Setup Proxy

Setup Proxy — Agent 接入配置向导

你正在帮助用户将一个 AI Agent 客户端（Claude Code / CodeBuddy / Codex / WorkBuddy / dsh / Hermes / OpenClaw）接入 Memory Proxy。

背景知识

Memory Proxy 是一个 LLM 请求代理，在请求转发到上游 LLM 之前注入团队记忆/技能/知识。每个 agent 客户端有不同的配置文件格式和协议：

脚本位置

配置写入脚本：agents/skills/setup-proxy/setup-proxy.sh（相对于仓库根目录）

执行流程

严格按以下顺序，每一步必须验证通过后再进入下一步。

Step 1: 扫描现有配置

先检查用户是否已有 proxy 配置，避免重复填写：

# 检查 Claude Code
cat ~/.claude/settings.json 2>/dev/null | jq -r '.env.ANTHROPIC_BASE_URL // empty'

# 检查 CodeBuddy
cat ~/.codebuddy/models.json 2>/dev/null | jq -r '.models[]? | select(.url | contains("/codebuddy/")) | .url' 2>/dev/null | head -1

# 检查其他 agent 类似...

如果扫描到含 proxy 路径的 URL（包含 /claude-code/、/codebuddy/、/codex/ 等片段），提取并展示：

• Proxy 地址（URL 中 /<agent>/ 之前的部分）
• Instance ID（URL 中 /<agent>/ 之后的那段）
• User Key（对应字段的值，脱敏显示首尾 4 字符）
• Model ID

询问用户："检测到现有配置，是否复用？"

• 是 → 跳到 Step 3
• 否 → 继续 Step 2 手动输入

Step 2: 收集基础信息

依次向用户获取：

1. Proxy 地址（含协议+端口，如 http://127.0.0.1:8096）
2. Instance ID（默认 default，本地部署一般不用改）
3. User Key（从面板 API Key 页获取，不限格式）

每个信息获取后确认，不要一次问三个。

Step 3: 选择 Agent

展示 7 个可选 agent 让用户选择一个：

1. Claude Code
2. CodeBuddy
3. Codex
4. WorkBuddy
5. dsh (DeepSeek Harness)
6. Hermes
7. OpenClaw

Step 4: 填写模型 ID

告诉用户：

• 这个模型 ID 必须是 Proxy 上游支持的模型
• 给出常见例子：claude-sonnet-4-20250514、claude-opus-4.7、gpt-5.5、deepseek-r1

Step 5: 健康探测（关键验证步骤）

根据选中 agent 的协议，构造对应的 curl 探测请求：

# Claude Code → Anthropic Messages
curl -s -w "\n%{http_code}" -X POST "${PROXY_HOST}/claude-code/${INSTANCE_ID}/v1/messages" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${USER_KEY}" \
  -d '{"model":"'${MODEL_ID}'","messages":[{"role":"user","content":"ping"}],"max_tokens":1,"stream":false}'

# CodeBuddy / Hermes / OpenClaw → OpenAI Chat
curl -s -w "\n%{http_code}" -X POST "${PROXY_HOST}/${AGENT}/${INSTANCE_ID}/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${USER_KEY}" \
  -d '{"model":"'${MODEL_ID}'","messages":[{"role":"user","content":"ping"}],"max_tokens":1,"stream":false}'

# dsh → OpenAI Chat 但不带 /v1
curl -s -w "\n%{http_code}" -X POST "${PROXY_HOST}/dsh/${INSTANCE_ID}/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${USER_KEY}" \
  -d '{"model":"'${MODEL_ID}'","messages":[{"role":"user","content":"ping"}],"max_tokens":1,"stream":false}'

# Codex → Responses API
curl -s -w "\n%{http_code}" -X POST "${PROXY_HOST}/codex/${INSTANCE_ID}/v1/responses" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${USER_KEY}" \
  -d '{"model":"'${MODEL_ID}'","input":[{"type":"message","role":"user","content":[{"type":"input_text","text":"ping"}]}],"stream":false}'

# WorkBuddy → OpenAI Chat (更通用)
curl -s -w "\n%{http_code}" -X POST "${PROXY_HOST}/workbuddy/${INSTANCE_ID}/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ${USER_KEY}" \
  -d '{"model":"'${MODEL_ID}'","messages":[{"role":"user","content":"ping"}],"max_tokens":1,"stream":false}'

判断结果：

• HTTP 连接失败 (000) → 告诉用户 proxy 不可达，让用户检查地址/端口/服务状态，不要继续
• 2xx → 完全正常，继续
• 4xx → proxy 可达（可能是 session-init 返回的 form 或 auth 问题），展示响应体给用户参考，继续
• 5xx → proxy 有问题，展示完整错误响应，询问用户是否继续

Step 6: Header 预选（仅 Hermes / OpenClaw）

如果选的是 hermes 或 openclaw，需要额外收集 header 预选信息。这些 agent 不支持交互式 form，必须在配置中预填 team/agent/task ID。

优先方案：通过面板 API 拉取列表让用户选择

询问用户是否提供面板后端地址（默认 http://127.0.0.1:8125）。如果提供了：

# 1. 先通过 auth/verify 拿 user_id
curl -s -X POST "${PANEL_URL}/api/v1/meta/auth/verify" \
  -H "Content-Type: application/json" \
  -H "x-tdai-service-id: ${INSTANCE_ID}" \
  -d '{"user_key":"'${USER_KEY}'"}'
# 从 .data.user.user_id 提取

# 2. 拉 Team 列表
curl -s -X POST "${PANEL_URL}/api/v1/meta/team/list" \
  -H "Content-Type: application/json" \
  -H "x-tdai-user-key: ${USER_KEY}" \
  -H "x-tdai-service-id: ${INSTANCE_ID}" \
  -d '{"user_key":"'${USER_KEY}'"}'
# 从 .data.items 展示让用户选

# 3. 拉 Agent 列表（带 owner_user_id 过滤）
curl -s -X POST "${PANEL_URL}/api/v1/meta/agent/list" \
  -H "Content-Type: application/json" \
  -H "x-tdai-user-key: ${USER_KEY}" \
  -H "x-tdai-service-id: ${INSTANCE_ID}" \
  -d '{"team_id":"'${TEAM_ID}'","user_key":"'${USER_KEY}'","owner_user_id":"'${USER_ID}'"}'
# 从 .data.items 展示让用户选

# 4. 拉 Task 列表
curl -s -X POST "${PANEL_URL}/api/v1/meta/task/list" \
  -H "Content-Type: application/json" \
  -H "x-tdai-user-key: ${USER_KEY}" \
  -H "x-tdai-service-id: ${INSTANCE_ID}" \
  -d '{"team_id":"'${TEAM_ID}'","user_key":"'${USER_KEY}'"}'
# 第一个选项始终是"本次不关联任务 (no-task)"

如果面板不可达或用户不想提供，让用户手动填写 team_id / agent_id / task_id。

另外还需要一个 x-conversation-id（可自动生成一个如 conv-20260820-xxxx）。

Step 7: 确认配置文件路径

告诉用户默认路径（见上方表格），询问是否使用默认路径。如果不是让用户填。

Step 8: 调用脚本写入配置

所有信息收集完毕且验证通过后，调用脚本的非交互模式写入配置：

bash agents/skills/setup-proxy/setup-proxy.sh --non-interactive \
  --proxy-host "${PROXY_HOST}" \
  --instance-id "${INSTANCE_ID}" \
  --user-key "${USER_KEY}" \
  --agent "${CHOSEN_AGENT}" \
  --model "${MODEL_ID}" \
  --config-path "${CONFIG_PATH}"

如果是 Hermes/OpenClaw，追加：

  --team-id "${TEAM_ID}" \
  --agent-id "${AGENT_ID}" \
  --task-id "${TASK_ID}" \
  --conv-id "${CONVERSATION_ID}"

检查脚本退出码：0 = 成功，非 0 = 失败（展示输出给用户）。

Step 9: 验证写入结果

写入后读取配置文件确认内容正确：

cat <config_path>

展示关键字段给用户确认。

Step 9.5: 提醒用户切换模型

配置写入不等于生效，必须提醒用户在客户端中切换到 Proxy 模型才会走 Proxy 链路：

务必告知用户：如果不切换模型，请求不会经过 Proxy，记忆/技能注入不会生效。

Step 10: 资产导入（可选）

配置完成后询问用户：是否要导入该 Agent 的本地资产（skill + 对话历史）到团队记忆？

如果用户选择导入：

• 需要 Panel URL、Team ID、Agent ID
• 如果之前 Step 6 已经选过 team/agent，推荐复用
• 否则让用户提供

然后调用：

PANEL_URL="${PANEL_URL}" TDAI_SERVICE_ID="${INSTANCE_ID}" TDAI_USER_KEY="${USER_KEY}" \
  tsx agents/asset-import.ts --source "${CHOSEN_AGENT}" --team-id "${TEAM_ID}" --agent-id "${AGENT_ID}"

如果 tsx 不可用，提示用户手动运行命令。

错误处理原则

1. 连接失败：明确告诉用户哪一步失败了，给出排查建议（检查服务状态、端口、网络）
2. 4xx 响应：proxy 可达但业务错误，展示完整响应体，帮用户判断是 key 错误、模型不支持还是其他问题
3. 文件权限：写入前检查目录是否存在/可写，dsh 需要 chmod
4. 不要猜测：如果信息不足或状态不明，询问用户而不是假设

注意事项

• 一次只配一个 agent，配完后告诉用户可以再运行配置其他 agent
• 脚本会自动备份原配置文件为 .bak.<timestamp>
• CC 的所有模型环境变量（HAIKU/SONNET/OPUS/SUBAGENT）都会统一设置为用户选的模型
• Codex 首次对话前必须切 Plan 模式（Shift+Tab），这是客户端限制
• dsh 的 URL 不带 /v1，这是客户端硬编码的
• Hermes/OpenClaw 的 x-conversation-id 每次新对话需要手动更换