场景方案

问题

现状

业务系统绑定某一个 Provider 账号；该账号配额耗尽、模型下线或 Provider 调整策略时，业务即刻受影响。

挑战

不同 Provider 协议、错误码、限频策略与计费规则各异；手工切换账号需要改代码、重启服务和重新测试。

Ai Lubricant 组合

统一协议适配

业务统一调用 OpenAI Chat / Responses 或 Anthropic Messages 接口，平台在后台完成协议转换。

多渠道账号池

每个 Provider 维护多个账号、优先级、权重和模型白名单；单账号故障自动切换到池中其他账号。

智能路由

通过模型路由与模型组，把业务使用的模型名映射到多个实际模型、渠道与账号；平台综合可用性、运行状态与配额选择。

韧性与配额

RPM/TPM、并发、上游配额、重试、限频冷却、连续失败降权与熔断由平台统一处理。

用户路径

管理员

在 /manager/channels 配置 Provider 与账号池；在 /manager/model-routing 定义对外模型名与路由规则；在 /manager/api-keys 为业务分配 Key 并限制模型/渠道范围。

开发者

使用分配的 API Key 调用 /v1/chat/completions 或 /v1/messages；业务代码不感知实际 Provider。

观测

在 /manager/request-logs 追踪每次请求的路由路径、渠道尝试、状态与用量。

业务结果

业务不再绑定单一 Provider；渠道故障、配额变化和模型迁移由平台承接，业务代码不变。

部署前提

• 部署数据服务、PostgreSQL、Redis 与反向代理。
• 准备合法可用的模型 Token/凭据，管理其供应商额度与合规。

问题

现状

Agent 只能在零散代码片段或剪贴板中工作；每次对话从空白开始，上下文、工具和执行环境不持续。

挑战

实际开发任务需要读写仓库、运行命令、查看执行结果并持续推进；单纯聊天窗口无法完成完整交付。

Ai Lubricant 组合

项目工作区

项目、任务、编辑器、文件、终端与 Git identity 在同一上下文中协作；Agent 不是孤立对话，而是项目持续工作的一部分。

Agent 与工具

Agent 加载项目提示词、技能、插件与 MCP，使用统一授权的模型 Token；工具调用结果回到同一任务流。

远程执行

任务可派发到平台工作区或自有节点；终端、文件与工作区输出实时回传。

状态与产物

任务状态、Agent 事件、终端输出与 Token 用量都记录在项目内，随时可以回看进度和结果。

用户路径

自己用

在 /console/projects 创建项目并关联仓库；在项目内创建任务并描述目标；Agent 在工作区中完成代码修改、测试运行并回传结果。

多人协作

如果不止一个人用，成员通过同一项目看到任务进度、执行日志和产物；移动端可跟踪任务状态与 Token 统计。

业务结果

AI 不只回答问题，而是在明确项目和工作区中持续完成开发任务。

部署前提

• 部署数据服务与前端；开启 MonkeyCode 兼容层（compat_enabled）。
• 若使用自有节点执行，需安装节点并允许其主动访问控制服务。

问题

现状

Agent 只能在平台中心环境执行；业务需要使用自有机器的 CLI、网络出口或受控内网资源。

挑战

传统方案需开放 SSH 端口、分发 SSH Key、维护 Key 轮换与撤销；节点可能位于 NAT 或受控内网后，不便于中心平台主动拨入。

Ai Lubricant 组合

节点主动连接

execution / management 节点在目标机器运行 Go 客户端，主动向控制服务建立 NodeConnect 长连接；支持断线退避重连。

帧式命令通道

浏览器终端、host exec、文件与节点 HTTP 代理通过现有连接以帧方式下发，不需要平台反向 SSH 进入。

审批与调度

节点必须经平台审批并在线才参与调度；平台可统一撤销、观察状态并控制容量。

三种角色

execution 提供执行环境；management 可启动/停止 execution 容器或进程；passive_management 只做分组/授权容器，不运行客户端。

用户路径

节点管理员

在 /manager/nodes onboard 节点，获得 ID 与 TOTP secret；在目标机器运行 Go 客户端并传入凭据；平台审批后节点上线。

开发者

在任务或终端中选择节点；浏览器终端直接操作节点 PTY；文件管理浏览/编辑节点或工作区文件。

观测

管理员在 /manager/nodes/:nodeId 查看节点在线状态、容量、会话与版本。

业务结果

Agent 执行能力安全延伸到客户自有机器、网络与 CLI；日常使用无需开放 SSH 端口或分发 SSH Key。

部署前提

• 部署节点控制服务（python -m node_server），并配置 node_server_public_url 与 node_control_token。
• 在目标机器安装 Go 节点客户端，允许其主动访问控制服务，并赋予合适的操作系统权限。
• 节点控制服务生成的 node_server_master_key 必须持久化；不要同时运行两个控制 Registry 管理同一批节点。

责任边界

平台提供节点主动连接协议、浏览器终端、文件、host exec 与节点代理；客户负责节点安装、出站网络、操作系统加固与 Secret 保管。"无需 SSH"指日常链路不依赖 SSH，不代表无需节点部署或安全治理。

问题

现状

Agent 只能生成文本或调用简单 API；业务需要操作浏览器、读取授权邮箱或接入内部业务系统。

挑战

不同用户的浏览器会话、邮箱和业务凭据必须隔离；工具不应无条件暴露给所有 Agent。

Ai Lubricant 组合

CDP 浏览器桥接

通过隔离的 Chrome client 提供标签页、DOM、JavaScript、截图与网络能力；外部 token 绑定具体 client，避免浏览器串台。

Mail

按邮箱实例隔离的只读邮件查询；消息正文有长度控制，附件默认返回元数据。

外部 MCP

用户、团队与平台可接入远程 SSE MCP；工具按作用域管理，调用状态可追踪。

技能与插件

从仓库或包来源管理版本和激活状态；按 scope 提供给 Agent，消费侧显式选择。

用户路径

用户

在 /console/resources 创建 CDP 客户端或 Mail 实例，获得绑定该实例的 MCP 访问 token；在 Agent 配置中选择授权的资源。

管理员

在 /manager/mcp-market 提供平台级工具和远程 MCP；管理实例、作用域与凭据。

安全

CDP 扩展的浏览器连接 token 与 MCP 访问 token 是两种不同凭据；MCP token 绑定具体实例，不能跨 client 使用。

业务结果

Agent 不只生成文本，可以在授权范围内操作浏览器、读取邮箱和接入业务系统。

部署前提

• CDP 需安装 Chrome 与平台提供的 MV3 扩展；Mail 需配置上游 IMAP/邮件 API 账号。
• 外部 MCP 需该服务自身可访问且返回合法 SSE/工具清单。

问题

现状

公有云 AI 服务适合快速接入，但数据、执行环境与运维边界由供应商控制；很多人或场景需要数据不出域、执行可审计。

挑战

自建平台需要把模型网关、Agent、工作区、节点、工具与治理能力全部组装；维护成本高且能力分散。

Ai Lubricant 组合

完整可自托管部署

数据服务、前端、控制服务、PostgreSQL、Redis 与可选 ClickHouse 都能部署在你自己的环境；支持 Docker Compose 与源码/裸机部署。

执行留在你的节点

execution 节点运行在你自己的机器与网络；终端、文件与 Agent 执行不经过平台中心，数据不离开你控制的范围。

统一治理

API Key、权限、用户、节点、请求日志与 Token 用量在平台内统一管理；请求正文捕获、保留期与备份按你的需要配置。

模型凭据你自己持有

平台不绑定任何 Provider；模型 Token 由你管理，平台只负责路由与调度。

用户路径

运维

按 deploy.html 部署数据服务、前端、控制服务与依赖；配置 .env，初始化数据库，启动服务并配置反向代理。

管理员

首次访问 /manager/login 设置管理员密码；配置渠道、账号、模型路由、API Key 与节点。

日常使用

通过 Web /console 或移动端用项目、任务、Agent、终端与文件；自托管的体验和在线版一致。

业务结果

你获得完整的 AI 开发能力，同时数据、执行节点、模型凭据与运维边界都在自己手里。

部署前提与责任边界

• 你负责部署 PostgreSQL/Redis/反向代理，管理 TLS、备份、升级与 Secret。
• 你负责提供合法可用的模型 Token/凭据，并遵守其供应商条款与额度。
• 使用自有节点时，你负责安装节点、允许其主动出站、加固操作系统和网络。
• 自托管不等于数据自动满足所有合规要求；日志、请求正文、备份与保留策略仍需按你的要求配置。
• 生产环境必须启用 HTTPS、API Key 鉴权、最小权限与凭据轮换。