5.5 KiB
5.5 KiB
本地部署指南(LOCAL_DEPLOY)
在一台新机器上从零跑起本地蜂群测试环境。本机构建即原生架构(arm64/amd64 自动对),无需镜像仓库。任何密钥都不要写进本仓(见末尾清单,自己填)。
0. 前提
- Docker Desktop(开启 Kubernetes)、
kubectl、uv(装 OpenSandbox 用,可选) - 若拉 Docker Hub 慢/被挡:
~/.docker/daemon.json加改完重启 Docker。{ "registry-mirrors": ["https://<你的镜像加速域名>"] }
1. 拿代码
git clone http://gitee.ath.cx:3000/xiaohei/Agentswarm.git
cd Agentswarm
2. 构建镜像(本机原生架构)
docker build -f Dockerfile.orchestrator -t swarm-orchestrator:local .
docker build -f Dockerfile.agent -t swarm-agent:local .
# redis(Docker Hub 拉不动就用镜像源)
docker pull redis:7-alpine || { docker pull mirror.gcr.io/library/redis:7-alpine && docker tag mirror.gcr.io/library/redis:7-alpine redis:7-alpine; }
3. 让 k8s 用上本地镜像
- Docker Desktop 经典 k8s:本机镜像直接可用,跳过本步。
- kind 式(节点名 desktop-control-plane / desktop-worker…):镜像不共享,需导进每个节点:
for img in swarm-orchestrator:local swarm-agent:local redis:7-alpine; do docker save "$img" -o /tmp/i.tar for n in $(kubectl get nodes -o name | sed 's|node/||'); do docker exec -i "$n" ctr -n k8s.io images import - < /tmp/i.tar done done
4. 部署
kubectl create namespace swarm-system
# 模型 key(见末尾清单,自己填)
kubectl -n swarm-system create secret generic swarm-model-key --from-literal=OPENAI_API_KEY=<模型KEY>
kubectl apply -f k8s/rbac/
kubectl apply -f k8s/redis-statefulset.yaml
kubectl apply -f k8s/orchestrator-local.yaml
kubectl -n swarm-system rollout status deploy/orchestrator
kubectl -n swarm-system port-forward svc/orchestrator-service 8000:8000 # → http://localhost:8000
k8s/orchestrator-local.yaml 关键 env(按需改):
OPENAI_API_BASE/AGENT_OPENAI_API_BASE= 你的 LLM 网关/v1OPENAI_MODEL= 默认模型 id(每个 run 也可由请求覆盖)OPENAI_API_KEY← secretKeyRefswarm-model-keyAGENT_LAUNCH_BACKEND=kubernetes、AGENT_POD_IMAGE=swarm-agent:localAGENT_LAUNCH_MIN_POOL=16/POOL_SIZE=16/MAX_POOL=64、MAX_AGENTS_PER_USER=64、AGENT_PROPOSAL_BUDGET=8- 本地不走 azkv:不要设
SECRET_RESOLVER
5. 发任务验证 fan-out
POST http://localhost:8000/api/swarms
{
"mode": "swarm",
"orchestration_plan": { "objective": "<目标;greenfield 建项目可加『可覆盖原有仓库内容』>" },
"callback": { "url": "http://localhost:9999/cb" },
"metadata": { "manager_deployment_id": "test-1" },
"billing_context": { "default_model_id": "<模型id>" },
"resource_grants": [
{ "resource_type": "git",
"secret_ref": "azkv://local/secrets/g1",
"metadata": { "repo_url": "<可写 git 仓>", "base_branch": "main" } }
]
}
返回 data.deployment_id → 轮询 GET /api/swarms/{id}/result。
绑私有仓要给凭据(本地 dev 解析):
kubectl -n swarm-system set env deploy/orchestrator HEICODE_SECRET_g1='{"git_username":"<u>","git_password":"<p>"}'
kubectl -n swarm-system rollout restart deploy/orchestrator
看日志出现 Decomposed task into N subtask(s) + 多个 agent 并行执行 = fan-out 成功。
- pod 连宿主上的服务用 kind 网关 IP
172.19.0.1(如宿主 redis/网关)。
6.(可选)外部底座
OpenSandbox(代码执行沙盒)
uv venv --python 3.11 /tmp/osb
uv pip install --python /tmp/osb/bin/python opensandbox-server
/tmp/osb/bin/opensandbox-server init-config ~/.sandbox.toml --example docker-zh
OPENSANDBOX_INSECURE_SERVER=YES /tmp/osb/bin/opensandbox-server # 127.0.0.1:8080,docker 运行时
SDK:uv pip install --python /tmp/osb/bin/python opensandbox;SandboxSync.create("python:3.11-slim", connection_config=ConnectionConfigSync(domain="127.0.0.1:8080", protocol="http")) → .commands.run("...")。
jina MCP(搜索/web 工具,托管)
- 端点
https://mcp.jina.ai/v1(Streamable HTTP),HeaderAuthorization: Bearer <JINA_API_KEY>,21 个工具(search_web / read_url / …)。 - Python 验证:
mcp包streamablehttp_client(url, headers=...)+ClientSession。
密钥清单(自己填,切勿写进本仓)
| 用途 | 出处 / 重建 |
|---|---|
模型 key sk-(k8s secret swarm-model-key) |
你的 LLM 网关后台;建议新建 |
JINA_API_KEY |
Jina 后台(已暴露的请吊销换新) |
git 凭据(HEICODE_SECRET_<name>) |
你的 gitea |
| Azure(若用 ACR/AKS) | 新机 az login |
避坑(本次踩过)
- 不要往 xuanyuan.run 推自建镜像(只拉不推,push
unsupported);ugdocker.link pull 返回 html(坏)。本机构建就不需要任何 registry。 - 镜像别跨架构:在目标机本地构建即原生,别从 arm 机拷镜像到 amd 机(反之亦然)。
- 用 Gitea 自带容器 registry 托管镜像时:
gitee.ath.cx:3000是 http,需加进 dockerinsecure-registries并重启;推送要docker login gitee.ath.cx:3000(用 gitea 账号)。
当前能力 & 未完成
- ✅ 自底向上分解(#7):一个种子 → 拆 N 子任务 → N 个 agent 并行(已验证)。
- ⬜ Phase 3:agent 接 jina MCP(MCP client + function-calling)。⬜ Phase 4:代码执行走 OpenSandbox。
- ⚠️ 架构缺口:只 fan-out 不 convergence——产物碎在各结果分支、无合并/聚合;评审循环封顶
MAX_REVIEW_CYCLES=2;master_agent.synthesize仅文字汇总。