weijie-codeagent 0.1.0

CLI coding agent powered by LangGraph — intent routing, task decomposition, hierarchical memory, and 11 built-in tools

CodeAgent

基于 LangGraph 的 CLI 编程 Agent 助手，支持意图路由、任务拆解、分层记忆、11 种工具调用和实时推理展示。

You: 查看一下当前项目，分析主要功能

[CODE] Agent  ──────────────────────────────────────
  💭 我来查看项目结构并分析其功能。
  → 调用 list_dir
  💭 让我查看核心配置文件和入口。
  → 调用 read_file

╭──────────────── [CODE] Agent ─────────────────╮
│ ## 项目功能分析                                │
│ 这是一个基于 LangGraph 的多 Agent 编程助手…   │
╰────────────────────────────────────────────────╯

特性

能力	说明
意图路由	自动识别用户意图，路由到合适 Agent（代码 / 任务 / 问答 / 记忆）
代码生成	生成完整可运行代码，Reflection 自动审查与修正
任务拆解	复杂任务拆解为子步骤，实时展示任务链进度（✓）
分层记忆	短期滑动窗口 + SQLite 长期持久化 + Qdrant 向量语义检索
11 种工具	文件读写、精确编辑、多策略搜索、Shell 沙箱、任务追踪、MCP 协议
推理展示	工具调用时展示 💭 推理步骤和 → 工具名，最终答案整块渲染

快速开始

环境要求

• Python 3.11+
• Qdrant（向量记忆，可选）

安装

# 推荐使用虚拟环境
python -m venv .venv
.venv\Scripts\activate   # Windows
# source .venv/bin/activate  # Linux/Mac

pip install codeagent

或从源码安装：

git clone https://github.com/your-username/codeagent
cd codeagent
pip install -e .

配置

cp .env.example .env
# 编辑 .env，填入 API Key

最小配置：

LLM_API_KEY=your_api_key_here
LLM_BASE_URL=https://ark.cn-beijing.volces.com/api/coding/v3
LLM_MODEL=deepseek-v3.2

也支持全局配置 ~/.codeagent/.env，适合多项目共用同一 Key。

启动 Qdrant（向量记忆，可选）

docker run -d -p 6333:6333 -v qdrant_storage:/qdrant/storage qdrant/qdrant

不启动也可正常使用，向量检索会静默跳过。

运行

# Windows 建议设置 UTF-8
set PYTHONUTF8=1

# 交互对话模式
codeagent chat

# 单次执行
codeagent run "帮我写一个快速排序算法"

# 切换会话（多项目隔离）
codeagent chat --thread my-project

# 查看当前配置
codeagent config

内置命令

在交互模式下输入斜杠命令：

命令	说明
/help	显示帮助和工具列表
/history	查看本次会话对话历史
/memory	查看长期记忆摘要
/tasks	查看最近一次任务拆解计划
/compress	手动触发上下文压缩
/config	查看当前配置
/clear	开启新会话（旧记录保留在 SQLite）
/exit	退出

可用工具

Agent 会根据需要自动调用：

分类	工具	说明
文件读写	read_file	读取工作目录内的文件
	write_file	写入文件（整体覆盖，自动创建目录）
	list_dir	列出目录内容
精确编辑	apply_diff	应用 unified diff 补丁，精确修改局部内容
	search_and_replace	在文件中搜索并替换文本
	insert_content	在指定行号后插入内容
搜索	search_files	多策略搜索（git grep → ripgrep → Python）
	search_code	正则表达式搜索代码文件
执行	run_shell	沙箱执行 Shell 命令（危险命令拦截）
追踪	update_todos	Agent 内部任务列表（add/list/complete/remove）
MCP	use_mcp_tool	调用外部 MCP 工具服务器

Shell 沙箱安全策略：黑名单拦截 rm -rf / dd / mkfs 等危险命令，30s 超时，环境变量隔离，输出最多 10000 字符。

MCP 工具服务器配置

在 ~/.codeagent/mcp_servers.json 中配置（与 Claude Desktop 格式兼容）：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
    }
  }
}

安装 MCP SDK 后即可使用：

pip install "codeagent[mcp]"

架构

用户输入
   │
   ▼
context_loader      ← 加载长期摘要 + Qdrant 向量检索（Top-3）
   │
   ▼
intent_router       ← LLM 分类: code / decompose / qa / memory
   │
   ├── code ──────► code_agent        ← 代码生成 + 11 种工具调用
   ├── decompose ► task_decomposer    ← 任务拆解 + 工具调用 + 任务链展示
   └── qa/memory ► context_qa        ← 上下文问答 / 记忆查询
                         │
                         ▼
                     reflection       ← 仅 code/decompose 触发，最多修正 1 次
                         │
                         ▼
                     memory_writer    ← 更新短期窗口 + SQLite + Qdrant
                         │
                         ▼
                      终端输出（推理步骤 + 最终答案）

记忆层：

• 短期：滑动窗口 10 轮消息（In-Memory）
• 长期：SQLite 会话摘要持久化（codeagent.db）
• 向量：Qdrant 语义检索，每次对话前自动召回相关历史

环境变量参考

变量	默认值	说明
LLM_API_KEY	—	LLM API Key（必填）
LLM_BASE_URL	Ark API	OpenAI 兼容 BaseURL
LLM_MODEL	deepseek-v3.2	模型名称
EMBEDDING_MODEL	doubao-embedding-vision-250615	Embedding 模型
EMBEDDING_BASE_URL	Ark API	Embedding 接口地址
QDRANT_URL	http://localhost:6333	Qdrant 地址
WORKSPACE_DIR	.	工具调用的文件操作根目录
WINDOW_SIZE	10	短期记忆滑动窗口轮数
LLM_MAX_RETRIES	3	API 限流重试次数

依赖

• LangGraph — Agent 图编排
• LangChain OpenAI — LLM 接口
• Typer — CLI 框架
• Rich — 终端美化
• Qdrant Client — 向量数据库
• mcp（可选）— MCP 协议

License

MIT