内容
<div align="center">
# Vesta
**Build agents that remember, continue, and learn.**
一个面向长期工作、在本地持续运行的 AI Agent Harness。
[](https://github.com/Kong-lh-rgb/vesta/actions/workflows/ci.yml)
[演示](#demo) · [核心能力](#what-vesta-can-do) · [架构](#how-it-fits-together) · [快速开始](#quick-start) · [评测](#evaluation)
</div>
Vesta 是一个面向长期工作的本地 AI Agent Harness。它不只完成当前对话，还会管理
长上下文、跟踪复杂任务、恢复中断 Run、使用本地与 MCP 工具，并从真实完成的工作中
逐步形成可复用的记忆与 Skill。
当前项目由 Python Host、Electron Desktop 和 macOS 原生 Computer Helper 组成，模型层
通过统一 Adapter 接入 OpenAI、Qwen、DeepSeek 与 Anthropic。
> 当前阶段为本地开发版本，接口、数据格式和交互仍可能调整。
## Demo
以下截图来自真实的本地 Run，不是静态概念稿。
### 动态演示
<p align="center">
<img src="docs/assets/vesta-demo.gif" width="100%" alt="Vesta 长任务执行动态演示" />
</p>
<p align="center">
Task 跟踪 · 文件工具 · Desktop 操作 · Artifact 交付
</p>
### Agent Workspace
<p align="center">
<a href="docs/assets/vesta-workspace.png">
<img src="docs/assets/vesta-workspace.png" width="100%" alt="Vesta Agent Workspace" />
</a>
</p>
<p align="center"><sub>统一工作台：从自然语言目标开始工作，在普通模式与规划模式之间切换。</sub></p>
### Long-Running Work
<p align="center">
<a href="docs/assets/vesta-task-run.png">
<img src="docs/assets/vesta-task-run.png" width="100%" alt="Vesta Task progress and Run panel" />
</a>
</p>
<p align="center"><sub>复杂任务的步骤进度、工具执行、交付物与 Run 状态在同一会话中持续可见。</sub></p>
<details>
<summary><strong>查看 Run Detail 与长期记忆</strong></summary>
#### Run Detail & Trace
<p align="center">
<a href="docs/assets/vesta-run-detail.png">
<img src="docs/assets/vesta-run-detail.png" width="100%" alt="Vesta Run Detail and Trace" />
</a>
</p>
模型调用、Token、缓存、Run Budget、Post-Run 与执行轨迹使用同一份运行数据进行解释。
#### Long-Term Memory
<p align="center">
<a href="docs/assets/vesta-memory.png">
<img src="docs/assets/vesta-memory.png" width="100%" alt="Vesta Long-Term Memory" />
</a>
</p>
Core Memory 随 Run 进入上下文；Ordinary Memory 由 Harness 每个 Run 做一次 Hybrid 自动召回（FTS5 + 向量 + RRF，仅注入 Top-5 候选摘要），模型需要完整内容时仍主动 memory_read。
</details>
## What Vesta Can Do
- **Multi-Provider Models** — 统一适配 OpenAI、Qwen、DeepSeek 和 Anthropic API。
- **Tool System** — 本地文件、Shell、网页搜索、时间等工具共享注册、超时、权限和审计边界；Shell 默认在 workspace 沙箱中执行。
- **MCP Extensions** — 通过 Desktop 导入和管理外部 stdio MCP Server；第三方进程使用白名单环境并在 macOS Seatbelt 中隔离。
- **Memory** — Core Memory 常驻，Ordinary Memory 每 Run 自动混合召回（FTS5 + 向量 + RRF）候选，模型按需读取正文，并在 Run 后反思更新；Markdown 是唯一权威存储，搜索索引可重建。
- **Task / Plan Mode** — 一个整体目标对应一个 Task，使用 Steps 跟踪复杂工作的真实进度。
- **Skill & Skill Learning** — 按需激活 Skill，并从多个 Completed Task 的 Trace 中提炼候选经验。
- **Context Management** — 每轮整理工具结果，超过预算后滚动摘要，同时保留当前目标和关键状态。
- **Run / Recovery** — 持久化 Run 生命周期，通过 Checkpoint 从中断边界创建恢复 Run。
- **Trace & Usage** — 记录模型、工具、审批、压缩和 Post-Run 事件，并拆分缓存与可计费用量。
- **Automation** — 支持 once、interval 和 cron，将定时输入送入正常 Conversation/Run 链路。
- **Async Approval** — 高风险工具可后台等待用户审批，Desktop 浮窗负责继续或拒绝执行。
- **Computer Runtime (macOS)** — 原生 Helper 提供结构化观察、目标验证和受控桌面操作。
- **Artifacts** — 将 Run 生成的文件或链接作为可追踪交付物发布到 Desktop。
- **Desktop** — 提供聊天、实时执行过程、Task、Memory、Run、Trace、Automation、Approval 和扩展管理。
## How It Fits Together
```text
Desktop / CLI / Automation
↓
ConversationService
↓
RunManager
↓
AgentRuntime
↙ ↘
Context ToolRegistry → Permission → Executor → Hooks
↓ ↓
Model Adapter Local / MCP / Computer
↓
Sandbox Supervisor (Shell / MCP)
↓
Trace · Checkpoint · Usage · Artifact
Post-Run
├─ Memory Reflection / Maintenance
└─ Task-backed Skill Learning
```
Desktop 与 Host 的正常业务链路是：
```text
Desktop
↓
WS /rpc (JSON-RPC)
↓
Vesta Host
↓
ConversationService / RunManager / AgentRuntime
```
`GET /health`、Computer screenshot 和 Artifact content 只承担本地 transport；正常业务
通过 `WS /rpc` 完成。Host 默认只接受 loopback 客户端。
## Core Concepts
| 概念 | 职责 |
| --- | --- |
| Conversation | 保存用户与 Agent 的完整原始消息历史 |
| Context | 为当前模型请求整理预算、工具结果和滚动摘要 |
| Task | 记录当前长期目标、Steps 和进度 |
| Memory | 保存跨会话仍值得知道的事实、偏好和决定 |
| Skill | 保存以后处理同类任务时可复用的方法 |
| Run | 表示一次 Agent 执行的完整生命周期 |
| Trace | 记录一次 Run 实际发生了什么 |
| Checkpoint | 保存中断后的可恢复边界 |
| Artifact | 表示一次 Run 可交付的文件或链接 |
| Automation | 描述未来何时向 Conversation 投递新输入 |
## Quick Start
### Requirements
- Python 3.12+
- Node.js 22+
- macOS：只有使用 Computer Runtime 时需要，并需授予辅助功能权限
### 1. Clone and install Backend
```bash
git clone https://github.com/Kong-lh-rgb/vesta.git
cd vesta
python -m venv backend/.venv
backend/.venv/bin/python -m pip install -r backend/requirements.txt
cp backend/.env.example backend/.env
```
首次使用可以通过 CLI 设置主模型。macOS 上 API Key 会保存到系统 Keychain，模型名称与
API 地址等非敏感配置保存在本地 `.vesta` 目录；也可以继续使用 `backend/.env` 配置。
真实 API Key 不要提交到 Git。
### 2. Start with CLI
```bash
cd backend
.venv/bin/python -m app --setup
.venv/bin/python -m app
```
CLI 可用于快速验证模型、工具、会话恢复、Memory、MCP、Run 和 Trace。
已经完成设置时可以跳过第一条命令；旧入口 `.venv/bin/python -m app.models.chat`
仍然兼容。
### 3. Start Vesta Host and Desktop
终端 1：
```bash
cd backend
.venv/bin/python -m app.server
```
终端 2：
```bash
cd desktop
npm install
npm run electron:dev
```
纯浏览器 Renderer 调试可以使用 `npm run dev`，完整桌面能力需要 Electron。
## Extensions
### MCP
Desktop 的“设置 → 扩展能力”支持粘贴 GitHub 地址或外部 `mcpServers` JSON，先展示解析
结果和即将执行的命令，再由用户确认安装。MCP 工具注册后仍会经过 Vesta 的权限、执行、
Hook 和 Trace 链路；MCP 子进程默认只能读写 workspace，Host 环境变量使用白名单传递。
可在扩展配置中关闭网络或收紧文件权限，显式选择宿主机执行会显示为危险模式。
Sandbox V1 当前使用 macOS Seatbelt。平台无法落实请求策略时会拒绝启动对应进程，不会静默
回退到宿主机；容器后端和域名级网络代理仍属于后续能力。设计与边界见
[Sandbox V1](docs/sandbox.md)。
### Skills
Skill 可以由用户导入，也可以由 Skill Learning 从多个已完成 Task 的真实 Trace 中生成
Candidate。学习产生的 Candidate 不会绕过人工确认直接成为正式 Skill。
## Development Checks
Backend：
```bash
cd backend
.venv/bin/python -m pip install -r requirements.txt -r requirements-dev.txt
.venv/bin/python -m pytest
.venv/bin/ruff check .
.venv/bin/python -m compileall -q app tests
```
Desktop：
```bash
cd desktop
npm ci
npm test
npm run typecheck
npm run build
```
Native macOS Helper：
```bash
cd native/macos-computer-helper
swift build
swift Tests/protocol_check.swift
```
GitHub Actions 会运行以上 Backend、Desktop 和 Native macOS 基线。
## Repository Layout
```text
vesta/
├── backend/ Python Harness、Host、CLI 与测试
│ ├── app/
│ │ ├── agent/ AgentRuntime 与事件
│ │ ├── context/ 上下文构建与压缩
│ │ ├── tools/ 本地工具、权限、Executor 与 Hooks
│ │ ├── memory/ Core / Ordinary Memory
│ │ ├── task/ Task 与 Plan Mode
│ │ ├── skills/ Skill Store 与运行时激活
│ │ ├── skill_learning/ Trace-backed Skill Learning
│ │ ├── run/ Run 生命周期与 Recovery
│ │ ├── checkpoint/ 恢复边界
│ │ ├── automation/ Automation 领域模型
│ │ ├── scheduler/ 定时调度
│ │ ├── computer/ Computer Runtime
│ │ ├── mcp/ MCP Client
│ │ └── server/ Vesta Host 与 WS /rpc
│ └── tests/ 离线测试、E2E 与 Eval
├── desktop/ Electron + React + TypeScript + Vite
├── native/macos-computer-helper/ macOS 原生 Helper
├── workspace/ Agent 被允许操作的本地工作区
└── docs/ 公开演示资源与 Sandbox 说明
```
## Current Boundaries
- Vesta 目前以本地单用户环境为目标，不是公网多租户服务；
- Computer Runtime 当前只支持 macOS；
- MCP 当前主要接入 stdio Server；
- Skill Learning 生成 Candidate，不自动绕过人工确认；
- 完整 Live Eval 成本较高，日常开发默认运行离线测试，发布前才运行完整 Regression。
连接信息
猜你喜欢
暂无推荐服务器