorted(tool_calls_acc.keys()):
                 tc = tool_calls_acc[idx]
+                _raw_args = tc["arguments"] if tc["arguments"] else "{}"
                 try:
-                    args = json.loads(tc["arguments"]) if tc["arguments"] else {}
-                except json.JSONDecodeError:
-                    args = {}
+                    args = json.loads(_raw_args) if _raw_args else {}
+                except (json.JSONDecodeError, TypeError):
+                    # [v1.39] JSON解析失败时保留原始字符串，不静默丢弃
+                    logger.warning(f"streaming tool_call arguments JSON解析失败: {_raw_args[:200]}")
+                    args = {"raw_input": _raw_args}
                 final_tool_calls.append({
                     "id": tc["id"],
                     "name": tc["name"],