生态全景
这套生态由十来个仓颉仓组成,分三层:协议层负责和外部世界说话,框架层把协议与模型装配成可交付的 Agent,成品层是能直接跑的应用。协议层内部共用 json-rpc 做消息底座,再往下是基础库(llm_api 负责模型访问、jsonvalue 提供通用 JSON)。本页只讲结构与依赖方向,各库的 API 见库索引。
三层结构
┌──────────────────────────────────────────────────────────────────────┐
│ 成品 荧的炼金工房(Lumine) 星痕的炼金工房(Starline) │
│ 原神 AI 配装 · Web/桌面 人机共享常驻桌面 · cjxt │
└────────────────────────┬─────────────────────────────────────────────┘
│ 装配(不复制内核)
┌────────────────────────┴─────────────────────────────────────────────┐
│ 框架 atelier 可嵌入 Agent Harness(循环/工具/压缩/会话/信任) │
│ cordis 微内核 + 进程隔离插件系统 │
│ uhp-server 多 harness 合成一个 UHP 常驻端点 │
└────────────────────────┬─────────────────────────────────────────────┘
│ 调用
┌────────────────────────┴─────────────────────────────────────────────┐
│ 协议 mcp 工具与上下文 a2a Agent 之间 │
│ acp 编辑器接入 Agent uhp 常驻 harness │
│ json-rpc 消息/请求/分帧底座(stdio / TCP / Unix / HTTP / WS) │
└────────────────────────┬─────────────────────────────────────────────┘
│
┌────────────────────────┴─────────────────────────────────────────────┐
│ 基础 llm_api OpenAI / Anthropic / Ollama 一套接口 │
│ jsonvalue 通用 JSON 值(外部中心仓依赖,全生态共用) │
└──────────────────────────────────────────────────────────────────────┘层间只有一条规矩:依赖只向下。协议层不认识框架层,框架层不复制协议实现,成品层不重写内核。这让「换模型」「换协议」「换产品形态」各自独立——也是这套东西能同时长出桌面应用和常驻服务的原因。
协议层:一套底座,四种语义
ystyle::jsonrpc 提供消息类型、编解码、分帧与五种传输。mcp / a2a / acp 都建在它上面,因此代码形状高度一致:Server 注册 handler、Client 发请求、消息类型实现 stdx.encoding.json.stream 的序列化接口;uhp 是例外,只依赖 stdx,形状是 HTTP 资源模型。
- mcp 2.4.0 —— 工具 / 资源 / 提示词;stdio 与 Streamable HTTP;协议 2025-11-25 是推荐线。
- a2a 0.1.1 —— Agent Card 发现、九个任务状态、SSE、推送;官方 TCK 可执行 MUST 全过。
- acp 0.3.0 —— 子进程 + stdio,被 Zed / opencode 拉起;含
terminal/*、fs/*反向调用。 - uhp 0.1.1 —— 常驻 harness 协议;一致性套件 core / extended / full 三档全过。
四者不互相依赖。选哪个看对面是谁,见协议选型。
框架层:把协议与模型装配成产品
- atelier 0.1.15 —— 核心 Harness:Agent 循环、工具系统、树形会话、上下文压缩、信任闸门、Skill、子 Agent。同时实现 MCP / A2A / ACP / UHP 四个端,一个 Agent 可以既被编辑器拉起、又对外提供 A2A、又作为远端 harness 被派活。
- cordis 0.3.2 —— 与 Agent 无关的通用组合框架:插件跑在独立进程,卸载即杀进程回收资源,配置声明期望状态、调和器 diff 执行。
- uhp-server 0.1.0 —— 产品(不发中心仓):一份 TOML 声明 token 与 harness,一个端口对外,可选把适配器放进 cordis 托管的插件进程。
模型访问在更下面:llm_api 1.4.2 只做「和模型说话」——同步 chat()、流式 chatStreaming()、工具调用增量、推理内容、多模态。上层不该自己拼 HTTP。
成品层:两个已经能用的应用
| 产品 | 形态 | 用它上面的什么 |
|---|---|---|
| 荧的炼金工房 | 原神 AI 配装助手;Web + MCP 服务、Windows 桌面版 | atelier(Agent + 工具 + Skill)、mcp(对外暴露 11 个工具)、cjxt(服务端渲染 UI) |
| 星痕的炼金工房 | 人机共享的常驻桌面;cjxt 服务端渲染 + 11 个面板 | atelier(内核)、cjxt(UI)、tsdb(分层时间记忆)、bstorm(配置库) |
两个成品的形态差别来自「Agent 在界面里的位置」:Lumine 是「应用 + 一个 AI 助手」,Starline 是「AI 与人共用同一块工作面」。
谁基于谁
按 cjpm.toml 的真实依赖声明整理(外部通用库只列影响结构的几个):
| 库 | 直接依赖 | 被谁依赖 |
|---|---|---|
jsonvalue | 无(通用 JSON) | 全部仓颉库与成品 |
ystyle::jsonrpc | jsonvalue、gjson | mcp、a2a、acp、cordis_host、cordis_plugin、atelier、uhp_acp、uhp-server |
llm_api | jsonvalue | atelier、starline |
mcp | jsonrpc、jsonvalue、sonyflake | atelier、lumine |
a2a | jsonrpc、jsonvalue、sonyflake | atelier |
acp | jsonrpc、jsonvalue、sonyflake | atelier、uhp_acp |
uhp | 仅 stdx | atelier、uhp_acp、uhp_opencode、uhp-server |
cordis_core / cordis_host / cordis_plugin | cordis_core:jsonvalue、tomlcj;host / plugin 另加 jsonrpc(+jsonrpc_stdio / jsonrpc_unix) | uhp-server(适配器进程隔离) |
cordis_xisp | cordis_core/plugin、ystyle::xisp | 独立使用 |
atelier | mcp、a2a、acp、uhp、llm_api、bstorm、xisp、tomlcj、jsonrpc | lumine、starline |
uhp-server | uhp、uhp_acp、uhp_opencode、cordis_*、tomlcj | 产品,无下游 |
箭头方向 = 依赖方向(左边被右边依赖):
jsonvalue ──▶ json-rpc ──▶ mcp
│ ├─────▶ a2a
│ ├─────▶ acp
│ ├─────▶ cordis_host / cordis_plugin
│ └─────▶ uhp_acp
│
└──▶ llm_api ──▶ atelier ◀── mcp / a2a / acp / uhp
uhp ──▶ uhp-server ◀── cordis_core / cordis_host / cordis_plugin / uhp_acp / uhp_opencode
atelier ──▶ lumine
atelier ──▶ starline读法:atelier 是全生态的重心——协议层与基础层都汇到它,成品都从它长出。所以「只用一个包」的答案通常是 atelier(它把协议层一起带进来);反过来,只写一个 MCP 服务器时不要引入 atelier,装 mcp 一个包即可。
一条链路看全貌
从下往上走一遍,能看到每层的边界在哪:
llm_api发一次请求,返回流式增量。atelier在它上面跑循环:把工具 schema 塞进请求、解析tool_calls、执行工具、回填结果,上下文涨到阈值就压缩。- 工具来自三处:内置(文件/命令/搜索)、自定义
Tool、MCP 服务器(ystyle::mcp客户端)。 - 这个 Agent 需要对外时,
atelier提供 ACP / A2A / UHP 三种身份;需要常驻与多后端时交给uhp-server。 - 成品只是把上面的东西装配起来,再加自己的数据与界面:Lumine 加原神数据与配装规则,Starline 加面板、分层时间记忆与常驻调度。
接着读:库索引 看每个包的 API,搭建一个 Agent 看这条路怎么走。