全是 Web 没 CLI 怎么行:一次把 StarAgent WebTerminal 改造成
阿里妹导读
全是 Web,没有 CLI,怎么行?Agent 都会写代码了,远程排障还要人肉点网页、复制命令、盯滚动条,这画面多少有点“地铁老人看手机.jpg”。本文记录一次围绕 StaRAGent/Drogo WebTerminal 的工具化实践:我们没有把 GPU hang、core dump 调试等场景固化成一个个“祖传脚本套件”,而是把 WebTerminal 抽象成稳定的 CLI 执行面,再用 Skill 描述操作方法。Agent 在任务中动态生成命令、读取结果、继续决策,最终完成远程 GPU hang 分析、文件上传下载、以及 Emacs + eshell + gdb 的交互式 coredump 调试验收。
插播:我对 Skill 的态度很朴素:Skill 不是法器,不是咒语,也不是“复制进去 Agent 就突然开悟”的玄学符纸。Skill 本质上就是说明书,是贴在工具箱盖子上的那张“先拧这个、再接那个、别把手伸进风扇里”的操作指南。真正能把活干成的,必须是 CLI:参数清楚、行为稳定、输出可解析、错误可复现、证据能落盘。 所以这套东西的核心不是“写一个很长的 Skill 让 Agent 背下来”,而是把能制度化的都制度化,把能流程化的都流程化,把以前靠老师傅手感、群里口口相传、网页上点点点的部分,全部压进 wt 这种可执行接口里。Skill 只负责告诉 Agent:什么时候该登录、什么时候该 run、什么时候该 interact、什么时候该停手问人。至于真正挥锤子的活, 必须交给 CLI。否则就是让 Agent 看着说明书徒手修发动机,场面很感人,结果很危险。(文章内容基于作者个人技术实践与独立思考,旨在分享经验,仅代表个人观点。)
WebTerminal 黑屏模式补充说明
号外号外,重大更新:
WebTerminal 终于可以像 SSH/SCP 一样用了
核心用法
$ ./bin/wt auth login --target-ip x.y.z.wwt: waiting for browser login cookies; finish login in the opened browserauthenticated: Trueuser: defaultsource: browser
$ ./bin/wsh x.y.z.wattached direct: x.y.z.w$ ./bin/wsh x.y.z.w -- 'hostname; pwd'hippo-033126067104.na175/home/admin/hippo/worker/slave/drogo-share_worker-h20-na175.worker-h20-na175_11_33/main
$ ./bin/wcp /tmp/wcp-demo.txt x.y.z.w:/tmp/wcp-demo.txt --forceuploaded: /tmp/wcp-demo.txt -> /tmp/wcp-demo.txt$ ./bin/wcp x.y.z.w:/tmp/wcp-demo.txt /tmp/wcp-demo.down.txt --forcedownloaded: /tmp/wcp-demo.txt -> /tmp/wcp-demo.down.txt
这次补上的关键体验
一点遗憾
以下是 V1 内容
前言:先把仓库拍你脸上
背景:Agent 要的不是另一个网页按钮,它要手脚
目标 IP、操作步骤都必须参数化,框架和具体案例隔离。 不做固定 suite,Agent 应该像工程师一样动态发送命令。 WebTerminal 浏览器会话要持续存在,不能每次操作都重新登录。 上传下载要走 WebTerminal 后端 API 或协议,不能靠 DOM 自动化点弹窗。 调试要是真交互:Agent 可以一条条给 gdb / emacs / eshell 发命令,拿到 response 后继续判断,而不是“一把梭,听天命”。
先看效果:别先讲架构,先看能不能干活
bin/wt run --capture captures/gpu-hang/env.raw.log -- \"hostname; date; uname -a; nvidia-smi -L || true; nvidia-smi || true"
bin/wt ls-files /home/adminbin/wt download /home/admin/remote.log captures/remote.logbin/wt upload ./local.txt /home/admin/local.txt
bin/wt interact \--start "cd /tmp && gdb -q ./app core.wtdebug" \--prompt-regex "\\(gdb\\)\\s*$" \--host 127.0.0.1 \--port 8765 \--capture captures/debug/gdb.raw.log \--summary-json captures/debug/gdb.summary.json
curl -s -X POST http://127.0.0.1:8765/command -d '{"send":"bt"}'curl -s -X POST http://127.0.0.1:8765/command -d '{"send":"frame 0"}'curl -s -X POST http://127.0.0.1:8765/command -d '{"send":"info locals"}'curl -s -X POST http://127.0.0.1:8765/command -d '{"send":"print item.id"}'1. 目标:把 WebTerminal 变成
Agent 友好的执行面
场景逻辑被写死后,Agent 只能“调用工具”,不能“分析现场”,智商被强行锁死。 每新增一个诊断路径,都要修改 CLI 代码。 远端状态复杂时,固定脚本很难处理分支,例如进程是否存在、gdb 是否可用、权限是否足够、core 文件是否生成成功。 安全边界不清晰,读操作、写操作、侵入式操作容易混在一起。
层次 | 职责 | 不做什么 |
WebTerminal 页面 | 登录、角色选择、审计、心跳、官方连接链路 | 不承载任务逻辑 |
| 会话复用、命令发送、输出捕获、文件 API、交互控制面 | 不内置具体排障 suite |
Skill | 描述操作方法、风险边界、推荐命令模板 | 不绑定某个 IP 或某个案例 |
Agent | 动态规划、执行、观察、复盘 | 不绕过授权链路 |
2. 会话设计:授权留在浏览器,执行交给 CLI
bin/wt session start --target-ipbin/wt session status