feat: display Agent API Endpoint in frontend and update templates

yibo
1 parent c3242821
Showing 11 changed files with 392 additions and 31 deletions
docs/architecture-v5.md
docs/open-api-manual.md
docs/system-design/15-innovator-meta-agent.md
docs/system-design/20-scaffold-first-agent-creation.md
docs/system-design/21-fde-pipeline-architecture.md
server/routes/open-api.js
system/agents/master/.claude/scheduled_tasks.json
system/templates/claude-youtube-skills/config.json
web/src/views/AgentChat.vue
web/src/views/AgentList.vue
web/src/views/CompanyDashboard.vue
@@ -13,7 +13,7 @@
 > - 定时调度：使用 Claude Code 原生 CronCreate + cron.json 持久化
 > - **OKR 目标系统**：`data/goals/` 集中管理，点分层级 ID，全局可追溯
 > - **FDE 流水线**：Hunt→Digest→Evolving 三层训练架构，已经端到端验证通过
-> - **双路径产出**：元 Agent 产出同时写入 workspace/ + agents/ 两个位置
+> - **双路径产出**：元 Agent 产出同时写入 train/ + agents/ 两个位置
 > - **Skills 扫描注入**：buildSystemPrompt 扫描所有 .claude/skills/ 子目录
  
 ---
@@ -448,7 +448,7 @@ Task 进入 → 海马体检索 → 命中? → 小脑快速执行
 - [x] 每个元 Agent 的 SKILL.md 泛化定义 (不硬编码领域知识)
 - [x] L1/L2 依赖技能复制到各元 Agent 的 `.claude/skills/`
 - [x] buildSystemPrompt 扫描所有 skills 子目录 (关键修复)
-- [x] 双路径产出 (workspace/ + agents/)
+- [x] 双路径产出 (train/ + agents/)
 - [x] CEO Agent 端到端训练: Hunt(1461行) → Digest(1593行) → Evolve(92/100)
 - [x] retrain-pipeline.js 对齐新 agent 名
 - 详见: `docs/system-design/21-fde-pipeline-architecture.md`
@@ -501,7 +501,7 @@ Task 进入 → 海马体检索 → 命中? → 小脑快速执行
 | 7 | OKR 数据结构 | 扁平 nodes Map (O(1) 查找) | 03-24 |
 | 8 | OKR 进度算法 | 叶子节点完成率 | 03-24 |
 | 9 | plan.md 更新 | 行级匹配 + 列拆分 (兼容粗体等格式) | 03-24 |
-| 10 | FDE 双路径产出 | workspace/(共享) + agents/(资产) 同时写入 | 03-24 |
+| 10 | FDE 双路径产出 | train/(共享) + agents/(资产) 同时写入 | 03-24 |
 | 11 | 元 Agent 依赖技能加载 | buildSystemPrompt 扫描所有 .claude/skills/ 子目录 | 03-24 |
 | 12 | retrain-pipeline 对齐 | l3-hunt→hunter, l2-digest→digester, innovator-evolver→evolver | 03-25 |
 | 13 | Thinking 控制 | `--effort low` 禁用 extended thinking，config.json `cli.effort` 按 Agent 配置 | 03-27 |
+# ArenaSK Open API 外部调用操作手册
+
+本手册详细说明了如何通过外部系统（如第三方业务系统、自动化流、外部脚本）跨平台调用 LemonBoss 平台内部已经部署的任意 Agent。
+
+---
+
+## 1. 认证配置 (Authentication)
+
+调用系统的任何开放接口前，必须在 HTTP 标头 (Headers) 中携带你申请/配置的 API Key 密钥。
+
+**系统配置位置**：
+当前系统支持的 API Key 配置位于项目根目录的 `.env` 文件内：
+```ini
+OPEN_API_KEYS=sk-test-key-001,sk-prod-key-...
+```
+
+**请求方式**：
+无论你用什么语言发送请求，请确保 HTTP Headers 包含以下任意一种格式：
+- `Authorization: Bearer <API_KEY>` (推荐)
+- `X-API-Key: <API_KEY>`
+
+---
+
+## 2. 核心调用流程
+
+因为我们的 Agent 需要进行「思考与执行 (Plan & Execute)」，单次任务通常耗时数分钟。为了防止网络超时断连，我们的接口设计完全**异步化 (Asynchronous)**：
+
+> **完整调用链路：**
+> 👉 外部发送请求 `invoke` ➔ 系统接管并**返回单号 jobId** ➔ 外部每隔几秒根据 jobId去查进度 `poll` ➔ 遇到 **`completed`** 则提取输出。
+
+### 接口 ①：指派任务并获取 JobId (Invoke)
+
+**🔹 端点**：`POST /api/open/companies/:companyId/agents/:agentId/invoke`
+**🔹 作用**：唤起指定公司和指定名称的 Agent 执行任务。
+
+#### 请求参数 (Body)
+
+| 参数名 | 类型 | 必填 | 说明 |示例|
+|---------|-------|------|------|------|
+| `task` | String | ✅ | 需要 Agent 帮您执行的自然语言任务。 | `"帮我爬取并总结最新的 AI agent 趋势"`|
+| `contextFiles` | Array | 选填 | 外部传递前置文件，Agent可以据此进行**记忆连接或文档问答**。|见下文详述|
+| `webhookUrl` | String | 选填 | 回调地址。当任务完结时主动推送结果至该URL。| `"https://your-app/webhook"`|
+
+#### 代码示例 (cURL)
+```bash
+curl -X POST http://YOUR_SERVER_IP:3010/api/open/companies/test/agents/claude-youtube-skills/invoke \
+  -H "Authorization: Bearer sk-test-key-001" \
+  -H "Content-Type: application/json" \
+  -d '{
+    "task": "基于上次总结的结果，帮我提取其中所有的产品名称并生成CSV格式",
+    "contextFiles": [
+      {
+        "name": "previous_result.md",
+        "content": "这是一段之前的调查结果......"
+      }
+    ]
+  }'
+```
+
+#### 返回值
+接口会光速返回 HTTP 202 的响应该结果：
+```json
+{
+  "jobId": "job-1712461931-abcdef12",
+  "status": "queued",
+  "message": "Agent invocation job queued. Poll GET /api/open/jobs/job-1712461931-abcdef12 for status."
+}
+```
+此时你必须要把 `jobId` 记录下来！
+
+---
+
+### 接口 ②：轮询任务执行结果 (Status Polling)
+
+我们推荐外部系统（例如你的脚本中）使用 `while` 循环或定时任务，**每隔 3~5 秒钟**调用一次该接口查询。
+
+**🔹 端点**：`GET /api/open/jobs/:jobId`
+
+#### 代码示例 (cURL)
+```bash
+curl "http://YOUR_SERVER_IP:3010/api/open/jobs/job-1712461931-abcdef12" \
+  -H "Authorization: Bearer sk-test-key-001"
+```
+
+#### 返回值
+你可以通过判断返回体中的 `status` 字段来得知进度：
+
+**1. 正在执行时（Running / Queued）**
+```json
+{
+  "jobId": "job-1712461931-abcdef12",
+  "status": "running",
+  "progress": "Executing agent task...",
+  "createdAt": "2026-04-07T12:00:00Z"
+}
+```
+
+**2. 任务已完成时（Completed）** 🌟 此刻可以提取最终结果：
+```json
+{
+  "jobId": "job-1712461931-abcdef12",
+  "status": "completed",
+  "progress": "Invocation completed",
+  "result": {
+    "output": "你好！我已经完成了产品名称提取。这里是转换后的 CSV 格式内容...\n..."
+  }
+}
+```
+
+**3. 任务失败异常时（Failed）**
+```json
+{
+  "jobId": "job-1712461931-abcdef12",
+  "status": "failed",
+  "error": "Agent execution failed: process timeout."
+}
+```
+
+---
+
+## 3. 高级用法指南
+
+### 如何保持“上下文记忆”或者“持续对话”？
+
+Agent 是没有自动长久记忆跨系统调用流的。你在下一次调用相同的这个 Agent（比如第二天再调一次）时，如果想让它知道前面发生了什么，或者传递新的数据报告给它，**一定要使用 `contextFiles` 数组结构！**。
+
+外部系统提取了上次的 `result.output` 后，在下次调用的 Body 中：
+```json
+{
+    "task": "基于我附加给你的日志总结，开展新一轮的数据清理",
+    "contextFiles": [
+        {
+            "name": "logs-from-yesterday.txt",
+            "content": "....提取的昨日任务输出大段文本...."
+        },
+        {
+            "name": "data.csv",
+            "content": "id,name\n1,apple"
+        }
+    ]
+}
+```
+系统底座会自动将这 2 个对象落地成文件，以文本阅读的视角送入 Agent 的大脑供其深度理解（支持上万字）。通过这种 “外部系统充当记忆保管员 + API 动态投喂上下文文件” 的组合拳，就可以把这些 Agent 变成可控、随时插拔的智能化函数库！
@@ -95,12 +95,12 @@ Innovator 不在四层组织架构（Master/CXO/Role/Skill）内。它是四层
    → [CALL: meta_hunt]
    → 搜索社交媒体爬虫的最佳实践、方法论
    → 爬取案例、API 文档
-   → 写入 data/agents/social_crawler/workspace/
+   → 写入 data/agents/social_crawler/train/
   │
   ▼
 4️⃣ Digest (Claude CLI 执行型 Agent)
    → [CALL: meta_digest]
-   → 读取 workspace/ 调研数据
+   → 读取 train/ 调研数据
    → 提炼 knowledge/knowhow.md + knowledge/benchmark.md
    → 生成 .claude/skills/main_skill/SKILL.md
   │
@@ -238,7 +238,8 @@ data/agents/{new-agent-id}/
 │       ├── meta.json
 │       ├── history.json
 │       └── {msgId}/messages.log
-├── workspace/
+├── workspace/          ← Agent 工作区
+├── train/              ← 训练过程数据 (Hunt/Digest/Evolve)
 ├── logs/
 └── config.json         ← status: "ready"
 ```
@@ -40,10 +40,11 @@ data/agents/{agent_name}/
 │   ├── sessions/
 │   └── daily/
 ├── knowledge/            ← Digest 阶段写入 knowhow/benchmark
-├── workspace/            ← Hunt 阶段写入调研数据
+├── workspace/            ← 自治工作区
 │   ├── code/
 │   ├── data/
 │   └── assets/
+├── train/                ← Hunt 阶段写入的调研和训练数据
 └── logs/
 ```
  
@@ -51,10 +52,10 @@ data/agents/{agent_name}/
  
 **执行型子 Agent，有完整工具权限。**
  
-meta_hunt 在新建 Agent 的目录下运行，将调研结果写入该 Agent 的 `workspace/` 目录：
+meta_hunt 在新建 Agent 的目录下运行，将调研结果写入该 Agent 的 `train/` 目录：
  
 ```
-data/agents/{agent_name}/workspace/
+data/agents/{agent_name}/train/
 ├── knowhow.md            ← 方法论调研
 ├── toplist.md            ← 标杆案例
 ├── agent_profile.md      ← Agent 人格画像（思维、风格、工具、心跳、用户关系）
@@ -65,10 +66,10 @@ data/agents/{agent_name}/workspace/
  
 ### 阶段 3: Digest（知识消化）
  
-**执行型子 Agent，读取 workspace/ 的调研数据，提炼输出到 knowledge/ 和 SKILL.md，并基于 agent_profile 生成定制化 Bootstrap 文件。**
+**执行型子 Agent，读取 train/ 的调研数据，提炼输出到 knowledge/ 和 SKILL.md，并基于 agent_profile 生成定制化 Bootstrap 文件。**
  
 ```
-输入: workspace/knowhow.md + workspace/toplist.md + workspace/agent_profile.md + workspace/crawl/
+输入: train/knowhow.md + train/toplist.md + train/agent_profile.md + train/crawl/
 输出:
   ├── knowledge/knowhow.md       ← 精炼后的方法论
   ├── knowledge/benchmark.md     ← 评分标准（≥5个维度）
@@ -160,9 +161,9 @@ const effectiveWorkDir = agent.workDir || this.workDir;
 所有指向其它 Agent 的路径都必须使用 **`../{agent_name}/`** 格式（上一级的兄弟目录）：
  
 ```
-正确: ../{agent_name}/workspace/knowhow.md
-错误: data/agents/{agent_name}/workspace/knowhow.md  ← 会变成嵌套路径！
-错误: workspace/knowhow.md                           ← 会写到 innovator-001 自己的目录
+正确: ../{agent_name}/train/knowhow.md
+错误: data/agents/{agent_name}/train/knowhow.md      ← 会变成嵌套路径！
+错误: train/knowhow.md                               ← 会写到 innovator-001 自己的目录
 ```
  
 目录结构关系：
@@ -172,7 +173,7 @@ data/agents/
 │   ├── .claude/skills/   ← l1/l2 知识文件
 │   └── workspace/        ← innovator 自己的工作区
 ├── poetry_writer/        ← ../ poetry_writer/ 可以访问到
-│   ├── workspace/        ← Hunt 写入这里
+│   ├── train/            ← Hunt 写入这里
 │   ├── knowledge/        ← Digest 写入这里
 │   └── .claude/skills/   ← Digest 生成 SKILL.md 到这里
 └── other_agent/
@@ -224,11 +225,11 @@ Innovator (--tools &quot;&quot;, 纯文本编排)
   ├── [CALL: meta_hunt]     ──▶  Claude CLI (cwd: innovator-001/)
   │                              读取 .claude/skills/l1-*/l2-* 知识
   │                              用 Bash/curl 搜索调研
-  │                              写入 data/agents/poetry_writer/workspace/
+  │                              写入 data/agents/poetry_writer/train/
   │                              └── knowhow.md + toplist.md + agent_profile.md
   │
   ├── [CALL: meta_digest]   ──▶  Claude CLI (cwd: innovator-001/)
-  │                              读取 workspace/ (knowhow + toplist + agent_profile)
+  │                              读取 train/ (knowhow + toplist + agent_profile)
   │                              提炼写入 knowledge/knowhow.md + benchmark.md
   │                              生成 .claude/skills/main_skill/SKILL.md
   │                              生成 Bootstrap: agent.md, soul.md, tools.md,
@@ -61,12 +61,12 @@ Hunter ────→ l1-search-engine, l1-web-fetch, l2-web-research,
  
 | 路径 | 用途 | 示例 |
 |------|------|------|
-| `data/workspace/{targetAgentId}/{phase}/` | 共享工作区，元 Agent 间共享 | `workspace/ceo/hunt/` |
+| `data/train/{targetAgentId}/{phase}/` | 综合训练区，元 Agent 间共享 | `train/ceo/hunt/` |
 | `data/agents/{targetAgentId}/{phase}/` | Agent 资产，归属目标 Agent | `agents/ceo/hunt/` |
  
 ```
 data/
-├── {companyId}/workspace/{targetAgentId}/  ← 公司共享工作区 (元 Agent 间共享)
+├── {companyId}/train/{targetAgentId}/      ← 训练数据区 (元 Agent 间共享)
 │   ├── hunt/
 │   ├── digest/
 │   └── evolve/
@@ -80,7 +80,7 @@ data/
 > **注意**: 全局元 Agent (如 Hunter/Digester/Evolver) 位于 `system/agents/`。
 > 对于全局训练任务，路径前缀为 `system/`。
  
-**原则**: 先写到 workspace/，再用 `cp -r` 复制到 agents/。
+**原则**: 先写到 train/，再用 `cp -r` 复制到 agents/。
  
 ---
  
@@ -157,7 +157,7 @@ curl -s -X POST http://localhost:3000/api/agent/task/dispatch \
   -d '{
     "from": "innovator",
     "to": "hunter",
-    "task": "对 CEO 核心能力进行知识猎取。skillName: ceo_leadership, targetAgentId: ceo, domain: CEO战略管理与领导力, keywords: [CEO战略规划, OKR目标管理]。按 l3-hunt skill 执行。产出同时写入 ../../workspace/ceo/hunt/ 和 ../ceo/hunt/。",
+    "task": "对 CEO 核心能力进行知识猎取。skillName: ceo_leadership, targetAgentId: ceo, domain: CEO战略管理与领导力, keywords: [CEO战略规划, OKR目标管理]。按 l3-hunt skill 执行。产出同时写入 ../../train/ceo/hunt/ 和 ../ceo/hunt/。",
     "priority": "P0",
     "autoExecute": true
   }'
@@ -171,7 +171,7 @@ curl -s -X POST http://localhost:3000/api/agent/task/dispatch \
   -d '{
     "from": "innovator",
     "to": "digester",
-    "task": "消化 CEO 调研数据。skillName: ceo_leadership, targetAgentId: ceo。输入: ../../workspace/ceo/hunt/。按 l2-digest skill 执行。产出同时写入 ../../workspace/ceo/digest/ 和 ../ceo/digest/。",
+    "task": "消化 CEO 调研数据。skillName: ceo_leadership, targetAgentId: ceo。输入: ../../train/ceo/hunt/。按 l2-digest skill 执行。产出同时写入 ../../train/ceo/digest/ 和 ../ceo/digest/。",
     "priority": "P0",
     "autoExecute": true
   }'
@@ -185,7 +185,7 @@ curl -s -X POST http://localhost:3000/api/agent/task/dispatch \
   -d '{
     "from": "innovator",
     "to": "evolver",
-    "task": "训练 CEO 的 ceo_leadership 技能。targetAgentId: ceo。输入: ../../workspace/ceo/digest/。按 evolving skill 执行 Small Loop。passThreshold: 90, maxIterations: 5。产出同时写入 ../../workspace/ceo/evolve/ 和 ../ceo/evolve/。训练完成后安装到 ../ceo/.claude/skills/main_skill/SKILL.md。",
+    "task": "训练 CEO 的 ceo_leadership 技能。targetAgentId: ceo。输入: ../../train/ceo/digest/。按 evolving skill 执行 Small Loop。passThreshold: 90, maxIterations: 5。产出同时写入 ../../train/ceo/evolve/ 和 ../ceo/evolve/。训练完成后安装到 ../ceo/.claude/skills/main_skill/SKILL.md。",
     "priority": "P0",
     "autoExecute": true
   }'
@@ -264,9 +264,9 @@ benchmark_score: 92
  
 | # | 决策 | 原因 | 日期 |
 |---|------|------|------|
-| 1 | 双路径产出 (workspace + agents) | 元 Agent 间共享 + 目标 Agent 资产归属 | 03-24 |
+| 1 | 双路径产出 (train + agents) | 元 Agent 间共享 + 目标 Agent 资产归属 | 03-24 |
 | 2 | 依赖技能放 `.claude/skills/` | Claude CLI 自动发现，buildSystemPrompt 自动注入 | 03-24 |
-| 3 | 先写 workspace 再 cp agents | workspace 为主源，agents 为副本 | 03-24 |
+| 3 | 先写 train 再 cp agents | train 为主源，agents 为副本 | 03-24 |
 | 4 | Evolver 安装最终 SKILL.md | 训练完成后直接更新目标 Agent 的核心技能 | 03-24 |
 | 5 | retrain-pipeline 对齐 agent 名 | `l3-hunt`→`hunter`, `l2-digest`→`digester`, `innovator-evolver`→`evolver` | 03-25 |
  
@@ -278,6 +278,40 @@ router.get(&#39;/skills/:name/updates&#39;, h((req, res) =&gt; {
   res.json({ skillName: req.params.name, latestVersion: skill.version, currentScore: skill.currentScore, hasUpdate: !!hasUpdate, changelog: hasUpdate ? changelog : undefined, downloadCount: skill.downloadCount || 0, updateCount: skill.updateCount || 0 });
 }));
  
+// ── Company Agent Invocation ──
+router.post('/companies/:companyId/agents/:agentId/invoke', h(async (req, res) => {
+  const { companyId, agentId } = req.params;
+  const { task, contextFiles, webhookUrl } = req.body;
+
+  if (!task || typeof task !== 'string') {
+    return res.status(400).json({ error: 'Bad Request', message: 'The "task" field is required and must be a string.' });
+  }
+
+  // Create an async job
+  const job = jobManager.createJob({ 
+    description: `Invoke Agent ${agentId} in Company ${companyId}`, 
+    webhookUrl, 
+    apiKey: req.apiKey, 
+    user_id: req.user?.id 
+  });
+  
+  // Custom tracking fields
+  job.companyId = companyId;
+  job.agentId = agentId;
+  jobManager.updateJob(job.jobId, { status: 'queued', progress: 'Task is waiting for execution queue...' });
+
+  // Run in background without blocking
+  _runAgentInvocation(job, { companyId, agentId, task, contextFiles }).catch(err => {
+    jobManager.updateJob(job.jobId, { status: 'failed', error: err.message, progress: `Invocation failed: ${err.message}` });
+  });
+
+  res.status(202).json({
+    jobId: job.jobId,
+    status: job.status,
+    message: `Agent invocation job queued. Poll GET /api/open/jobs/${job.jobId} for status.`
+  });
+}));
+
 // ── Pipelines (简化版) ──
 // 读取 .data/pipelines.json
 let pipelinesData = { pipelines: [] };
@@ -497,7 +531,95 @@ async function _runSkillCreation(job, resumeFromStep = null) {
   }
 }
  
+async function _runAgentInvocation(job, payload) {
+  const { companyId, agentId, task, contextFiles } = payload;
+  const path = require('path');
+  const fs = require('fs');
+  const { loadConfigFromSkills } = require('../src/core/skill-config-loader');
+  const AgentManager = require('../src/core/agent-manager');
+  const config = require('../config');
+
+  // Directory for company agent: data/companies/{companyId}/agents/{agentId}
+  const agentDir = path.resolve(__dirname, `../../data/companies/${companyId}/agents/${agentId}`);
+  if (!fs.existsSync(agentDir)) {
+    throw new Error(`Agent directory not found: companies/${companyId}/agents/${agentId}`);
+  }
+
+  jobManager.updateJob(job.jobId, { status: 'running', progress: 'Initializing agent session...' });
+
+  let enrichedTask = task;
+
+  // Process Context Files
+  if (Array.isArray(contextFiles) && contextFiles.length > 0) {
+    jobManager.updateJob(job.jobId, { progress: `Processing ${contextFiles.length} context files...` });
+    
+    let contextBlock = '\n\n---\n📎 **附件上下文** (外部系统传入的数据):\n\n';
+    const uploadDir = path.join(agentDir, 'uploads', job.jobId);
+    fs.mkdirSync(uploadDir, { recursive: true });
+
+    for (const file of contextFiles) {
+      if (file.name && file.content) {
+        // Sanitize file name
+        const safeName = file.name.replace(/[\\/:*?"<>|]/g, '_').slice(0, 100);
+        const filePath = path.join(uploadDir, safeName);
+        fs.writeFileSync(filePath, String(file.content), 'utf-8');
+        
+        // Truncate for prompt injection if massive
+        const fileContent = String(file.content);
+        const displayContent = fileContent.length > 50000 
+          ? fileContent.substring(0, 50000) + '\\n... (截断)' 
+          : fileContent;
+          
+        contextBlock += `### 📄 ${safeName}\n\`\`\`\n${displayContent}\n\`\`\`\n\n`;
+      }
+    }
+    
+    enrichedTask = contextBlock + '\n\n---\n' + enrichedTask;
+  }
+
+  // Set up AgentManager
+  // We initialize the base config and instantiate manager
+  const backendsDir = path.join(__dirname, '../config/backends.json');
+  const backends = fs.existsSync(backendsDir) ? JSON.parse(fs.readFileSync(backendsDir, 'utf-8')) : {};
+  const skillsDir = config.skillsCodeDir;
+  const rootDir = path.resolve(__dirname, '../../');
+  
+  const fullSystemConfig = loadConfigFromSkills(skillsDir, backends);
+  const manager = new AgentManager(fullSystemConfig, rootDir);
+  
+  const namespacedId = `${companyId}:${agentId}`;
+  
+  // Execute via AgentManager
+  jobManager.updateJob(job.jobId, { status: 'running', progress: 'Executing agent task...' });
+
+  let fullOutput = '';
+  const onData = (agent) => (chunk) => {
+     if (chunk?.trim()) {
+       fullOutput += chunk;
+     }
+  };
+
+  try {
+    const result = await manager.callAgent(namespacedId, enrichedTask, { onData: onData(namespacedId) });
+    
+    jobManager.updateJob(job.jobId, { 
+      status: 'completed', 
+      progress: 'Invocation completed', 
+      result: { 
+        output: result.output || fullOutput || '(Empty Output)' 
+      }
+    });
+
+    try { await manager.closeAllSessions(); } catch {}
+  } catch (err) {
+    jobManager.updateJob(job.jobId, { status: 'failed', error: err.message, progress: `Agent execution failed: ${err.message}` });
+    try { await manager.closeAllSessions(); } catch {}
+    throw err;
+  }
+}
+
 module.exports = router;
 module.exports._jobManager = jobManager;
 module.exports._runSkillCreation = _runSkillCreation;
 module.exports._runFeedbackIteration = _runFeedbackIteration;
+module.exports._runAgentInvocation = _runAgentInvocation;
@@ -5,7 +5,7 @@
       "cron": "*/5 * * * *",
       "prompt": "执行系统巡检：读取 plan.md 和 todo.md，检查所有任务状态。已完成的更新标记，卡住的分析原因后自主处理（重新分发或修复），未开始的按优先级立即分发。不要请示用户，直接行动。",
       "createdAt": 1775231859266,
-      "lastFiredAt": 1775237249762,
+      "lastFiredAt": 1775237849327,
       "recurring": true
     },
     {
@@ -13,7 +13,7 @@
       "cron": "*/30 * * * *",
       "prompt": "生成系统状态日报，统计所有 Agent 任务完成率和异常情况，写入 memory/daily/ 今日文件。",
       "createdAt": 1775231859272,
-      "lastFiredAt": 1775236092651,
+      "lastFiredAt": 1775237892371,
       "recurring": true
     },
     {
@@ -21,7 +21,7 @@
       "cron": "*/5 * * * *",
       "prompt": "执行系统巡检：读取 plan.md 和 todo.md，检查所有任务状态。已完成的更新标记，卡住的分析原因后自主处理（重新分发或修复），未开始的按优先级立即分发。不要请示用户，直接行动。",
       "createdAt": 1775235820776,
-      "lastFiredAt": 1775237170680,
+      "lastFiredAt": 1775237771254,
       "recurring": true
     },
     {
@@ -29,6 +29,7 @@
       "cron": "*/30 * * * *",
       "prompt": "生成系统状态日报，统计所有 Agent 任务完成率和异常情况，写入 memory/daily/ 今日文件。",
       "createdAt": 1775235825837,
+      "lastFiredAt": 1775237771254,
       "recurring": true
     }
   ]
@@ -22,6 +22,7 @@
     "maxDiskMB": 1024,
     "maxProcesses": 5
   },
+  "companyId": "test",
   "heartbeat": {
     "intervalMinutes": 15,
     "enabled": false
@@ -265,6 +265,14 @@
             </div>
  
             <div class="detail-section">
+              <div class="detail-label">API 外部调用 Endpoint</div>
+              <div class="detail-value mono" style="word-break: break-all; margin-bottom: 8px;">
+                {{ getAgentApiUrl(agentId) }}
+              </div>
+              <button class="action-btn" style="padding: 4px 10px; font-size: 11px; background: rgba(16,185,129,0.1); border: 1px solid rgba(16,185,129,0.3); color: #34d399; border-radius: 4px; cursor: pointer;" @click="copyText(getAgentApiUrl(agentId))">📋 复制 URL</button>
+            </div>
+
+            <div class="detail-section">
               <div class="detail-label">统计</div>
               <div class="detail-stats">
                 <div class="stat-item"><span class="stat-num">{{ fileTree?.totalFiles || 0 }}</span> 文件</div>
@@ -766,6 +774,28 @@ async function deleteConversation(convId) {
   } catch (e) { console.error('Delete conv error:', e) }
 }
  
+function getAgentApiUrl(fullAgentId) {
+  if (!fullAgentId) return '';
+  let companyId = "system";
+  let targetAgentId = fullAgentId;
+  const parts = fullAgentId.split(':');
+  if (parts.length > 1) {
+    companyId = parts[0];
+    targetAgentId = parts.slice(1).join(':'); 
+  }
+  const host = window.location.hostname;
+  return `http://${host}:3010/api/open/companies/${companyId}/agents/${targetAgentId}/invoke`;
+}
+
+async function copyText(text) {
+  try {
+    await navigator.clipboard.writeText(text);
+    alert('✅ URL 已复制到剪贴板');
+  } catch (e) {
+    console.error(e);
+  }
+}
+
 // ─── Chat (SSE) ───
  
 async function handleSend() {
@@ -61,6 +61,14 @@
             </div>
           </div>
  
+          <div class="detail-section">
+            <div class="detail-label">API 外部调用 Endpoint</div>
+            <div class="detail-value mono" style="word-break: break-all; margin-bottom: 8px;">
+              {{ getAgentApiUrl(detail.id) }}
+            </div>
+            <button class="action-btn" @click="copyText(getAgentApiUrl(detail.id))">📋 复制 URL</button>
+          </div>
+
           <div class="detail-actions">
             <button class="action-btn" @click="$router.push(`/agent/${selectedAgent}`)">💬 对话</button>
           </div>
@@ -165,6 +173,28 @@ onMounted(async () =&gt; {
     await selectAgent(selectedAgent.value)
   }
 })
+
+function getAgentApiUrl(agentId) {
+  if (!agentId) return '';
+  let companyId = "system";
+  let targetAgentId = agentId;
+  const parts = agentId.split(':');
+  if (parts.length > 1) {
+    companyId = parts[0];
+    targetAgentId = parts.slice(1).join(':'); 
+  }
+  const host = window.location.hostname;
+  return `http://${host}:3010/api/open/companies/${companyId}/agents/${targetAgentId}/invoke`;
+}
+
+async function copyText(text) {
+  try {
+    await navigator.clipboard.writeText(text);
+    alert('✅ URL 已复制到剪贴板');
+  } catch (e) {
+    console.error(e);
+  }
+}
 </script>
  
 <!-- FileNode 子组件 (递归文件树) -->
@@ -190,6 +190,16 @@
                     <div v-for="skill in agentSkills" :key="skill" class="skill-chip">⚡ {{ skill }}</div>
                   </div>
                   <div v-else class="empty-mini" style="padding:12px;">暂无技能（可通过 Innovator 训练获得）</div>
+                  
+                  <div class="api-endpoint-section" style="margin-top: 16px; padding: 12px; border-top: 1px solid rgba(255,255,255,0.06);">
+                    <div style="font-size: 12px; font-weight: 600; color: rgba(255,255,255,0.5); margin-bottom: 8px;">🔗 外部调用 API Endpoint</div>
+                    <div style="display: flex; gap: 8px; align-items: center;">
+                      <code style="flex:1; background: rgba(0,0,0,0.2); padding: 8px; border-radius: 6px; font-family: monospace; font-size: 11px; color: #34d399; word-break: break-all; border: 1px solid rgba(16,185,129,0.2);">
+                        {{ getAgentApiUrl(selectedCompany.id, agent.id) }}
+                      </code>
+                      <button class="btn-sm" @click="copyText(getAgentApiUrl(selectedCompany.id, agent.id))" style="padding: 6px 12px;">复制</button>
+                    </div>
+                  </div>
                 </div>
               </template>
             </div>
@@ -1170,21 +1180,43 @@ function goToAgentChat(agentId) {
   router.push(`/${selectedCompany.value.id}/agents/${agentId}`)
 }
  
-async function toggleAgentSkills(agentId) {
+function toggleAgentSkills(agentId) {
   if (expandedAgent.value === agentId) {
     expandedAgent.value = null
     return
   }
   // Fetch skills from backend
   try {
-    const { data } = await axios.get(`/api/company/${selectedCompany.value.id}/agents/${agentId}/skills`)
-    agentSkills.value = data
+    const { data } = axios.get(`/api/company/${selectedCompany.value.id}/agents/${agentId}/skills`).then(res => {
+      agentSkills.value = res.data
+    }).catch(e => {
+      agentSkills.value = []
+    });
   } catch {
     agentSkills.value = []
   }
   expandedAgent.value = agentId
 }
  
+function getAgentApiUrl(companyId, agentId) {
+  if (!agentId || !companyId) return '';
+  let targetAgentId = agentId;
+  if (targetAgentId.startsWith(companyId + ':')) {
+    targetAgentId = targetAgentId.substring(companyId.length + 1);
+  }
+  const host = window.location.hostname;
+  return `http://${host}:3010/api/open/companies/${companyId}/agents/${targetAgentId}/invoke`;
+}
+
+async function copyText(text) {
+  try {
+    await navigator.clipboard.writeText(text);
+    alert('✅ URL 已复制到剪贴板');
+  } catch (e) {
+    console.error(e);
+  }
+}
+
 function triggerTrain(agentId) {
   if (!selectedCompany.value) return
   targetTrainAgent.value = agentId