内容
#### 光标 / 风筝 / Zed
将以下内容添加到您的MCP配置（`.cursor/mcp.json`，`.windsurf/mcp.json`）：
```json
{
"mcpServers": {
"jebat": {
"command": "python3",
"args": ["/absolute/path/to/jebat-mcp"],
"env": {}
}
}
}
```
#### VS Code (通过 Continue / Cline 扩展)
```json
{
"mcpServers": {
"jebat": {
"command": "python3",
"args": ["/absolute/path/to/jebat-mcp"]
}
}
}
```
#### JetBrains (通过 MCP 插件)
设置 > 工具 > MCP > 添加服务器：
```
命令：python3 /absolute/path/to/jebat-mcp
模式：stdio
```
### 连接到外部 MCP 服务器
```bash
# 启动本地 MCP 服务器以供 IDE 使用
python ./jebat-mcp --transport stdio
# 在自己的身份验证代理后面启动循环 HTTP 服务
python ./jebat-mcp --transport http --host 127.0.0.1 --port 8099
```
---
## Keris — Sentinel 安全
自主渗透测试编排器，具备 AI 驱动的分析。
```bash
# 快速扫描
jebat keris scan example.com --profile quick
# 完整的扫描和编排
jebat keris scan 192.168.1.0/24 --profile full
# 快速评估
jebat keris assess example.com
# 查看历史记录
jebat keris history
```
### 扫描配置文件
| 配置文件 | 描述 |
|---------|-------------|
| `quick` | 端口扫描 + 基本漏洞扫描（~30秒） |
| `standard` | 完整的端口扫描 + 服务检测 + 漏洞扫描（~2分钟） |
| `full` | 全面的扫描 + CVE 检查 + SSL 分析（~5分钟） |
| `vuln` | 仅限漏洞扫描 |
---
## Perisai — Nexus 多通道
用于 Telegram、Discord、Slack、Signal、Matrix 和 WhatsApp 的多通道机器人编排器。
```bash
# 列出通道
jebat nexus list
# 添加通道
jebat nexus add telegram -123456789 --token "BOT_TOKEN"
# 发送消息
jebat nexus send -123456789 "Hello from JEBAT!"
# 广播到所有通道
jebat nexus broadcast "System update complete"
# 健康检查
jebat nexus health
# 统计信息
jebat nexus stats
```
---
## Sahabat — Companion
用于记忆、简报和会议智能的 AI 伴侣。
```bash
# 交互式聊天
jebat companion chat
# 生成简报
jebat companion briefing
# 总结会议
jebat companion meeting --file transcript.txt --title "Sprint Review"
# 伴侣统计信息
jebat companion stats
```
---
## 多代理编排
JEBAT 将任务分派给专门的子代理：
```bash
# 委托给特定代理
jebat delegate run "Audit all API endpoints" --agent tukang --tools terminal,file
# 并行多代理任务
jebat delegate run "Security audit + code review" --parallel
# 启动代理集群
jebat agent "Analyze this codebase for vulnerabilities, performance issues, and code quality"
```
### 代理角色
| 代理 | 领域 |
|-------|--------|
| **Tukang** | 实现、代码、构建 |
| **Hulubalang** | 安全、渗透测试、强化 |
| **Pawang** | 研究、调查、文档 |
| **Syahbandar** | 运维、自动化、部署 |
| **Bendahara** | 数据库、模式、迁移 |
| **Penyemak** | 质量保证、验证、发布 |
---
## 技术比较
| 功能 | JEBAT v8.2.1 | 商业 SaaS (Claude/GPT) | Ollama WebUI | LM Studio |
| :--- | :---: | :---: | :---: | :---: |
| **数据驻留** | **100% 私有 / 空气隔离** | 云（第三方） | 仅本地 | 仅本地 |
| **LLM 提供商路由** | **17 提供商（故障转移）** | 单一提供商 | 仅 Ollama | 仅本地 |
| **MCP 服务器** | **原生工作区服务器** | 无 | 基本 API | 本地 API |
| **认知配置文件** | **7 种思考模式（Ultra-Think）** | 标准聊天 | 标准聊天 | 标准聊天 |
| **安全审计** | **自主渗透测试套件** | 阻止 | 无 | 无 |
| **访问控制（RBAC）** | **3 级命令分类** | 哑音策略 | 基本身份验证 | 无 |
| **永久记忆** | **5 层热评分召回** | 会话限制 | 无 | 无 |
| **Web 界面** | **隐身战术（25 个功能）** | 聊天界面 | 基本界面 | 本地界面 |
| **平台套件** | **5 个产品，1 个记忆** | 单一产品 | 无 | 无 |
| **npx / npm** | **零安装包装器** | 不适用 | 不适用 | 不适用 |
| **远程推理** | **AMD EPYC 9354P（8 vCPU/32GB）** | 云 GPU | 本地 GPU | 本地 GPU |
---
## 配置
配置文件：`~/.jebat/config.yaml`
```yaml
llm:
provider: ollama
model: qwen2.5-coder:7b
api_base: https://jebat.online/ollama
fallback_providers:
- openai
- anthropic
- openrouter
- groq
safety:
default_tier: confirm
sandbox_restricted: true
mcp:
server_port: 8787
enable_stdio: true
agent:
max_iterations: 10
stream_tokens: true
```
### 快速配置命令
```bash
# 显示配置
jebat config show
# 设置值
jebat config set agent.safety_mode confirm
# 在 $EDITOR 中编辑
jebat config edit
# 健康检查
jebat doctor
```
---
## 系统架构
```
jebat-core/
├── jebat/ # 活动运行时模块
│ ├── cli/ # 入口点
│ ├── core/ # 认知循环（agent_loop、编排器、委托）
│ ├── mcp/ # MCP 服务器 + 技能注册 + 适配器
│ ├── services/ # WebUI、MCP 协议、API 网关
│ │ └── webui/ # 隐身战术 WebUI
│ │ ├── launch.py # 企业启动器（速率限制、CSP、审计）
│ │ ├── webui_server.py # FastAPI 服务器 + WebSocket
│ │ └── static/ # SPA shell、13 个部分、CSS 主题
│ ├── features/ # 专门的功能套件
│ │ ├── companion/ # Sahabat — 记忆、简报、会议
│ │ ├── sentinel/ # Keris — 渗透测试编排器
│ │ ├── nexus/ # Perisai — 多通道机器人
│ │ ├── design/ # DESIGN.md 集成
│ │ ├── code_agent/ # 代码代理功能
│ │ ├── ultra_loop/ # 自主代理循环
│ │ └── ultra_think/ # 7 模式推理引擎
│ ├── cortex/ # 技能推荐引擎
│ ├── orchestration/ # 基于 DAG 的工作流引擎
│ ├── multitenancy/ # 多租户隔离
│ └── llm/ # 多提供商认知路由
├── jebat-npm/ # npx/npm 包装器包
├── db/ # SQLite RAG wiki 和记忆文件
└── docs/ # 平台架构参考
```
---
## 安全分类层级
为了保护目标服务器，JEBAT 将所有工具执行分为权限层级：
- **AUTO**：无需干预即可执行的只读安全命令（例如 `cat`、`grep`）。
- **CONFIRM**：需要用户验证的写入和修改命令（例如 `write`、`patch`、`git commit`）。
- **DANGEROUS**：需要明确终端验证标签的破坏性或权限升级命令（例如 `rm -rf`、`sudo`）。
---
## 平台支持
| 操作系统 | Shell | 状态 |
|----|-------|--------|
| macOS | zsh/fish/bash | 完整 |
| Linux | bash/zsh/fish | 完整 |
| Windows | PowerShell/CMD/Git Bash | 完整 |
| WSL2 | bash | 完整 |
---
## 文档
- [MCP 集成](MCP.md) — 本地 IDE 设置和自托管传输
- [工作站 MCP 指南](WORKSTATION_MCP_GUIDE.md) — IDE 集成指南
- [llama.cpp VPS 部署](docs/LLAMACPP_VPS_DEPLOYMENT.md) — 推理运行手册
- [生产 Compose](infra/vps/vps/docker-compose.prod.yml) — 公共 API 和 WebUI 堆栈
- [生产 Nginx vhost](infra/vps/vps/nginx.jebat.online.conf) — 公共路由
---
## 模型微调（JEBAT-Builder）
训练一个自定义模型，使其了解您的代码风格和 JEBAT 架构。
### 免费云 GPU 选项
| 平台 | GPU | VRAM | 免费层 | 最适合 |
|----------|-----|------|-----------|----------|
| **Google Colab** | T4 | 15GB | ✅ 无限会话 | 快速实验 |
| **Kaggle** | T4 x2 | 30GB | ✅ 每周 30 小时 | 中等微调 |
| **AWS SageMaker** | T4 | 16GB | ✅ 每会话 4 小时 | 快速测试 |
| **Paperspace** | M4000 | 8GB | ✅ 有限小时 | 开发 |
| **Lightning AI** | T4 | 16GB | ✅ 每月 22 小时 | 开发 |
| **GCP 免费层** | T4/V100/A100 | 变化 | ✅ 300 美元信用 | 严肃训练 |
### 付费选项（最便宜）
| 平台 | GPU | 每小时费用 | 最适合 |
|----------|-----|-----------|----------|
| **RunPod** | RTX 3090 24GB | 0.45 美元 | 预算训练 |
| **Vast.ai** | RTX 3090 | 0.20-0.40 美元 | 最便宜 |
| **Lambda** | A100 80GB | 1.10 美元 | 生产 |
| **Together.ai** | A100 80GB | 1.36 美元 | 微调 API |
### 微调步骤
```bash
# 步骤 1：从您的仓库创建训练数据集
python -m jebat.ml.create_dataset --repos /path/to/your/code
# 步骤 2：在 Google Colab 上微调（免费 T4 GPU）
# - 使用 Unsloth 进行高效 LoRA（4 位量化）
# - 基础模型：qwen2.5-coder:7b
# - 时间：2-4 小时
# - 费用：$0
# 步骤 3：导出为 GGUF
python -m jebat.ml.export_gguf --model ./finetuned_model --format Q4_K_M
# 步骤 4：部署到 jebat.online
scp ./jebat-builder.Q4_K_M.gguf root@72.62.255.206:/tmp/
ssh root@72.62.255.206 "ollama create jebat-builder -f /tmp/Modelfile"
```
### 您的硬件
| 设备 | GPU | VRAM | 训练能力 |
|--------|-----|------|---------------------|
| **笔记本电脑** | RTX 3060 | 6GB | QLoRA for 3B-4B 模型 |
| **服务器 .206** | 无（CPU） | 无 | 仅推理 |
| **Google Colab** | T4 | 15GB | LoRA for 7B-13B 模型 |
| **Kaggle** | T4 x2 | 30GB | QLoRA for 7B-13B 模型 |
---
## 许可证和组织
在严格的数据驻留治理下由 NusaByte 开发和维护。
在 MIT 开源许可证下许可。由 Shaidan Shaari (humm1ngb1rd) 构建。
🗡️ **JEBAT** — *因为战士记得所有重要的事情。*
