数据流

用户消息 → AI 响应的完整链路

sequenceDiagram actor User as 👤 用户 participant ChatConsole as ChatConsole<br/>(React Renderer) participant IPC as IPC Handler<br/>(Main Process) participant Bridge as BridgeManager<br/>(Python 子进程) participant Agent as AgentLoop<br/>(Agent 引擎) participant Context as ContextBuilder participant LLM as LLM Provider participant Tools as ToolRegistry User->>ChatConsole: 输入消息 ChatConsole->>IPC: ipcRenderer.invoke("chat:send") Note over IPC: Zod 参数验证 IPC->>Bridge: bridge:chat-send Note over Bridge: JSON-line 写入 stdin Bridge->>Agent: handle_chat_send() Agent->>Context: build_system_prompt() Note over Context: 注入 SOUL.md / Memory / Trace Context-->>Agent: system prompt loop Agent Loop Agent->>LLM: Chat Completion (stream) LLM-->>Bridge: 流式文本增量 Bridge-->>IPC: progress event IPC-->>ChatConsole: 实时渲染 Markdown alt 需要工具调用 LLM-->>Agent: function_call Agent->>Tools: execute_concurrent() par 内置工具 Tools->>Tools: read_file / write_file / web_search and MCP 工具 Tools->>Tools: raspa-mcp / zeopp-backend end Tools-->>Agent: 工具结果 Note over Bridge: tool_progress 心跳 end end Agent-->>Bridge: final event Bridge-->>ChatConsole: 完整响应 ChatConsole-->>User: 渲染结果

事件类型

Bridge 协议支持三种事件流：

事件类型	方向	说明
progress	Backend → Frontend	LLM 流式输出增量文本
tool_progress	Backend → Frontend	工具调用进度（MCP 心跳）
error	Backend → Frontend	异常错误信息

请求/响应模型

Request:  前端发起
  {"id": "uuid-001", "method": "chat:send", "params": {...}}

Response: 后端同步响应
  {"id": "uuid-001", "result": {...}}

Event: 后端流式推送
  {"id": "uuid-001", "type": "progress", "data": {"text": "..."}}

id 字段用于关联请求与对应的流式事件，前端通过 id 将事件路由到正确的对话窗口。

并发处理

• 多会话并行：每个会话维护独立的 AgentLoop 实例，互不阻塞
• 工具并行：ToolRegistry 支持批量工具的并发执行
• MCP 心跳：长时运行的工具通过心跳机制报告进度