AI守护进程

基于Spring Boot 4和Spring AI构建的轻量级AI框架。连接任何LLM提供商，用技能和MCP扩展功能，安排自主作业，并通过REST、Web UI或终端进行交互——所有这些都可以从一个自托管服务中实现。

建筑```mermaid

graph TB
User([User])

subgraph Interface["Interface Layer"]
REST[REST API]
WebUI[Web UI]
CLI[Interactive CLI]
end

User -->|HTTP / curl| REST
User -->|Browser| WebUI
User -->|Terminal| CLI
WebUI --> REST

subgraph Engine["AI Engine"]
Chat[Chat Service]
Conv[Conversation Manager]
Providers[Provider Registry]
Memory[Persistent Memory]
Skills[Skills Reader]
Shell[Shell Executor]
Scheduler[Job Scheduler]
MCPTools[MCP Tools]
end

subgraph Providers_Sub["LLM Providers"]
OpenAI[OpenAI]
Anthropic[Anthropic]
Gemini[Gemini]
Ollama[Ollama / Local]
end

subgraph External["External Integrations"]
MCPRemote[Remote MCPs]
MCPLocal[Local MCPs - stdio]
Smithery[Smithery Skills Registry]
end

subgraph Storage["~/.aidaemon/"]
ProvidersJSON[providers.json]
MemoryJSON[memory.json]
JobsJSON[jobs.json]
ConversationsDir[conversations/]
SkillsDir[skills/]
McpsDir[mcps/]
end

REST --> Chat
REST --> Conv
CLI --> Conv

Conv -->|multi-turn history| Chat
Chat --> Providers
Providers --> OpenAI & Anthropic & Gemini & Ollama

Chat -->|tool calls| Memory & Skills & Shell & Scheduler & MCPTools

Memory -->|read/write| MemoryJSON
Skills -->|read| SkillsDir
Scheduler -->|persist| JobsJSON
Scheduler -->|executes via| Chat
Conv -->|persist| ConversationsDir
MCPTools --> MCPRemote & MCPLocal
MCPRemote & MCPLocal -.->|config| McpsDir
Smithery -->|install all files| SkillsDir
Providers -.->|persist| ProvidersJSON

Shell -->|guarded by flag| OS[Host OS]

style User fill:#f9f,stroke:#333
style Storage fill:#c9a800,stroke:#333,color:#fff
style External fill:#1a7a7a,stroke:#333,color:#fff

### 授权

启用委派后，主代理可以生成子代理以并行处理子任务。子代理异步运行；当它们完成时，家长会被状态更新唤醒，可以综合结果或发送修订工作。
子代理可以创建自己的子代理。该图简单地显示了一个父代理和一个顶级子代理。```mermaid
sequenceDiagram
participant User
participant Parent as Parent Agent
participant DelegationService
participant Sub1 as Sub-agent 1
participant Sub2 as Sub-agent 2

User->>Parent: Message
Parent->>Parent: Estimates time > threshold
Parent->>DelegationService: delegateToSubAgent x2
DelegationService->>Sub1: Create and run sub-conversation
DelegationService->>Sub2: Create and run sub-conversation
Parent->>User: Delegated, will respond when ready
Sub1->>DelegationService: Completed
Sub2->>DelegationService: Completed
DelegationService->>Parent: Delegation Status Update with sub results
Parent->>Parent: Review, addWorkToSubAgent or synthesize
Parent->>User: Final response

• 工具： delegateToSubAgent(name, instruction) 创建子对话并将其排队。 addWorkToSubAgent(subConversationId, instruction) 在审查其输出后，将后续工作发送给子代理。
• 配置： aidaemon.delegation-enabled=true, aidaemon.delegation-threshold-seconds=30当模型的估计时间超过阈值时，指示模型进行委托。

特性

• 多供应商 --OpenAI、Anthropic、Gemini、Ollama。使用API密钥持久性在运行时添加/删除提供程序。
• 对话 --有状态的多回合会话，具有完整的聊天历史记录，在以下情况下持续存在 ~/.aidaemon/conversations/。已选择提供商（代理） 按提示：为对话设置或更改它，以便下一条消息使用该提供程序。对话有创建时间戳，可以按时间排序。
• 流媒体 --对话消息可以通过以下方式发送 POST /api/conversations/{id}/messages/stream 上海证券交易所块包括 reasoning, answer，以及 tool 类型，以便UI可以实时显示思维和工具。
• 授权 --可选的子代理委托：AI将工作拆分为并行运行的子对话；当它们完成时，家长会收到通知，可以综合或请求修改。启用 aidaemon.delegation-enabled=true.
• 思考/推理 --支持暴露它的提供者（例如Anthropic扩展思维）。推理是单独流式传输的，并在Web UI中显示；计划作业结果包括存储输出中的思考。
• 快速缓存 --在支持的情况下（例如Anthropic、Gemini）使用对话历史和提示缓存来降低成本和延迟。
• 上下文窗口 --可选 aidaemon.context-window.chars-limit （字符限制）修剪旧消息，对于命名的机器人，修剪个人记忆，使提示适合。使用 aidaemon.context-window.personal-memory-ratio （0–1）在对话历史和机器人个人记忆之间分配预算。AI可以使用 retrieveOlderMessages 当上下文被修剪时，用于获取旧对话内容的工具。
• 持久内存 --AI可以通过以下方式在会话之间保存和回忆信息 memory.json.
• 技能 --将指令文件放入 ~/.aidaemon/skills/ 或从安装 铁匠铺 通过REST端点。AI根据特定领域的上下文读取它们。
• MCP支持 --连接远程（流式HTTP、SSE）和本地（stdio）MCP服务器。将JSON配置放入 ~/.aidaemon/mcps/ 并重新加载或添加 铁匠铺-通过聊天（Notion、谷歌日历等）托管MCP。
• 预定作业 --AI创建cron作业（重复或一次性），按计划自主执行指令。AI还可以列出和取消它们。
• Shell 访问 --可选地允许AI执行主机命令（git、docker、curl等）。由全局切换端点控制。
• 网页用户界面 --React应用程序 frontend/webui/ 对于提供者、对话和流媒体聊天，具有推理和工具可见性。
• 交互式CLI --基于终端的聊天功能，包括提供商选择、对话管理和shell切换。

先决条件

• Java 25+
• Maven（或使用附带的 mvnw 包装）

快速开始```bash

Clone and build

git clone
cd aidaemon
./mvnw spring-boot:run

在Windows PowerShell上：```powershell
.\mvnw.cmd spring-boot:run

服务器启动于 http://localhost:8080.

1.注册提供商```bash

curl -X POST http://localhost:8080/api/providers \
-H "Content-Type: application/json" \
-d '{"name":"my-gpt","type":"OPENAI","apiKey":"...","model":"gpt-4o"}'

支持的类型： `OPENAI`, `ANTHROPIC`, `GEMINI`, `OLLAMA`

对于Ollama（不需要API密钥）：```bash
curl -X POST http://localhost:8080/api/providers \
-H "Content-Type: application/json" \
-d '{"name":"local-llama","type":"OLLAMA","baseUrl":"http://localhost:11434","model":"llama3"}'

2.聊天（无状态）```bash

curl -X POST http://localhost:8080/api/chat/{providerId} \
-H "Content-Type: application/json" \
-d '{"messages":[{"role":"user","content":"Hello!"}]}'

### 3.对话（有状态）

对话持续进行 `~/.aidaemon/conversations/`。每个都有一个可选名称。根据提示选择提供程序：在创建时设置或通过 `PATCH`；您发送的下一条消息将使用该提供商。```bash
# Create a conversation
curl -X POST http://localhost:8080/api/conversations \
-H "Content-Type: application/json" \
-d '{"name":"My chat","providerId":""}'

# Send messages (history is maintained server-side)
curl -X POST http://localhost:8080/api/conversations/{id}/messages \
-H "Content-Type: application/json" \
-d '{"message":"What did I just ask you?"}'

# Stream response (SSE: reasoning, answer, tool chunks)
curl -X POST http://localhost:8080/api/conversations/{id}/messages/stream \
-H "Content-Type: application/json" \
-d '{"message":"Explain X"}' \
-N

# Set which provider to use for the next prompt(s)
curl -X PATCH http://localhost:8080/api/conversations/{id} \
-H "Content-Type: application/json" \
-d '{"providerId":"other-provider-id"}'

4.交互式CLI```bash

./mvnw spring-boot:run -Dspring-boot.run.profiles=cli

在Windows PowerShell上：```powershell
.\mvnw.cmd spring-boot:run "-Dspring-boot.run.profiles=cli"

CLI中的命令： /quit, /new （新对话）， /shell （切换shell访问）。

5.Web用户界面

从项目根目录开始，构建并运行React UI（代理到后端）：```bash
cd frontend/webui
npm install
npm run dev

连接到显示的URL（例如Vite-dev服务器）。配置提供者和对话，然后聊天；响应流中包含推理和工具调用（如果可用）。

## 技能

技能是包含以下内容的文件夹 `SKILL.md` 以及提供AI领域特定知识的可选资源（脚本、参考、资产）。

**手动安装：** 将技能文件夹放入 `~/.aidaemon/skills/`启用Smithery MCP后，要求AI搜索并安装技能（例如“安装Smithery的技能创建者技能”）；使用 `searchSmitherySkills` 和 `installSmitherySkill`.

**管理技能：** 让AI列出技能(`listSkills`)，以技能列出或读取文件(`listSkillFiles`, `readSkillFile`)，或删除技能(`removeSkill`).

## MCP服务器

在中创建JSON配置文件 `~/.aidaemon/mcps/`.

**远程（流式HTTP）：**```json
{
"name": "github",
"type": "REMOTE",
"url": "https://api.githubcopilot.com/mcp/",
"headers": {
"Authorization": "Bearer "
}
}

远程（传统SSE）：```json
{
"name": "my-sse-server",
"type": "SSE",
"url": "https://example.com/mcp/sse"
}

**本地（stdio）：**```json
{
"name": "aviation",
"type": "LOCAL",
"command": "npx",
"args": ["-y", "aviationstack-mcp-server"],
"env": {
"AVIATIONSTACK_API_KEY": ""
}
}

通过Smithery添加MCP

你可以连接 铁匠铺-托管MCP服务器（如Notion、Google Calendar），无需手动编写配置文件。

1. 启用和配置Smithery MCP 在 application.yaml 或环境：```yaml
   aidaemon:
   smithery-mcp:
   enabled: true
   namespace:
   api-key:

从获取命名空间和API密钥 Smithery仪表板.

1. **查找服务器** 上 smithery.ai/servers 并注意它的蛞蝓（例如。 `notion`, `googlecalendar`)或完整URL（例如。 `https://smithery.ai/servers/notion`).

1. **通过聊天添加MCP：** 在任何对话中，让AI通过slug或URL添加服务器，例如：

- “添加Smithery的MCP概念”
- “添加Smithery MCP服务器谷歌日历”

AI使用 `addSmitheryMcp` 工具，将配置写入 `~/.aidaemon/mcps/`，并连接服务器。

1. **OAuth：** 如果服务器需要登录，该工具将返回一个授权URL。在浏览器中打开它，完成登录，然后重新加载MCP：```bash
curl -X POST http://localhost:8080/api/mcps/reload
``````bash
# List connected MCPs
curl http://localhost:8080/api/mcps

# Reload after adding/editing config files
curl -X POST http://localhost:8080/api/mcps/reload

Shell访问权限

Shell访问权限为 默认情况下禁用。在运行时切换它：```bash

Enable

curl -X POST http://localhost:8080/api/shell-access/enable

Disable

curl -X POST http://localhost:8080/api/shell-access/disable

Check status

curl http://localhost:8080/api/shell-access

启用后，AI可以在主机系统上执行任意命令。

## 计划的作业

人工智能可以通过工具调用创建cron作业。您还可以通过REST管理它们：```bash
# List all jobs
curl http://localhost:8080/api/jobs

# View execution results
curl http://localhost:8080/api/jobs/results

# Cancel a job
curl -X DELETE http://localhost:8080/api/jobs/{id}

API 参考

数据目录

所有持久数据都存在于 ~/.aidaemon/:~/.aidaemon/ ├── providers.json # Registered LLM providers and API keys ├── memory.json # AI's persistent memory ├── jobs.json # Scheduled job definitions ├── conversations/ # Conversation JSON files (stateful chats) ├── skills/ # Skill folders (SKILL.md + resources) └── mcps/ # MCP server config JSON files

配置

可选的 application.yaml /env属性：

小心

• API密钥以纯文本形式存储 在 ~/.aidaemon/providers.json。相应地保护此文件。
• Shell访问权限授予AI完整的命令执行权限 在你的机器上。仅在受信任的环境中启用它，并在不需要时禁用它。
• 计划作业自主运行 使用您配置的提供程序并使用API令牌。监控您的作业并取消不再需要的作业。
• MCP服务器可能会暴露出强大的功能 （文件系统访问、API调用等）。在连接MCP配置之前，请先检查它们。
• 该项目使用Spring AI里程碑版本，这些版本之间可能会有突破性的变化。

贡献

欢迎投稿！无论是bug修复、新的提供商集成、额外的工具还是文档改进，我们都非常感谢所有PR。

如果您对新功能有想法或发现问题，请在提交PR之前打开GitHub问题进行讨论。