返回内容库
工具入门 / OPEN LIBRARY

AI指挥AI

通过 Agent SDK、HTTP API、CLI 和 MCP 四种方案,了解如何让 Codex 指挥 WorkBuddy 执行任务。

下载完整操作指南(TXT)

Codex 指挥 WorkBuddy 干活 · 四种方案操作指南

目标:让 Codex(或你自己)像"派活老板"一样指挥 WorkBuddy(腾讯 CodeBuddy 系)执行任务,实现"派活 → 干活 → 验收"的 AI 闭环。 适用读者:已安装 WorkBuddy / CodeBuddy,想让它被外部 AI 或程序调用的学员。


方案概览

方案 自动化程度 难度 适用场景
方案一:Agent SDK 高(可编程) ★★☆ 写代码调用,做多 Agent 协作、批量任务
方案二:HTTP API 极高(远程/定时) ★★★ 无人值守、定时派活、外部系统集成
方案三:CLI 命令行 中(手动+脚本) ★☆☆ 快速单次指挥,适合入门
方案四:MCP 互连 极高(双向打通) ★★★ 工具间互相调用,深度集成

方案一:CodeBuddy Agent SDK(编程指挥)

1. 前置条件

  • Node.js 18+ 或 Python 3.10+
  • 已安装并登录 CodeBuddy CLI(codebuddy --version 能出结果)

2. 安装 SDK

Python 版:

pip install codebuddy-agent-sdk

TypeScript 版:

npm install @tencent-ai/agent-sdk

3. 登录认证(二选一)

  • 方式 A(推荐):已登录过 CLI 则 SDK 自动复用登录状态,无需额外配置
  • 方式 B:用 API Key 认证,设置环境变量: bash # Windows PowerShell $env:CODEBUDDY_AUTH_TOKEN = "你的token"

4. 第一个"指挥"程序

Python 示例(单次派活):

from codebuddy_agent_sdk import query

# 让 WorkBuddy 执行任务单
conversation = query({
    "prompt": "请读取 D:/task.md 任务单并执行,完成后生成验收报告 task_report.md",
    "options": {
        "cwd": "D:/工作目录",          # 指定工作目录
        "model": "claude-4.5",          # 选择模型
        "allowedTools": ["Read", "Write", "Bash", "Glob", "Grep"],
        "maxTurns": 50,                 # 限制最大轮数
    },
})

# 流式读取执行结果
for message in conversation:
    if message.type == "assistant":
        for block in message.message.content:
            if block.type == "text":
                print(block.text)
    if message.type == "result":
        print(f"完成,耗时 {message.duration_ms} ms")

TypeScript 示例:

import { query } from '@tencent-ai/agent-sdk';

const conversation = query({
  prompt: '执行 D:/task.md 中的任务单',
  options: { cwd: 'D:/工作目录', maxTurns: 50 }
});

for await (const message of conversation) {
  if (message.type === 'assistant') {
    const text = message.message.content
      .filter(c => c.type === 'text')
      .map(c => c.text).join('');
    console.log(text);
  }
}

5. 进阶:多轮会话(派活 → 干活 → 验收闭环)

from codebuddy_agent_sdk import unstable_v2_createSession

session = unstable_v2_createSession({ "model": "claude-4.5" })

# 第1轮:派活
r1 = session.send("你是执行者。执行 D:/task.md 任务单,产出文件后停下")
# 第2轮:验收(Codex 视角)
r2 = session.send("检查上一步产出是否满足验收标准,不满足则列出修改点")
# 第3轮:修改
r3 = session.send("按验收意见修改,重新产出")

6. 自定义 Agent(把提示词存成"角色")

from codebuddy_agent_sdk import query

options = {
    "agents": {
        "executor": {
            "description": "任务执行者:照任务单干活,不自评",
            "prompt": "你是执行者。收到任务单后只执行,不自评,把结果写文件后停下。",
            "tools": ["Read", "Write", "Bash"],
            "model": "lite",
        },
        "inspector": {
            "description": "验收官:对照标准挑毛病",
            "prompt": "你是验收官。对照验收标准逐项检查,输出通过/打回原因。",
            "tools": ["Read", "Grep", "Glob"],
            "model": "lite",
        },
    }
}
# 派活给 executor,验收交给 inspector

7. 官方 Demo(强烈建议先跑通)

git clone https://cnb.cool/codebuddy/agent-sdk-demos.git
cd agent-sdk-demos
# 进入任意 demo 目录后
pip install -r requirements.txt   # Python demo
npx tsx quick-start.ts            # TS demo

重点看两个:research-assistant(多 Agent 协作)、mail-assistant(MCP 扩展)。


方案二:HTTP API(远程 / 定时指挥)

1. 启动本地 HTTP 服务

codebuddy daemon start --port 8080

2. 验证服务

curl http://127.0.0.1:8080/api/v1/health

3. 认证(用请求头带密码)

# 设置密码后,所有请求都要带这两个头
curl -H "X-CodeBuddy-Request: 1" \
     -H "Authorization: Bearer 你的密码" \
     -H "Content-Type: application/json" \
     -X POST http://127.0.0.1:8080/api/v1/jobs \
     -d '{"prompt":"执行 D:/task.md 任务单","cwd":"D:/工作目录"}'

4. 常用接口一览

用途 接口 说明
健康检查 GET /api/v1/health 服务是否在线
发起任务 POST /api/v1/jobs 提交后台任务
定时任务 POST /api/v1/scheduled-tasks 按 cron 定时派活
Webhook POST /api/v1/webhooks 完成任务后回调通知
会话管理 POST /api/v1/sessions 多轮对话
ACP 流式 POST /api/v1/acp JSON-RPC over SSE 流式协议

5. 定时派活示例(每天 9 点自动跑任务)

POST /api/v1/scheduled-tasks
{
  "cron": "0 9 * * *",
  "prompt": "执行 D:/daily-task.md,完成后写日报到 D:/output/",
  "cwd": "D:/工作目录"
}

6. 查看 Swagger 文档

浏览器打开 http://127.0.0.1:8080/api/v1/swagger 即可看到全部接口的详细说明和在线测试。


方案三:CLI 命令行(最简单)

1. 安装

npm install -g @tencent-ai/codebuddy-code

2. 登录(首次)

启动 codebuddy 后选择登录方式(中国站 / 国际站 / 企业域),浏览器自动完成认证。

3. 常用指挥命令

# 单次派活(适合脚本调用)
codebuddy -p "执行 D:/task.md 任务单,完成后输出验收报告"

# 带初始问题启动交互模式
codebuddy "帮我读一下这个项目结构"

# 继续上次对话
codebuddy -c

# 管道输入(让外部程序喂任务)
cat task.txt | codebuddy -p "按这个内容执行"

# 指定会话续跑
codebuddy -r "会话ID" "继续完成任务单"

4. 后台 Worker 管理(长任务)

codebuddy daemon start          # 启动后台进程
codebuddy ps                    # 查看正在执行的 Worker
codebuddy logs <pid>            # 看某个任务日志
codebuddy attach <pid>          # 附着到某个任务看输出
codebuddy kill <pid>            # 终止某个任务

5. 脚本化指挥(Codex 角度)

# 在脚本里调用,适合被 Codex 等外部 AI 调起
codebuddy -p "执行 D:/task.md" --permission-mode auto

方案四:MCP 互连(双向打通)

1. 认识 MCP

MCP(Model Context Protocol)是让 AI 工具互相暴露能力的标准协议。WorkBuddy 支持: - 作为客户端:配置外部 MCP Server,调用别人提供的工具 - 作为服务端:把 WorkBuddy 注册成 MCP Server,让别的 AI 调它

2. 配置外部 MCP Server(让 WorkBuddy 用你的工具)

编辑配置文件 ~/.codebuddy/.mcp.json:

{
  "mcpServers": {
    "my-tools": {
      "type": "stdio",
      "command": "node",
      "args": ["./mcp-server.js"]
    },
    "remote-api": {
      "type": "http",
      "url": "https://api.example.com/mcp",
      "headers": {
        "Authorization": "Bearer your-token"
      }
    },
    "sse-server": {
      "type": "sse",
      "url": "https://events.example.com/mcp/sse"
    }
  }
}

3. 让 Codex 通过 MCP 指挥 WorkBuddy

把 WorkBuddy 的能力封装成一个 MCP Server(用官方 SDK 的 MCP 支持),Codex 侧就能直接调用:

# 一个简单的 MCP Server 示例(暴露"执行任务"工具)
from codebuddy_agent_sdk import query

# 在 MCP Server 中注册 execute_task 工具
async def execute_task(prompt: str, cwd: str) -> dict:
    result = await query(prompt=prompt, options={"cwd": cwd})
    return {"status": "done", "output": result}

# 注册后,Codex 就能这样用:
# 调用工具 execute_task(prompt="执行任务单", cwd="D:/work")

4. 验证连接

codebuddy mcp list          # 查看已配置的 MCP Server
codebuddy mcp test my-tools # 测试某个 Server 是否连通

最佳实践:完整的"Codex 指挥 WorkBuddy"闭环流程

┌─────────┐  任务单文件   ┌──────────────┐  产出文件   ┌─────────┐
│  Codex   │ ──────────→ │  WorkBuddy   │ ────────→ │  验收    │
│ (规划者) │   task.md    │  (执行者)     │  output/   │ (Codex) │
└─────────┘              └──────────────┘            └─────────┘
     ↑                        ↑                           │
     └──────────────── 打回重做 ──────────────────────────┘
  1. Codex 写任务单(含目标、步骤、每步提示词、验收标准)存为 task.md
  2. 调用 WorkBuddy:codebuddy -p "执行 D:/task.md"
  3. WorkBuddy 执行并产出文件到工作目录
  4. Codex 对照验收标准检查 → 通过则结束,不通过则修改任务单打回重跑

常见问题

Q1:SDK 报"未登录"怎么办? 先跑 codebuddy 完成登录,SDK 会自动复用登录状态;或设置 CODEBUDDY_AUTH_TOKEN 环境变量。

Q2:HTTP API 端口连不上? 先确认 codebuddy daemon status;服务在后台运行,重启电脑后需重新 codebuddy daemon start。

Q3:想让 WorkBuddy 干活时不要反复询问权限? CLI 加 --permission-mode auto,或用 SDK 的 permission_mode 参数。注意:危险操作仍会被拦截(安全设计)。

Q4:Codex 和 WorkBuddy 是同一台电脑吗? 是。所有方案默认都是本地互调(127.0.0.1)。跨设备需配 HTTP API + 网络可达。

Q5:四个方案能混用吗? 能。推荐组合:日常手动用方案三(CLI),程序化集成用方案一(SDK),无人值守用方案二(HTTP API),深度双向集成用方案四(MCP)。


参考资料

  • SDK 文档:https://www.workbuddy.ai/docs/cli/sdk
  • HTTP API 文档:https://www.workbuddy.ai/docs/cli/http-api
  • SDK Demo 仓库:https://cnb.cool/codebuddy/agent-sdk-demos
  • CLI 参考:https://www.workbuddy.ai/docs/cli/cli-reference
原文配图

想实现哪一种,直接把这份文件下载,然后丢给AI,说按【方案X】帮我安装并调试

自己没研究明白的,请耐心等待,后续我会专门出一期教程.

搞不定-🌏:tanyo888888