mirror of
https://github.com/gaoweiblue-source/snack-agent-studio.git
synced 2026-11-20 11:16:52 +08:00
main
SnackOps — 零食电商客服 Agent MVP
运行
npm install
cp .env.example .env.local
npm run dev
打开 http://localhost:3000。必须在 .env.local 填写 OpenAI 或兼容 API 配置,5 个 Skill 始终调用真实模型;未配置或调用失败时会直接返回错误,不生成模拟结果。
数据与规则
skills/<skill-name>/SKILL.md:标准 Skill 触发描述与执行指令skills/<skill-name>/agents/openai.yaml:Skill 的 UI metadatadata/skills.json:模型参数与启用状态,不再保存 Promptdata/planner.json:Planner Prompt、模型参数与强制执行规则data/tools.json:后台可编辑的 Tool 名称、描述与启用状态data/mcp-servers.json:远程 MCP Server 配置(只保存 Token 环境变量名,不保存密钥)data/products.json、activities.json、coupons.json:本地模拟数据- 商品过滤、活动和优惠券匹配、价格计算均在
lib/engine.ts中用代码执行 - Planner 只从已启用 Skill 和 Tool 组装计划
$risk-check是最终强制步骤,停用后前台会拒绝生成未经审核的回复- Skill 配置中心支持查看原始
SKILL.md,以及创建可被 Planner 动态选择的新标准 Skill - 新增 Skill 支持 AI Create Skill 模式:自然语言描述能力、生成标准草稿、人工确认后落盘
- Planner 管理中心支持编辑规划 Prompt、必经 Skill、规则 Tool,并调用真实模型预览 Plan JSON
- 配置保存自动生成版本快照,可在运营中心回滚
- 评测中心支持真实 Agent 用例运行、关键词检查、风控与延迟评分
- Agent 执行页支持多轮会话、步骤自动重试与人工接管
- Skill 支持 Input/Output JSON Schema,执行前后自动校验
- Planner 支持可视化排序必经 Skill
- Prompt A/B 实验按流量选择变体,并记录到运行指标
- 数据中心可视化管理商品、活动与优惠券
- 运行监控统计成功率、耗时、失败步骤与人工接管率
MCP 模式
在「Tool 管理」中填写 MCP Server 的 Streamable HTTP URL,点击“连接并导入”。平台会通过 tools/list 发现工具并加入 available_tools;Planner 按用户问题选择需要的 MCP Tool,Executor 根据 inputSchema 生成参数并通过 tools/call 执行,参数和结果都会写入 execution_trace。
如服务需要 Bearer Token,只在 .env.local 保存 Token,并在管理页填写对应环境变量名(例如 MCP_API_TOKEN)。MVP 不在页面中保存明文 Token,也不开放 stdio 命令执行。
Languages
TypeScript
99.9%
JavaScript
0.1%