ReAct Agent

项目定位

面向编码执行、客服工作流和 RAG 研究场景的受控 Agent 运行时，负责工具调用、权限边界、轨迹记录和任务验收。

对外口径

可以表述为可部署、可评测的 Agent 工程原型；不能表述为生产 SaaS、长期线上 SLA、企业多租户权限平台或自动根因诊断系统。当前状态与 P0 见 docs/STATUS.md。

结构入口

运行时核心位于 src/react_agent/，应用与评测入口位于 examples/，轨迹契约位于 schemas/，架构、评测、失败回归和成熟度文档位于 docs/。

闭环验收：python examples/eval/harness_closed_loop.py --fixture --report-out artifacts/portfolio_acceptance.json

软件交付最小验收集（5 条）：python examples/eval/build_acceptance_report.py 证据目录生成：python examples/eval/materialize_acceptance_evidence.py

Mutable runtime artifacts no longer write into the installed package. See docs/PORTABILITY.md for data-directory overrides and the isolated LangGraph environment contract.

受控工程任务交付：docs/GITHUB_DELIVERY_WORKFLOW.md。默认影子执行；人工审批绑定计划指纹，外部 Draft PR 写入需单独显式授权。

个人维护的 Agent 运行时（react_loop + ToolGuard + Harness + 权限闸门），面向 GitHub 主流的三类应用：写代码/执行、客服与工作流自动化、通用 RAG/研究。详见 docs/APPLICATION_DIRECTION.md。

结构：docs/STRUCTURE.md · 架构：docs/CORE_ARCHITECTURE.md · 评测：docs/EVAL_INDEX.md · 进展：docs/STATUS.md · 失败回归：docs/FAILURE_REGRESSION_PIPELINE.md · 成熟度：docs/PRODUCTION_MATURITY.md。

业务目标

本项目是 Agent 业务的执行底座：业务方提供任务、工具和验收标准，运行时负责受控调用工具、记录完整轨迹，并把结果交给评测和失败治理系统。优先服务三类可复用场景：编码/执行、客服/工作流自动化、RAG/研究。

业务问题	项目交付
Agent 是否在权限边界内完成任务	权限闸门、ToolGuard、可切换的工具隔离
结果能否被业务和质量团队复核	引用/拒答策略、Format B 轨迹、Task Episode 验收标准
失败是否能进入回归闭环	Harness、StepWatcher、离线/HTTP eval 和跨仓接口
能否作为应用原型交付验证	多 app HTTP、Web UI、Docker 与可复现演示

当前阶段： 已形成可部署、可评测的工程原型，并在独立的 agent-delivery-sandbox 完成 24 条合成 Issue 的 Shadow 运行、4 条受控 Draft PR、人工接受/拒绝、合并与回滚演练。该证据标记为 external_real_sandbox：GitHub 写入和 PR 生命周期是真实的，但任务不来自生产用户；尚未证明多租户隔离、真实业务 SLA、长期线上流量稳定性或企业权限体系集成。

三大应用方向

方向	做什么	快速入口
① 写代码 / 执行	ReAct 调工具、多步任务、轨迹可回放	`python -m react_agent "用 calculator 算 17*19"` · `run_execution_suite.py` · HTTP: `run_execution_http_smoke.py`
② 客服 / 自动化	可部署 Chat API、政策/Runbook 问答、工作流 demo	`docker compose up` · `demo_expense_workflow.py`
③ RAG / 研究	检索增强、公开 QA 子集、multi-hop	`demo_rag.py` · `run_public_benchmark.py`

Since v0.5.0： POST /v1/chat 支持 app=docs_troubleshoot|expense|default；GET /v1/info 列出 applications。默认离线 app 由 REACT_AGENT_DEFAULT_APP 控制（兼容旧 REACT_AGENT_APP）。

0.9.0 之后（Unreleased）： POST/GET /v1/chat/stream 提供 text/event-stream 进度事件，两个服务面共用同一套事件词表与帧格式（id: 序号 + event: + 多行 data:）。

垂直 demo（② 的子场景）： 证据化文档排障 — 引用/拒答/现场证据；agent_runner 默认离线循环 · Live 走 react_loop。

# ① 执行 Agent
python examples/eval/run_execution_suite.py --modes agent

# ② 可部署客服 / Runbook 后端
docker compose up --build
python examples/eval/run_docs_troubleshoot_eval.py

# ③ 公开 RAG/QA
python examples/eval/run_public_benchmark.py
python examples/eval/run_public_rag_benchmark.py

垂直 demo：证据化文档排障

set REACT_AGENT_APP=docs_troubleshoot
set REACT_AGENT_RAG_MODE=keyword
python examples/demos/demo_workflow.py                   # 确定性 Workflow（legacy DAG）
python -m react_agent.workflow run docs_troubleshoot --query "401 返回什么？"
python examples/eval/run_docs_troubleshoot_eval.py      # 黄金集 34 条（默认 agent 路径）
python examples/eval/run_fault_eval.py                  # 故障模拟 12 条
python examples/eval/run_production_eval.py             # 生产盲测 5 条
python examples/eval/run_git_docs_eval.py               # Git 文档 held-out 5 条
python -m react_agent.server --port 8765           # 浏览器 http://127.0.0.1:8765/ · 产品 UI
docker compose up --build                         # 同上 · 见 docs/DEPLOY.md

外部业务任务证据

GitHub 只读数据集按仓库簇隔离 dev/golden/held-out，保存 Request ID、来源 URL、数据指纹、失败切片和人工接管率。默认 10 个仓库、5 类任务，共 50 条：

python examples/eval/run_github_portfolio_dataset.py \
  --cache-dir artifacts/github-cache \
  --out artifacts/github-business-dataset.json

完成门禁要求任务数不少于 50、存在 held-out 且全部来源可追溯。公开 API 限流或仓库采集失败时命令返回非零状态；缓存用于断点续跑，不把部分结果记为完整业务成功证据。运行器优先使用 GITHUB_TOKEN / GH_TOKEN，未设置时读取当前 gh auth 凭据；启动批量采集前会检查剩余 API 配额。2026-08-13 认证运行结果为 50/50，快照见 docs/snapshots/github_portfolio_dataset_20260813.json。

Workflow v5（legacy DAG）：现场证据 → search → lookup_api → synthesize → policy → diagnosis。
默认运行时为 Agent 循环（agent_runner.py）：根据观测选工具、强制 verify_citations、写 Harness 轨迹；Live 模式用 react_loop + LLM。详见 EVIDENCE_DOCS_TROUBLESHOOT.md · 评测：DOCS_TROUBLESHOOT_EVAL.md · Since v0.4.0。

产品特色 vs 可视化： 差异化在 Agent 运作本身 — 工具选择循环、引用校验工具步、权限闸门、Harness 轨迹与 failure flywheel；eval 是验收手段而非卖点。可视化中等：内置 Web UI（/）展示证据链与 agent 步数；CLI + JSON + 轨迹文件仍是回归主路径。

范围与定位

是	不是
三类主流应用：编码执行 · 客服/自动化 · RAG/研究（见 APPLICATION_DIRECTION）	单一「文档排障」产品或 AIOps 平台
Agent 运行时 + 循环治理（ToolGuard、Harness、权限、轨迹飞轮）	图编排平台 / LangGraph 替代品
可部署 HTTP + Docker + 多套 eval 证据 + 服务鉴权 / 异步人工审批	多租户 SLA / 自动线上根因

跨仓：本仓 Core = 执行 + capability 规则打分；llm-eval-engine = Process Reward / 人机校准；trace-debugger = 轨迹启发式复盘 + Harness Health 门禁。共享约定见 schemas/harness_trajectory.schema.json。

证据地图：docs/P0_EVIDENCE_MAP.md · Harness 五维健康度：docs/HARNESS_HEALTH.md。

架构概览

query
  ├─ react_loop（默认 Live：① 编码/执行 · ③ 研究）
  ├─ agent_runner / server（② 客服/自动化 · docs_troubleshoot demo）
  └─ Workflow DAG（legacy，REACT_AGENT_DOCS_ENGINE=workflow）
        → permission gate → tools / ToolGuard → Format B 轨迹

维度	Core（默认）
入口	`agent_runner` / `react_loop()` / `python -m react_agent.server`
依赖	标准库 + LLM API（离线 Agent 可不需 Key）
侧重点	主流 ReAct 形态 + 循环内治理、Harness、评测验收

执行流程（Core）

query
  ├─ run_docs() → agent_runner（默认）
  │     观测 → search/lookup/parse_* → verify_citations → policy → diagnosis
  ├─ react_loop()（Live）
  │     LLM 选工具 → 同一套 docs 工具与 prompt
  └─ run_workflow("docs_troubleshoot")（legacy DAG）

多 Agent 编排（Orchestrator / Worker）的能力与边界见多 Agent 编排；MCP / RAG / LangGraph 为实验对照，见 docs/EXPERIMENTAL.md。成熟度评判见 docs/PRODUCTION_MATURITY.md。

模块清单

完整地图见 docs/STRUCTURE.md。精简树：

src/react_agent/          # Core 默认
├── workflow/ · react_loop.py · apps/docs_troubleshoot/ · apps/expense/ · server/
├── skills/ · multimodal.py         # 可注册 skill 边界 / 制品证据（不调用 OCR/VLM）
├── tools/ · tool_scope.py · write_sets.py
├── orchestrator.py · planner.py · intent/    # 多 Agent 编排 / 意图识别
├── safety/ · harness/ · resilience.py · eval/
examples/
├── demos/                # 演示
└── eval/                 # 回归与公开基准
docs/                     # STRUCTURE · CORE · EVAL_INDEX；报告在 reports/
experiments/langgraph/    # 可选对照（非默认）

核心功能

多 Provider LLM 支持

优先读取项目根目录 .env / llm_config.json（.env 会覆盖系统里残留的旧 API Key），也可用环境变量切换 provider：

export LLM_PROVIDER=deepseek   # 或 openai / anthropic

权限与沙箱（两层）

Permissions（准不准） 与 Sandbox（崩不崩） 是两层，互不替代：

层	模块	职责
权限闸门	`safety/permissions.py` + `permission_gate.py`	deny → ask → allow；模型 tool_call ≠ 允许执行
工具隔离	`harness/sandbox.py`	开发用进程后端；生产用失败关闭的容器后端

权限评估顺序（Harness 强制）：

DENY — 参数 DENY 规则或工具表 DENY（默认拦截）
ASK — CONFIRM 级工具，三种处置之一：
- 异步人工审批（推荐）：REACT_AGENT_APPROVAL_MODE=async → 落盘待批项并阻塞，人工经 GET/POST /v1/approvals 批准后带 approval_id 重试放行
- 注入 HITL：交互式询问（需真人在同一通道）
- 兜底：REACT_AGENT_STRICT_CONFIRM=1 直接拒绝；默认（两者都未配）会放行，启动日志与 /ready 的 confirmation_gate 会明确告警
ALLOW — SAFE / NOTIFY

关闭权限闸门：REACT_AGENT_PERMISSION_GATE=0。

审批被建模为状态而非消息：HTTP 请求无法挂着等人几分钟，因此不需要 WebSocket。待批项持久化到 REACT_AGENT_DATA_DIR（容器部署需挂卷，否则重启即丢）；审批目录不可写时闸门失败关闭（拒绝执行），不会退化为放行。

工具名表 + 参数规则示例（safety/permissions.py）：

等级	行为	适用场景（示例）
SAFE	自动放行	web_search、calculator
NOTIFY	记录后继续	部分读信息工具
CONFIRM	询问 / 非交互默许	write_file、execute_python
DENY	默认拦截	delete_directory、install_package

范围与限制：

权限层不是 OS ACL；未知工具名会进入 Sandbox，但权限表仍应显式登记。
process 后端仅隔离崩溃/超时；不可信代码必须使用 container 后端。
container + required 实施非 root、只读根、默认断网和资源限额；运行时不可用时失败关闭。
严格容器模式禁止 MCP 宿主直连，需要独立隔离 Broker。

harness/sandbox.py 支持 off / auto / on 和 process / container。生产配置与威胁模型见 docs/SANDBOX_SECURITY.md。

多 Agent 编排（Orchestrator / Worker）

orchestrator.py + planner.py 实现 Orchestrator–Worker 模式：Planner 把请求拆成带依赖的子任务，按拓扑分层（同层并行），每个 Worker 跑独立 ReAct 循环，结果汇总回主对话。入口是 multi_agent_chain()（CLI 用 --parallel）。

python -m react_agent --parallel "搜索今天的汇率，并且算一下 100 美元换成人民币"

CLI 只在提问里出现「同时 / 并且 / 还有 / 另外 / 且」等并列词时才自动走编排路径；其他提问仍走单 Agent 的 react_loop。--parallel 只是允许同层任务并行执行。

Planner 的 context: fork 让子任务带上父会话答案摘要（不是完整历史，提示词里会如实说明），适合"基于刚才的结论继续做"的子任务。

能力与边界（完整表见 docs/CORE_ARCHITECTURE.md）：

能力	现状
Worker 工具面	按声明收窄（`tool_scope.py`）；未知工具名告警，严格模式抛错；空声明不等于全量
同层并行	写冲突检测默认开启：写集可能相交的任务拆到不同段串行
写集来源	Planner 输出 `\| writes: 路径`；未声明或 `unknown` 一律按冲突保守串行
委派深度	默认 `1`（允许直接子级，禁止更深嵌套）；超限明确拒绝
并发上限	默认 `4`
Worker 记忆	默认不读不写长期记忆

⚠️ 并行 Worker 没有工作区隔离：它们共享同一进程与同一工作目录，同时修改同一文件仍会互相覆盖。当前的安全保障是「写集声明 + 冲突分层」这套调度约定， 不是隔离机制。因此读密集任务（检索、审查、日志分析）适合并行；写密集任务必须先声明写集，声明不完整时调度器会保守串行——这是设计意图，不是缺陷。独立 worktree / 进程外隔离尚未实施。

服务入口点与能力包

两个 HTTP 入口点，按是否安装 [service] 决定默认走哪个：

入口点	依赖	说明
`react-agent-server`	无（标准库）	零依赖服务面，离线/最小运行时
`react-agent-api`	`react-agent[service]`	FastAPI + Uvicorn 服务面

python -m react_agent.server 与容器镜像默认使用 FastAPI（镜像内已装 [service]）； 仅核心安装（未装 fastapi）时自动回退到标准库服务面，轻量运行时不受影响。端口与就绪探针两者一致（REACT_AGENT_HOST / REACT_AGENT_PORT，/health + /ready）：两个 Python 入口点的默认绑定是 127.0.0.1:8765；容器镜像与 docker-compose.yml 通过 REACT_AGENT_HOST=0.0.0.0 对外暴露。容器细节与构建参数见 docs/DEPLOY.md。

能力包按需安装（core 安装保持轻量，dependencies = []）：

pip install -e ".[service]"     # FastAPI 服务面
pip install -e ".[rag]"         # 语义检索（numpy / scikit-learn / sentence-transformers）
pip install -e ".[langgraph]"   # LangGraph 对照

Skills 与多模态：react_agent/skills/ 提供可注册的 skill 边界（schema 校验、业务边界、风险评估）与 run_skill()；react_agent/multimodal.py 把本地制品归一化为可审计证据（inspect_artifact / build_multimodal_input / attach_evidence）。两者都不调用 OCR/VLM 服务，抽取状态是显式记录的，不会假装已理解图片。

执行轨迹（Harness）

每步 thought / action / observation 写入 Format B JSON，供回放和跨仓对接（harness/recorder.py → schemas/harness_trajectory.schema.json）。

Task Episode（v0.2.7+）：轨迹可携带 task_episode_id 与 acceptance_criteria，与 eval case 对齐，供 trace-debugger scan/compare 与 Process Reward 共用验收边界。详见 docs/HARNESS_HEALTH.md。

from react_agent.harness.recorder import start_trajectory, current_trajectory

start_trajectory(
    query="17 * 19",
    task_episode_id="exec_calc_mul",
    acceptance_criteria=["tool calculator returns 323"],
)
result = react_loop("17 * 19")
trajectory = current_trajectory()

# 逐步骤回放
from react_agent.harness.replay import replay_trajectory
replay_trajectory(trajectory)

安装 sibling trace-debugger 后，Harness 默认启用 StepWatcher 实时失败记录；发版前可 tdebug scan … --compare --findings-out 做回归门禁。

RAG / MCP / Context / 业务 Demo

三条主线的 demo 入口见 docs/APPLICATION_DIRECTION.md。工作流总览：docs/AGENT_WORKFLOW.md、docs/EXPERIMENTAL.md。

set REACT_AGENT_EXPERIMENTAL_TOOLS=1
set REACT_AGENT_RAG_MODE=keyword
set REACT_AGENT_MCP_MOCK=1
python examples/demos/demo_context.py
python examples/demos/demo_rag.py
python examples/demos/demo_expense_workflow.py
python examples/demos/demo_mcp_mock.py

LangGraph 对照

experiments/langgraph/：图编排与 checkpoint 对照实现，不参与 Core 依赖与 CI 主路径。

pip install -e ".[langgraph]"
python experiments/langgraph/demo_checkpoint_hitl.py

快速开始

pip install -e ".[test]"
cp .env.example .env
python -m react_agent "法国的首都是什么？"

Web 面板（实验）：REACT_AGENT_EXPERIMENTAL_TOOLS=1 后 python -m react_agent.dashboard.server。

评测（EVAL-ONLY）

文档排障四套离线门禁 + capability 规则打分：docs/DOCS_TROUBLESHOOT_EVAL.md · docs/EVAL_INDEX.md · 证据地图：docs/P0_EVIDENCE_MAP.md。

失败自动检出 → 回归门禁 → 修复后强制复验：docs/FAILURE_REGRESSION_PIPELINE.md · 答辩口径：docs/FAILURE_REGRESSION_PITCH.md（可写「夹具 + 3 条 SoftwareTask 已复现」；不可写 SLA / 自优化）。

python examples/eval/run_docs_troubleshoot_eval.py         # golden 34
python examples/eval/run_fault_eval.py                     # fault 12
python examples/eval/run_production_eval.py                # production 5
python examples/eval/run_git_docs_eval.py                  # git docs 5
python -m react_agent.eval --dataset capability
python examples/eval/run_execution_suite.py --publish
python examples/eval/run_public_benchmark.py              # GSM8K×10 + HotpotQA×10 offline
python examples/eval/run_public_rag_benchmark.py           # 分层 RAG：引用 by_tier + drop-off
python examples/eval/run_expense_business_eval.py          # 有状态业务任务：dev/golden/held_out
# python examples/eval/run_public_benchmark.py --modes agent --publish  # 需 API Key

报销场景可导出跨仓 EvaluationEpisode v1，也可用故障画像验证发布门禁确实会阻断：

python examples/eval/run_expense_business_eval.py \
  --agent-version expense-agent-v2 \
  --episodes-out artifacts/expense-v2 \
  --report-out artifacts/expense-v2.json
python examples/eval/run_expense_business_eval.py \
  --agent-version expense-agent-broken \
  --profile no_action --compare-reference

真实外部系统和部署可靠性证据可分别运行：

python examples/eval/run_github_business_tasks.py --repository langchain-ai/langgraph
python examples/eval/run_http_reliability.py --url http://127.0.0.1:8765 \
  --requests 50 --concurrency 10

GitHub 路径默认只读；动态 Issue 内容不是冻结 Benchmark。HTTP 报告只代表指定目标与负载。

Expense 业务集不以答案关键词作为主门禁，而是检查 claim 数据库终态和审计事件数；可用 --episodes-out 导出 evaluation-episode/v1，交给 sibling 评测与失败治理仓。

与 llm-eval-engine 校准口径：held_out live κ≈0.69（n=20，CI[0.46,0.92]）— 见 METRICS_TRUST；有效口径以该文档为准。
失败归因：trace-debugger FAILURE_INDEX。

Harness 轨迹 Schema + 闭环 Demo

三仓共用 Format B 轨迹约定（1-based step，工具参数优先 arguments 字符串）：

产物	路径
JSON Schema	`schemas/harness_trajectory.schema.json`
校验 / 归一化	`react_agent.harness.schema`
离线 fixture	`examples/fixtures/harness_closed_loop.json`
一键 demo	`python examples/eval/harness_closed_loop.py`

闭环：Agent 记录 → Trace Debugger 失败分类 → Eval Engine Process Reward（CI 的 test job 会 clone 两仓并跑 demo + 契约测试）。

跨仓集成验证：

验证项	命令 / CI
跨仓评分 API	`pytest tests/test_eval_engine_contract.py`
Agent→Eval 路径	`python tests/ci_verify_integration.py`（由 CI 的 `test` job 执行）
Schema→tdebug→eval	`python examples/eval/harness_closed_loop.py --fixture`

pip install -e ../trace-debugger -e ../llm-eval-engine   # 本地旁路仓
python examples/eval/harness_closed_loop.py --fixture
python examples/eval/harness_closed_loop.py --mock-agent

测试

# 离线单测（含 capability_scorer、resilience）
pytest tests/ -q

# 全模块脚本测试（不依赖 LLM）
python test_all.py

# 真实 LLM：CI 冒烟子集 / 全量（无 Key 时自动 skip）
pytest tests/test_real_llm.py -v -m real_llm_smoke
pytest tests/test_real_llm.py -v -m real_llm

CI 与真实 LLM

Job	触发	行为
lint	push、PR	flake8（`src/`、`tests/`）
test / test-windows	push、PR	离线单测与脚本测试；`test` 还会 clone 两个 sibling 仓跑跨仓 demo 与契约测试
typecheck	push、PR	mypy（`src/react_agent`）
security	push、PR	干净 venv 里跑 pip-audit
docker-smoke	push、PR	构建镜像，打 `/ready` 并跑部署冒烟
Real LLM gate	push、PR	探测 `DEEPSEEK_API_KEY`；无 Key 时下游 live job 显示 Skipped
Real LLM (smoke)	push、PR（且已配置 Secret）	跑 `real_llm_smoke`（事实问答 / 计算器 / 多步推理）；失败会使该 job 红
Real LLM (full)	Actions → Run workflow → suite=`full`	全量 `real_llm`

主干保护要求上述 9 项必需检查（lint、test (3.10)、test (3.11)、test-windows (3.10)、test-windows (3.11)、typecheck、security、docker-smoke、Real LLM gate）全绿。另一个 workflow daily-smoke（每日 UTC 01:00 定时 + 手动）只负责写跨日 variance 日志，不参与主干门禁。

在仓库 Settings → Secrets and variables → Actions 添加 DEEPSEEK_API_KEY（与本地 .env 同名即可）。未配置时 Real LLM gate 会标记无 Key，smoke/full job 显示为 Skipped，不影响离线 CI。

也可本地写入 Secret（勿把 Key 提交进 Git）：

# 从 .env 读取一行写入 GitHub（需已 gh auth login）
gh secret set DEEPSEEK_API_KEY --repo weihuaguo270-ops/react-agent < <(grep '^DEEPSEEK_API_KEY=' .env | cut -d= -f2-)

仓库忽略本地 llm_config.json；CI / 新环境会回退到已提交的 llm_config.example.json（Key 仍只来自环境变量 / Secret）。

服务部署与安全

python -m react_agent.server --port 8765 暴露的 HTTP 面默认不鉴权（本地开发便利）。除 /health、/ready 探针外，所有接口都能驱动 Agent 工具（含 execute_python），因此一旦对外可达必须显式加固。完整说明：docs/DEPLOY.md。

能力	开关	作用
共享密钥鉴权	`REACT_AGENT_AUTH_TOKEN`	除探针外全接口要求 `Authorization: Bearer`（或 `X-Api-Key`）
Host 头校验	`REACT_AGENT_HOST_VALIDATION`（默认 `loopback`）	防 DNS rebinding；`allowlist` 档未声明域名则拒绝启动，`REACT_AGENT_ALLOWED_HOSTS` 声明域名
异步人工审批	`REACT_AGENT_APPROVAL_MODE=async`	`CONFIRM` 级工具阻塞待批，经 `/v1/approvals` 批准
答案流式	`REACT_AGENT_LLM_STREAM`（默认开）	`/v1/chat/stream` 推送 `answer_delta`；客户端断连即取消执行，不再空烧 LLM 调用
写冲突串行化	`REACT_AGENT_WRITE_CONFLICT_SERIALIZE`（默认 `1`）	同层写集可能相交的 Worker 拆段串行；设 `0` 回到历史并行行为
Worker 工具面严格模式	`REACT_AGENT_SCOPE_STRICT`（默认 `0`）	`1` 时工具面声明含未知工具名直接抛错，而非仅告警
委派深度上限	`REACT_AGENT_SUBAGENT_MAX_DEPTH`（默认 `1`）	子 Agent 不得再派生更深层子 Agent；超限明确拒绝
同层并发上限	`REACT_AGENT_SUBAGENT_MAX_CONCURRENCY`（默认 `4`）	`0` 表示不限
Worker 记忆回写	`REACT_AGENT_WORKER_MEMORY_WRITE`（默认 `0`）	是否允许 Worker 回写长期记忆（默认禁止，避免并行污染）

出站与进程边界亦加固：SSRF 守卫（safety/net_guard.py）、trace_id 路径穿越防护、MCP/沙箱子进程环境白名单、轨迹落盘脱敏、app 工具作用域隔离（docs_tools 不外溢到 Core）。

环境要求

Python 3.10+
LLM API key（运行 Agent / 真实评测时需要）
LangChain + LangGraph（可选）：pip install -e ".[langgraph]"，仅对照实验需要

Artifact 引用

Harness 轨迹支持 input_artifacts、output_artifacts 和步骤级 artifacts。 Recorder 只保留 id、media_type、uri 等白名单字段；Schema 校验禁止 data/base64 内嵌内容。该能力只记录媒体引用，不读取或评估媒体内容。

License

MIT

贡献与安全

见 CONTRIBUTING.md / SECURITY.md。

Name		Name	Last commit message	Last commit date
.github/workflows		.github/workflows
docs		docs
eval		eval
examples		examples
experiments/langgraph		experiments/langgraph
fixtures		fixtures
notes		notes
schemas		schemas
scripts		scripts
src/react_agent		src/react_agent
tests		tests
.dockerignore		.dockerignore
.env.example		.env.example
.flake8		.flake8
.gitignore		.gitignore
CHANGELOG.md		CHANGELOG.md
CONTRIBUTING.md		CONTRIBUTING.md
Dockerfile		Dockerfile
Dockerfile.sandbox		Dockerfile.sandbox
LICENSE		LICENSE
README.md		README.md
SECURITY.md		SECURITY.md
__main__.py		__main__.py
docker-compose.yml		docker-compose.yml
llm_config.example.json		llm_config.example.json
mcp_servers.example.json		mcp_servers.example.json
pyproject.toml		pyproject.toml
react.bat		react.bat
react.sh		react.sh
react_cli.py		react_cli.py
setup.bat		setup.bat
test_all.py		test_all.py

Navigation Menu

Repository files navigation

ReAct Agent

项目定位

对外口径

结构入口

业务目标

三大应用方向

垂直 demo：证据化文档排障

外部业务任务证据

范围与定位

架构概览

执行流程（Core）

模块清单

核心功能

多 Provider LLM 支持

权限与沙箱（两层）

多 Agent 编排（Orchestrator / Worker）

服务入口点与能力包

执行轨迹（Harness）

RAG / MCP / Context / 业务 Demo

LangGraph 对照

快速开始

评测（EVAL-ONLY）

Harness 轨迹 Schema + 闭环 Demo

测试

CI 与真实 LLM

服务部署与安全

环境要求

相关项目

Artifact 引用

License

贡献与安全

About

Releases

Packages

Contributors

Languages

Latest commit

History

Folders and files

Repository files navigation

ReAct Agent

项目定位

对外口径

结构入口

业务目标

三大应用方向

垂直 demo：证据化文档排障

外部业务任务证据

范围与定位

架构概览

执行流程（Core）

模块清单

核心功能

多 Provider LLM 支持

权限与沙箱（两层）

多 Agent 编排（Orchestrator / Worker）

服务入口点与能力包

执行轨迹（Harness）

RAG / MCP / Context / 业务 Demo

LangGraph 对照

快速开始

评测（EVAL-ONLY）

Harness 轨迹 Schema + 闭环 Demo

测试

CI 与真实 LLM

服务部署与安全

环境要求

相关项目

Artifact 引用

License

贡献与安全

About

Topics

Resources

Contributing

Security policy

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages