pingtai_agent/code_agent

Code Agent

根据 specs_agent 生成的任务清单自动生成 Agent 项目代码。

功能特性

• 任务清单解析：解析 specs_agent 生成的 Markdown 格式任务清单
• 代码自动生成：根据任务清单和项目规范生成完整的 Agent 项目
• 模板 + AI 混合生成：标准文件使用模板，业务逻辑使用 AI 生成
• 规范约束：支持 steering_agent 提供的项目规范

工作流程

specs_agent 任务清单 + steering_agent 项目规范
                    ↓
              code_agent
                    ↓
           完整 Agent 项目代码

快速开始

环境变量

# 必需
export OPENAI_API_KEY=your-api-key

# 可选
export OPENAI_BASE_URL=https://litellm.taiji.io/v1
export MODEL_NAME=taiji/gpt-4o-mini
export API_KEY=your-api-key  # API 访问密钥
export API_HOST=0.0.0.0
export API_PORT=8000

本地运行

# 安装依赖
pip install -r requirements.txt

# 启动服务
python run_api_server.py

Docker 运行

# 构建镜像
docker build -t code-agent .

# 运行容器
docker run -p 8000:8000 \
  -e OPENAI_API_KEY=your-key \
  code-agent

API 端点

端点	方法	描述
/	GET	服务状态
/health	GET	健康检查
/mcp	POST	MCP JSON-RPC
/mcp/sse	GET/POST	MCP SSE 流式
/api/v1/parse	POST	解析任务清单
/api/v1/generate	POST	生成完整项目
/api/v1/tools	GET	获取工具列表

MCP 工具

工具名称	功能
parse_task_list	解析 specs_agent 生成的任务清单
generate_project	根据任务清单生成完整的 Agent 项目

使用示例

1. 解析任务清单

curl -X POST http://localhost:8000/api/v1/parse \
  -H "Content-Type: application/json" \
  -H "api-key: your-key" \
  -d '{
    "task_list_markdown": "# 任务清单: 数据去重 Agent\n\n## 任务列表\n\n### Task-001: 创建项目结构\n**类型**: 创建文件\n**文件**: `src/__init__.py`\n**依赖**: 无"
  }'

2. 生成完整项目

curl -X POST http://localhost:8000/api/v1/generate \
  -H "Content-Type: application/json" \
  -H "api-key: your-key" \
  -d '{
    "task_list": "# 任务清单: 数据去重 Agent\n...",
    "project_context": "{\"naming_conventions\": {\"files\": \"snake_case\"}}"
  }'

3. 完整流程示例

import requests
import json

# 1. 从 specs_agent 获取任务清单
task_list = """
# 任务清单: 数据去重 Agent

## 任务列表

### Task-001: 创建项目目录结构
**类型**: 创建文件
**文件**: 
- `src/__init__.py`
- `src/server/__init__.py`
**依赖**: 无

### Task-002: 实现 MCP 工具
**类型**: 创建文件
**文件**: `src/server/mcp_server.py`
**依赖**: Task-001
**描述**: 实现数据去重的 MCP 工具
**代码要点**:
```python
@server.tool()
async def deduplicate(data: List[str]) -> str:
    ...

执行顺序

1. Task-001 → Task-002 """

2. 从 steering_agent 获取项目规范（可选）

project_context = { "naming_conventions": { "files": "snake_case", "classes": "PascalCase", "functions": "snake_case" }, "code_patterns": { "async_required": True, "error_handling": "try-except with JSON response" } }

3. 调用 code_agent 生成项目

response = requests.post( "http://localhost:8000/api/v1/generate", headers={"api-key": "your-key"}, json={ "task_list": task_list, "project_context": json.dumps(project_context) } )

result = response.json()

if result["success"]: print(f"✅ 生成成功！共 {len(result['files'])} 个文件") for file in result["files"]: print(f" - {file['path']} ({file['type']})") else: print(f"❌ 生成失败: {result['error']}")

## 生成结果格式

```json
{
  "success": true,
  "project_name": "dedup_agent",
  "files": [
    {
      "path": "dedup_agent/src/__init__.py",
      "content": "\"\"\"数据去重 Agent 源代码包\"\"\"",
      "type": "template",
      "task_id": "Task-001"
    },
    {
      "path": "dedup_agent/src/server/mcp_server.py",
      "content": "...(完整代码)...",
      "type": "ai_generated",
      "task_id": "Task-002"
    }
  ],
  "tasks_completed": 2,
  "tasks_total": 2,
  "error": null
}

与其他 Agent 的协作

用户 → specs_agent → 任务清单
                         ↓
用户 → steering_agent → 项目规范
                         ↓
                    code_agent
                         ↓
                  完整项目代码

项目结构

code_agent/
├── Dockerfile
├── README.md
├── USAGE.md
├── requirements.txt
├── run_api_server.py
└── src/
    ├── __init__.py
    └── server/
        ├── __init__.py
        ├── api_server.py      # FastAPI + MCP HTTP
        ├── mcp_server.py      # MCP 工具定义
        ├── parser.py          # 任务清单解析器
        ├── generator.py       # 代码生成器
        └── templates/         # 代码模板
            ├── __init__.py
            ├── base_templates.py
            └── prompts.py

许可证

MIT License