SSW Agent

这是一个基于 LangGraph/Deep Agents 的个人 AI assistant 项目。

安装使用

要求 Python 3.11～3.13。通过 pip 安装：

pip install ssw-agent

安装后直接启动：

ssw-agent

如果 Python 的 Scripts 目录不在 PATH 中，也可以使用模块方式启动：

python -m ssw.start_web

默认使用当前用户主目录下的 .ssw 作为 workspace。Windows 默认路径为 C:\Users\<用户名>\.ssw，其中会保存：

• .env：模型及服务配置，需要由使用者自行创建，不会包含在安装包中；
• skills/：主 Agent 和子 Agent 的技能文件；
• mcp.json：MCP 服务配置；
• .checkpoint/：本地会话检查点。

首次启动会从安装包初始化默认 mcp.json 和主 Agent skills。初始化只复制 缺失文件，不会覆盖用户已经修改的配置或技能。Text-to-SQL 数据源 skills 可能包含数据库连接凭据，因此不会作为默认资源发布。

首次启动前可以手动创建 .ssw/.env 并填写模型配置：

SSW_API_KEY=你的模型密钥
SSW_BASE_URL=https://api.deepseek.com
SSW_MODEL=deepseek-chat

也可以通过系统环境变量 SSW_WORKSPACE 指定其他目录：

$env:SSW_WORKSPACE = "D:\ssw-workspace"
ssw-agent

启动后访问 http://127.0.0.1:8000。程序会使用安装包内的 LangGraph 配置启动异步子 Agent 服务，不依赖源码仓库中的 langgraph.json。

本地开发

优先使用 uv 同步依赖：

uv sync

在仓库根目录启动 Web 服务：

python -m ssw.start_web

ssw.start_web 会先启动 langgraph dev 作为异步子 Agent 服务，默认监听 http://127.0.0.1:2024；随后启动 FastAPI，默认监听 http://127.0.0.1:8000。前端和业务接口统一访问 FastAPI，Chat 接口在当前 FastAPI 进程内直接调用 agent.astream。

Chat API

• POST /chat/stream：流式对话。请求体可不传 thread_id，后端会生成会话线程 id，并通过响应头 X-Thread-Id 返回。
• GET /chat?limit=10：查询最近会话列表，默认返回最近 10 次。
• GET /chat/{thread_id}/history：查看会话历史。
• DELETE /chat/{thread_id}：删除会话。