mirror of
https://github.com/Jeuners/agenttwo-tools.git
synced 2026-09-09 15:02:31 +02:00
e48228c570
Basis für die Tool-Calling- und Vision-Entwicklung. Die Historie von agenttwo bleibt erhalten, damit sich Fixes aus der Basis per cherry-pick übernehmen lassen; das Remote upstream zeigt dafür auf Jeuners/agenttwo. Eigene Ports, damit beide Projekte gleichzeitig laufen können: - Backend 8787 -> 8788, Vite 5173 -> 5174 samt Proxy-Zielen - Origin-Allowlist in security.ts entsprechend auf 5174/8788 - OpenRouter-Attribution (HTTP-Referer, X-Title) angepasst Die SQLite-Datei liegt wie gehabt neben dem Server, beide Instanzen haben dadurch getrennte Sessions. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01S1NXUpHbxTusqQmsjrFfbU
143 lines
4.7 KiB
Markdown
143 lines
4.7 KiB
Markdown
# agenttwo-tools
|
|
|
|
> Fork von [agenttwo](https://github.com/Jeuners/agenttwo). Die Basis bleibt dort
|
|
> unverändert; hier kommen Tool-Calling und Vision dazu. Läuft auf eigenen Ports
|
|
> (Backend 8788, Frontend 5174), damit beide Projekte parallel laufen können.
|
|
> Fixes aus der Basis lassen sich per `git cherry-pick` aus dem Remote
|
|
> `upstream` übernehmen.
|
|
|
|
Voice-Chat-Oberfläche für lokale und Cloud-LLMs: lokales Qwen3 über
|
|
[Ollama](https://ollama.com), optionaler Fallback auf
|
|
[OpenRouter](https://openrouter.ai), Spracheingabe via
|
|
[whisper.cpp](https://github.com/ggml-org/whisper.cpp) und deutsche
|
|
Sprachausgabe via [Piper](https://github.com/rhasspy/piper) (Stimme: Thorsten).
|
|
|
|
## Aufbau
|
|
|
|
npm-Workspace mit zwei Paketen:
|
|
|
|
| Pfad | Inhalt |
|
|
|-----------|------------------------------------------------------------------------|
|
|
| `server/` | Fastify + WebSocket-Backend, Ollama-/OpenRouter-Bridge, STT/TTS, SQLite |
|
|
| `web/` | React 18 + Vite Frontend, Markdown-Rendering, Voice-Recording |
|
|
|
|
## Voraussetzungen
|
|
|
|
- **Node.js 22+** — `server/src/db.ts` nutzt das eingebaute `node:sqlite`,
|
|
das es unter Node 20 noch nicht gibt. Unter Node 22 erscheint beim Start
|
|
eine `ExperimentalWarning`; ab Node 24 ist das Modul stabil.
|
|
- [Ollama](https://ollama.com) mit einem Qwen3-Modell (`ollama pull qwen3.5`)
|
|
- `ffmpeg` im `PATH`
|
|
- `whisper-cli` im `PATH` (whisper.cpp) inklusive Modell
|
|
- Piper als **Python-Modul** — der Server ruft `python3 -m piper` auf,
|
|
nicht das gleichnamige Homebrew-Binary
|
|
|
|
Unter macOS:
|
|
|
|
```bash
|
|
brew install ffmpeg whisper-cpp
|
|
pip3 install piper-tts
|
|
```
|
|
|
|
Prüfen, ob alles bereitsteht:
|
|
|
|
```bash
|
|
ffmpeg -version >/dev/null 2>&1 && echo "ffmpeg OK"
|
|
whisper-cli --help >/dev/null 2>&1 && echo "whisper-cli OK"
|
|
python3 -m piper --help >/dev/null 2>&1 && echo "piper OK"
|
|
node -e "require('node:sqlite')" 2>/dev/null && echo "node:sqlite OK"
|
|
```
|
|
|
|
### Whisper-Modell
|
|
|
|
Wird per Default unter `~/whisper-models/ggml-large-v3-turbo.bin` erwartet:
|
|
|
|
```bash
|
|
mkdir -p ~/whisper-models
|
|
curl -L -o ~/whisper-models/ggml-large-v3-turbo.bin \
|
|
https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-large-v3-turbo.bin
|
|
```
|
|
|
|
### Piper-Stimme
|
|
|
|
Die Stimmdatei ist **nicht** im Repo (109 MB, über GitHubs Dateilimit).
|
|
Einmalig herunterladen:
|
|
|
|
```bash
|
|
mkdir -p server/voices
|
|
curl -L -o server/voices/de_DE-thorsten-high.onnx \
|
|
https://huggingface.co/rhasspy/piper-voices/resolve/main/de/de_DE/thorsten/high/de_DE-thorsten-high.onnx
|
|
```
|
|
|
|
Die zugehörige `de_DE-thorsten-high.onnx.json` liegt bereits im Repo.
|
|
|
|
## Konfiguration
|
|
|
|
`.env` im Projekt-Root (wird vom Server eingelesen, ist gitignored):
|
|
|
|
```bash
|
|
OPENROUTER_API_KEY=sk-or-...
|
|
```
|
|
|
|
Weitere optionale Variablen mit ihren Defaults:
|
|
|
|
| Variable | Default |
|
|
|----------------------|--------------------------------------------------|
|
|
| `PORT` | `8788` |
|
|
| `OLLAMA_URL` | `http://localhost:11434` |
|
|
| `MODEL` | `qwen3.5:latest` |
|
|
| `WHISPER_MODEL` | `~/whisper-models/ggml-large-v3-turbo.bin` |
|
|
| `WHISPER_LANG` | `de` |
|
|
| `PIPER_MODEL` | `server/voices/de_DE-thorsten-high.onnx` |
|
|
| `ALLOWED_ORIGINS` | (leer — siehe Sicherheit) |
|
|
|
|
## Sicherheit
|
|
|
|
Der Server hat **keine Authentifizierung** und lauscht deshalb bewusst nur auf
|
|
`127.0.0.1`. Das allein genügt aber nicht: Eine beliebige Webseite, die im
|
|
Browser geöffnet ist, kann `localhost` per `fetch()` oder WebSocket erreichen.
|
|
Deshalb prüfen sowohl die HTTP-Endpunkte als auch der WebSocket-Handshake die
|
|
`Origin` gegen eine Allowlist (`server/src/security.ts`) — Standard sind
|
|
`localhost`/`127.0.0.1` auf Port 5174 und 8788.
|
|
|
|
Läuft das Frontend woanders, die Origin ergänzen:
|
|
|
|
```bash
|
|
ALLOWED_ORIGINS=http://192.168.1.50:5174
|
|
```
|
|
|
|
Weitere Maßnahmen: Rate-Limits auf `/api/stt` (10/min) und `/api/tts` (30/min),
|
|
Format-Whitelist per Magic Bytes vor dem `ffmpeg`-Aufruf, und Fehlerdetails
|
|
landen im Server-Log statt in der HTTP-Antwort.
|
|
|
|
Für externen Zugriff reicht ein Reverse-Proxy **nicht** — davor gehört eine
|
|
echte Authentifizierung.
|
|
|
|
## Entwicklung
|
|
|
|
```bash
|
|
npm install
|
|
npm run dev # Server (:8788) und Vite-Dev-Server (:5174) parallel
|
|
```
|
|
|
|
Einzeln:
|
|
|
|
```bash
|
|
npm run dev:server
|
|
npm run dev:web
|
|
```
|
|
|
|
Typecheck über beide Workspaces:
|
|
|
|
```bash
|
|
npm run typecheck
|
|
```
|
|
|
|
## Produktion
|
|
|
|
```bash
|
|
npm start # baut das Frontend und startet den Server
|
|
```
|
|
|
|
Der Server bindet nur an `127.0.0.1`. Zum Aussetzen ins Netz siehe
|
|
[Sicherheit](#sicherheit).
|