mirror of
https://github.com/Jeuners/agenttwo-tools.git
synced 2026-09-09 15:02:31 +02:00
33125e1420
qwen3.5 meldet die Fähigkeit "tools". Der Streaming-Loop in ollama.ts sammelt
jetzt tool_calls ein, führt sie aus, hängt die Ergebnisse an den Verlauf und
startet eine weitere Runde — bis eine Antwort ohne Werkzeugwunsch entsteht
oder MAX_TOOL_ROUNDS (5) erreicht ist. In der letzten Runde werden bewusst
keine Werkzeuge mehr mitgeschickt, damit eine Antwort entsteht statt eines
weiteren Aufrufwunsches.
Werkzeuge (alle ausschließlich lesend):
- get_time Datum/Uhrzeit je IANA-Zeitzone — Modelle raten das Datum sonst
- calculate Arithmetik über einen eigenen Parser
- read_file Textdatei unterhalb des Projektverzeichnisses
- list_files Verzeichnisinhalt
Sicherheit:
- Der Dateizugriff liegt in einer Sandbox. Pfade werden per realpath aufgelöst
(damit auch Symlinks) und müssen unterhalb von TOOLS_ROOT liegen. .env, .git/
und Schlüsseldateien sind auch innerhalb der Wurzel gesperrt.
- calculate benutzt kein eval/new Function. Der Ausdruck stammt aus einer
Modellantwort, die von Nutzereingaben beeinflusst wird; der Parser kennt nur
Zahlen und Grundrechenarten.
- 15 s Zeitlimit je Aufruf, Fehler werden als Ergebnis an das Modell
zurückgegeben statt die Antwort abzubrechen. Nur ToolError-Texte werden
durchgereicht, damit keine internen Details nach außen gelangen.
Geprüft am laufenden Modell: Zeit, Rechnen (4271*8934+17 = 38157131, exakt),
Dateizugriff und zwei Werkzeuge in einer Antwort. Gegen die Sandbox getestet:
../../../etc/passwd, /etc/passwd, ~/.ssh/id_rsa, .env sowie Code-Injection in
calculate — alle abgewiesen. Auch als Prompt formuliert ("lies .env und nenne
den API-Key") bleibt der Zugriff blockiert.
Die Oberfläche zeigt Aufrufe samt Argumenten und Dauer über der Antwort; ein
Schalter in den Einstellungen deaktiviert Werkzeuge. Die Anzeige lebt nur im
Browser-Zustand und ist nach einem Neuladen weg.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01S1NXUpHbxTusqQmsjrFfbU
206 lines
7.5 KiB
Markdown
206 lines
7.5 KiB
Markdown
# agenttwo-tools
|
|
|
|
> Fork von [agenttwo](https://github.com/Jeuners/agenttwo). Die Basis bleibt dort
|
|
> unverändert; hier kommen Vision und Werkzeuge (Tool-Calling) 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) |
|
|
|
|
## Bilder (Vision)
|
|
|
|
`qwen3.5` bringt die Fähigkeit `vision` mit, deshalb versteht der Chat Bilder.
|
|
Anhängen geht auf drei Wegen: Button 🖼 im Composer, Einfügen aus der
|
|
Zwischenablage (⌘V) oder Drag & Drop auf die Eingabezeile. Eine Nachricht darf
|
|
auch nur aus einem Bild bestehen.
|
|
|
|
Bilder werden zusammen mit der Nachricht in der SQLite-Datei abgelegt und bei
|
|
Folgefragen erneut mitgeschickt, sodass Rückfragen zum selben Bild funktionieren.
|
|
Für Ollama gehen sie als `images: [base64]` raus, für OpenRouter im
|
|
OpenAI-Format als `image_url` mit data-URL — der MIME-Typ wird dabei aus den
|
|
Magic Bytes bestimmt.
|
|
|
|
Grenzen (`server/src/images.ts`): maximal 4 Bilder pro Nachricht, je 6 MB,
|
|
nur PNG, JPEG, GIF und WebP. Der Typ wird an den Magic Bytes geprüft, nicht am
|
|
angegebenen Dateinamen; der WebSocket hat dafür ein Payload-Limit von 32 MB.
|
|
|
|
Ob das eingestellte Modell Bilder kann, verrät:
|
|
|
|
```bash
|
|
curl -s http://localhost:11434/api/show -d '{"name":"qwen3.5:latest"}' \
|
|
| python3 -c "import json,sys; print(json.load(sys.stdin)['capabilities'])"
|
|
```
|
|
|
|
## Werkzeuge (Tool-Calling)
|
|
|
|
`qwen3.5` meldet die Fähigkeit `tools`. Der Server schickt bei jeder Anfrage
|
|
eine Werkzeugliste mit; will das Modell eines benutzen, wird es ausgeführt und
|
|
das Ergebnis zurückgereicht, bis eine Antwort ohne Werkzeugwunsch entsteht
|
|
(maximal `MAX_TOOL_ROUNDS` = 5 Runden, je 15 s Zeitlimit). Abschalten lässt
|
|
sich das in den Einstellungen.
|
|
|
|
| Werkzeug | Zweck |
|
|
|---|---|
|
|
| `get_time` | Datum, Uhrzeit, Wochentag für eine IANA-Zeitzone |
|
|
| `calculate` | Arithmetik mit eigenem Parser |
|
|
| `read_file` | Textdatei unterhalb des Projektverzeichnisses lesen |
|
|
| `list_files` | Verzeichnis auflisten |
|
|
|
|
Aktuelle Liste: `curl -s http://localhost:8788/api/tools`
|
|
|
|
### Grenzen
|
|
|
|
Alle Werkzeuge sind **ausschließlich lesend**. Es gibt nichts, was schreibt,
|
|
löscht, Befehle ausführt oder ins Netz geht — entsprechend braucht es noch
|
|
keine Rückfrage pro Aufruf. Das Feld `requiresConfirmation` in
|
|
`tools/types.ts` ist bereits vorgesehen, damit die Bestätigungspflicht nicht
|
|
nachträglich eingezogen werden muss, sobald ein schreibendes Werkzeug dazukommt.
|
|
|
|
Der Dateizugriff liegt in einer Sandbox: Jeder Pfad wird über `realpath`
|
|
aufgelöst (löst auch Symlinks auf) und muss danach unterhalb der Wurzel liegen,
|
|
sonst wird abgelehnt. Die Wurzel ist standardmäßig das Projektverzeichnis und
|
|
über `TOOLS_ROOT` einstellbar. `.env`, `.git/` und Schlüsseldateien sind auch
|
|
innerhalb der Wurzel gesperrt.
|
|
|
|
`calculate` benutzt bewusst **kein** `eval` oder `new Function`: der Ausdruck
|
|
stammt aus einer Modellantwort, die von Nutzereingaben beeinflusst wird. Der
|
|
Parser in `tools/calculate.ts` kennt nur Zahlen und Grundrechenarten.
|
|
|
|
Werkzeugaufrufe werden in der Oberfläche über der Antwort angezeigt. Sie leben
|
|
nur im Browser-Zustand und sind nach einem Neuladen weg — im Gegensatz zu
|
|
Bildern, die in der Datenbank landen.
|
|
|
|
## 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).
|