` (например `LOGIN-1: Add JWT sign helper`) - `Project`: `Refactor Login Flow (LOGIN)` - `Assigned To`: `dev-openai` - `Priority`: `medium` (или `high` если ESTIMATE > 4h) - `Tags`: `auth, jwt, subtask` - `Description`: **скопируй блок DESCRIPTION + ACCEPTANCE из вывода architect** 3. `Create`. > Если есть желание — автоматизировать через CLI: `node scripts/mc-cli.cjs tasks create ...` (см. `docs/cli-agent-control.md`). ### 8.3. Dev пишет код Перетащи каждую `LOGIN-N` подзадачу из `Backlog` → `In Progress`. - Implementor (gpt-4o-mini) обработает за ~10-30с/задачу. - Resolution каждой подзадачи: список файлов + unified diff'ы. - В `/cost-tracker`: модель `gpt-4o-mini`. - В `make logs`: `Dispatching task via direct openai`. ### 8.4. Linter (опционально, показывает работу local LLM) Для каждой готовой dev-задачи создай **linter-задачу**: 1. `+ New Task`: - `Title`: `Lint LOGIN-N output` - `Assigned To`: `linter-local` - `Description`: вставь diff из `LOGIN-N` resolution + строка `Suggest only style/lint fixes.` 2. Перетащи в `In Progress`. 3. **Открой LMStudio Server tab** → должна появиться запись запроса в Server logs. 4. Resolution = bullet list или `CLEAN`. ### 8.5. Aegis ревью > Aegis запускается **автоматически** каждые 60с по задачам в статусе `review` (см. `runAegisReviews` в `src/lib/task-dispatch.ts`). Перетащи каждую dev-задачу из `In Progress` → **`Review`**. В течение 60с: - Aegis получит задачу, прочитает `description` (acceptance criteria) и `resolution`, вернёт `VERDICT: APPROVED` или `VERDICT: REJECTED`. - **Если APPROVED** → задача → `Done`. - **Если REJECTED** → задача → обратно в `In Progress`, `error_message` содержит NOTES от Aegis. `/cost-tracker`: модель `claude-sonnet-4-20250514`. --- ## 9. Чек-лист приёмки После 5-15 минут активной работы конвейера: | Проверка | Где | Ожидание | |----------------------------------|------------------------------|--------------------------------------------------------------------------| | 4 агента онлайн | `/agents` | 4 строки, last_seen свежий | | Master декомпозирована | `/tasks/<master-id>` | Resolution содержит 3-7 пронумерованных TITLE/DESCRIPTION/ACCEPTANCE/ESTIMATE | | Подзадачи созданы | `/tasks` Kanban | Колонки заполнены, все assigned `dev-openai` | | Dev-задачи имеют diff | `/tasks/<id>` | Resolution содержит unified diff | | Linter работает | LMStudio Server tab → Logs | Хотя бы 1 POST `/v1/chat/completions` | | Aegis verdicts | `/tasks/<id>` | Resolution или комментарий: `VERDICT: APPROVED` или `REJECTED` | | Cost tracker — три провайдера | `/cost-tracker` | Anthropic + OpenAI (+ local = $0) | | Логи dispatch | `make logs` | Есть строки `direct anthropic`, `direct openai`, `direct local` | --- ## 10. Troubleshooting ### LMStudio не отвечает / `local API 404` ```bash docker exec mission-control sh -c 'curl -sS http://host.docker.internal:1234/v1/models | head' ``` - 404 → LMStudio не на 1234. - timeout → LMStudio не запущена / firewall. - пустой `data` → загрузи модель в LMStudio Server tab. ### `OPENAI_API_KEY not set` в логах `.env` не подхватился. Сделай **`make recreate`** (не просто `restart`). ### Aegis не запускается Aegis сканирует задачи в `review` каждые 60с. Подожди или жми `make logs | grep -i aegis`. Если совсем тишина — проверь что у агента `aegis` есть Soul и `dispatchModel` (или Anthropic дефолт). ### Architect отвечает обычным текстом, не структурированно Soul слишком "softный". Усиль: добавь в начало `OUTPUT EXACTLY THIS FORMAT, NO PROSE`. Понизь temperature через JSON Config. ### dispatchModel `local/...` падает с timeout LMStudio долго грузит модель в память на первом запросе (5-30с). Сделай warmup: пинг через curl или просто запрос-другой через LMStudio chat. ### Не знаю свой LMStudio model id ```bash docker exec mission-control sh -c 'curl -sS http://host.docker.internal:1234/v1/models' | python3 -c 'import json,sys;[print(m["id"]) for m in json.load(sys.stdin)["data"]]' ``` Покажет точные id всех моделей. Используй один из них (с префиксом `local/`). ### Кнопки `+ Create Agent` нет Проверь что текущий workspace выбран (header-bar). Если ты в `read-only` workspace — переключись на свой. ### Кнопки `Projects` нет на /tasks Возможно UI обновился. Проверь правый верхний угол панели Tasks. Также форма создания проектов может быть в `/super-admin` → секция `Projects`. --- ## 11. Что менять для своего сценария **Ollama вместо LMStudio:** ```dotenv LOCAL_LLM_ENDPOINT=http://host.docker.internal:11434/v1 ``` Префикс агента `ollama/<model>` или `local/<model>`. **liteLLM proxy для нескольких backend'ов:** ```yaml # docker-compose.yml — добавь сервис litellm рядом с mission-control litellm: image: ghcr.io/berriai/litellm:main-latest ports: ["4000:4000"] environment: - LITELLM_MASTER_KEY=sk-litellm-master-key volumes: - ./litellm-config.yaml:/app/config.yaml ``` В `.env`: ```dotenv LOCAL_LLM_ENDPOINT=http://litellm:4000 LOCAL_LLM_API_KEY=sk-litellm-master-key ``` В Config агента `dispatchModel = litellm/<routing-name>`. **Только Anthropic + OpenAI (без local):** Не задавай `LOCAL_LLM_ENDPOINT`, не используй `local/*` префиксы. Удали агент `linter-local`. **Только Anthropic:** Не задавай `OPENAI_API_KEY`. Удали `dev-openai`. Замени роль на `dev-claude` с шаблоном Developer и Sonnet. --- ## 12. Полезные команды ```bash # Полный лог сервера make logs # Только dispatch события make logs | grep -i "Dispatching task" # Перезапуск с применением .env make recreate # Сбросить БД и начать с нуля (внимание: удалит всех агентов и задачи) make reset-db # Проверить статус контейнера make status # Войти в shell контейнера make shell # Внутри контейнера: проверить env vars env | grep -E "ANTHROPIC|OPENAI|LOCAL_LLM|MC_HOST" # Внутри контейнера: проверить что claude binary на месте which claude && claude --version ``` --- ## 13. Открытые вопросы (отметь если что-то не сошлось) Подтверждённые (исправлено в файле): - [x] Workspace форма — кнопка `Create + Queue`, 8 полей (см. раздел 1). - [x] Project — кнопка `Add Project` + раскрывающаяся карточка для GitHub/Color/Deadline (см. раздел 2). - [x] Agent wizard — 3 шага: Template / Configure / Review. Поля Step 2: Display Name, Role Theme, Emoji, Tier (3-button), Primary Model, Workspace (None/RW/RO), Sandbox (All/Non-main sessions), Network (Isolated/Bridge), Session Key. Step 3: Add to gateway / Provision Workspace + кнопка `Create Agent`. Ещё открыто: - [ ] Tab `Soul` — точно так называется в детальном виде агента? Или `Personality`/`Identity`? - [ ] Tab `Config` с JSON editor — существует, и формат как в моём шаблоне? - [ ] `Add Project` → раскрытие карточки existing project — кликом по карточке или иначе? - [ ] LMStudio model id в моей системе: ___________ - [ ] При drag в `Review` колонку — Aegis действительно срабатывает в течение 60с? - [ ] `dispatchModel` в JSON config сохраняется после reload агента? - [ ] Workspace селектор в header-bar — есть или MC работает только с одним workspace? Если что-то не совпадает — пометь, обновлю файл. </article></body></html>

# Образцовый пример: команда из 3 провайдеров (Claude + OpenAI + Local) в Mission Control Демо-сценарий для оператора. Поднимает 4 агентов на трёх провайдерах, прогоняет одну master-задачу через декомпозицию → реализацию → линт → ревью. > **Все названия кнопок, поля форм и значения — копировать-вставлять.** Если что-то в UI у тебя называется иначе — отметь в разделе 13, обновлю. --- ## 0. Подготовка ### 0.1. `.env` в корне проекта Создай (или допиши) файл `beads/discovered/mission-control/.env`: ```dotenv # Порт для Makefile (по умолчанию 7012) MC_PORT=7012 # Anthropic — для architect и aegis ANTHROPIC_API_KEY=sk-ant-api03-... # OpenAI — для implementor (dev) OPENAI_API_KEY=sk-... # Local LLM (LMStudio дефолт). Замени на свою модель. LOCAL_LLM_ENDPOINT=http://host.docker.internal:1234/v1 LOCAL_LLM_API_KEY= # Race policy для shared host claude sessions MC_HOST_SESSION_MODE=coexist # Админ — заполни если хочешь сразу зайти без /setup AUTH_USER=admin AUTH_PASS=admin123 ``` ### 0.2. LMStudio — поднять на хосте 1. Запусти LMStudio на хосте. 2. Загрузи модель — рекомендую `qwen2.5-coder-7b-instruct` или `qwen2.5-7b-instruct` (помещаются в 16GB RAM). 3. Перейди на вкладку **Server** (значок 🖥 слева в LMStudio). 4. Нажми **Start Server** — порт 1234 по умолчанию. 5. **Запиши точный API Identifier** загруженной модели — его видно в верхней строке Server tab (например `qwen2.5-coder-7b-instruct`). Этот id пойдёт в config агента. Проверь что MC видит LMStudio: ```bash docker exec mission-control sh -c 'curl -sS http://host.docker.internal:1234/v1/models' ``` Если возвращает JSON с твоей моделью — всё ок. ### 0.3. Поднять MC ```bash cd beads/discovered/mission-control make recreate # пересоздаст контейнер с новым .env ``` Дождись `✓ http://127.0.0.1:7012 → 200`. ### 0.4. Войти 1. Открой **http://127.0.0.1:7012/setup** — если сюда редиректнуло, создай админа (или используй `AUTH_USER`/`AUTH_PASS` из `.env`). 2. После логина окажешься на дашборде (`/overview`). --- ## 1. Workspace — рекомендация: пропустить, использовать `default` > **Важно.** На странице `/super-admin` форма `Create New Workspace` использует OpenClaw template provisioning через env `MC_SUPER_TEMPLATE_OPENCLAW_JSON`. На Linux без OpenClaw создание нового workspace **зависнет в `Pending`** или упадёт с ошибкой: > `Missing OpenClaw template config. Set MC_SUPER_TEMPLATE_OPENCLAW_JSON to an openclaw.json to seed new tenants.` > > Поскольку у нас direct-API path (без OpenClaw), **проще оставаться в дефолтном workspace** — он уже видим как `Active Orgs: 1` на той же странице. Все шаги ниже (project, agents, task) работают в нём. > > Если всё-таки хочешь создать отдельный workspace — см. **раздел 1.A** в конце. Чтобы убедиться что используется default: 1. В верхнем правом углу (header-bar) — селектор текущего workspace. Если там одно значение или ничего — ты уже в дефолтном. 2. Перейти в `/super-admin` → блок Active Orgs покажет «1». Это и есть наш default. Можешь сразу перейти к **разделу 2 (Project)**. ### 1.A. Создание нового workspace (если есть OpenClaw template) Только если ты собираешься заполнить `MC_SUPER_TEMPLATE_OPENCLAW_JSON` — иначе **этот блок пропустить**. 1. Сайдбар → иконка super-admin → `/super-admin`. 2. Сверху справа — кнопка **`+ Add Workspace`**. Кликни — раскроется форма `Create New Workspace`. 3. Реальные поля формы (8 шт): | # | Поле (placeholder) | Тип | Что вводить | |----|----------------------------|-----------|----------------------------------------------------------| | 1 | (slug) | text | `multi-provider-demo` — URL-safe идентификатор | | 2 | (display name) | text | `Multi-Provider Demo` — человеко-читаемое имя | | 3 | (linux user) | text | `uadmin` — твой хост-юзер (на скриншоте именно `uadmin`) | | 4 | Owner Gateway | dropdown | `primary (primary)` — единственный pre-seeded gateway | | 5 | (tier / profile) | dropdown | `Standard` | | 6 | Gateway port | text | оставь пустым (auto) | | 7 | Dashboard port | text | оставь пустым (auto) | | 8 | Dry-run | checkbox | ☐ снять (если включить — provisioning не выполнится) | 4. Кнопка **`Create + Queue`** (не просто `Create`!). Она поставит provisioning в очередь. 5. **Только если** `MC_SUPER_TEMPLATE_OPENCLAW_JSON` указывает на валидный openclaw.json — статус новой строки в `Pending / In Progress` сменится на `Active`. Иначе застрянет. > Для этого demo **не делай** этот шаг. Default workspace покрывает все нужды. --- ## 2. Project (для тикет-префикса и группировки задач) 1. В левом сайдбаре кликни иконку **Tasks** — откроется `/tasks` Kanban. 2. В верхней панели Tasks найди кнопку **`Projects`** (outline-вариант). Кликни. 3. Откроется модальное окно **`Project Management`** (× в правом верхнем углу для закрытия). ### 2.1. Создать проект — top-bar форма В самом верху модала **3 поля + 1 кнопка** в одну строку: | # | Поле | Тип | Значение | |-----|---------------------|--------|-------------------------------------| | 1 | (project name) | text | `Refactor Login Flow` | | 2 | (ticket prefix) | text | `LOGIN` | | 3 | (—) | button | **`Add Project`** | Под этой строкой — **отдельное поле Description** (textarea на всю ширину): ``` Migrate session-cookie auth to JWT. Demo project for multi-provider team. ``` Нажми **`Add Project`**. ### 2.2. После создания — раскрыть и доконфигурить (опционально) Под top-bar формой в этом же модале — **список существующих проектов**. После клика `Add Project` твой `Refactor Login Flow` появится там как карточка с заголовком `Refactor Login Flow` (1 tasks) → `LOGIN · · active`. Кликни на карточку — раскроется блок с дополнительными полями: | Поле | Тип | Что вводить | |---------------------|----------------|----------------------------------------------------------------| | Description | textarea | (уже сохранено из шага 2.1, при желании можно отредактировать) | | GitHub Repo | text `owner/repo` | оставь пустым или впиши `nnnet/mission-control` если работаешь с реальным репо | | Deadline | date `mm/dd/yyyy` | оставь пустым | | Color | 8 цветных точек | выбери любой (например синий — для UI-маркера) | | Assigned Agents | chip selector | пока не трогай — назначим агентов в шаге 7 на уровне задачи | Нажми **`Save`**. (Или `Cancel` если ничего не менял.) ### 2.3. Закрой модал Кликни **`×`** в правом верхнем углу или нажми Esc. Возвращаешься на `/tasks`. --- ## 3. Агент №1 — Architect (Claude Opus) ### 3.1. Открыть форму создания 1. В левом сайдбаре кликни иконку **Agents** — откроется `/agents` (`Agent Squad`). 2. Найди кнопку **`+ Create Agent`** (или просто `Create Agent`) — обычно в верхней строке панели. 3. Откроется **трёхшаговый wizard** `Create New Agent`. ### 3.2. Step 1 — Template (выбор шаблона) В верхнем прогресс-баре wizard'а: `1 Template` → `2 Configure` → `3 Review`. Покажет 7 карточек: | Шаблон | Emoji | Tier | Tools | Theme | |--------------------|-------|--------|-------|-------| | Orchestrator | 🧭 | Opus | 23 | operator strategist | | Developer | 🛠️ | Sonnet | 21 | builder engineer | | Specialist Dev | ⚙️ | Sonnet | 15 | specialist developer | | Reviewer / QA | 🔬 | Haiku | 7 | quality reviewer | | **Researcher** | 🔍 | Sonnet | 8 | research analyst | | Content Creator | ✏️ | Haiku | 9 | content creator | | Security Auditor | 🛡️ | Sonnet | 10 | security auditor | Выбери **`Researcher`**. Wizard перейдёт на Step 2 «Configure». ### 3.3. Step 2 — Configure (точные названия полей и опций) В форме сверху вниз: | Лейбл (как в UI) | Тип | Значение для architect | Опции / placeholder | |--------------------------|-----------|------------------------------------------------------|---------------------| | Display Name (или Name) | text | `Architect (Claude Opus)` | поле сверху wizard'а; ID автоматически сгенерится из этого как `architect-claude-opus` (kebab-case) | | **Role Theme** | text | `architect` | placeholder `builder engineer` | | **Emoji** | text | `🏛️` | placeholder `e.g. 🛠️` | | **Tier** | 3-button toggle | **`Opus $$$`** (нажми кнопку — подсветится) | другие: `Sonnet $$`, `Haiku $` | | **Primary Model** | text input + autocomplete | `anthropic/claude-opus-4-5` | автозаполнится при выборе Tier; можно править вручную | | **Workspace** *(dropdown)* | select | `None` | другие: `Read & Write`, `Read-only` | | **Sandbox** *(dropdown)* | select | `Non-main sessions` | другие: `All sessions` | | **Network** *(dropdown)* | select | `Isolated` | другие: `Bridge` | | **Session Key (Optional)** | text | (оставь пустым) | placeholder `e.g. agent:my-agent:main` | Нажми **`Next`** (внизу справа, между `Back` и `Cancel`). ### 3.4. Step 3 — Review Wizard показывает сводку карточкой: emoji иконка, заголовок (`Architect (Claude Opus)`), Role (`architect`), и блок свойств: ``` ID: architect-claude-opus Template: Researcher Model: Opus $$$ Tools: 8 Primary Model: anthropic/claude-opus-4-5 Workspace: none Sandbox: non-main Network: none ``` Под сводкой — **2 чекбокса** (точные названия с UI): | Чекбокс | Состояние | Почему | |----------------------|-------------|-------------------------------------| | `Add to gateway` | ☐ снять | у нас нет OpenClaw gateway | | `Provision Workspace`| ☐ снять | то же самое | Нажми **`Create Agent`** (cyan-кнопка между `Back` и `Cancel`). Wizard закрывается, агент появляется в списке `/agents`. ### 3.5. После создания — задать Soul 1. В списке агентов (`/agents`) найди `architect-claude`. Кликни на карточку. 2. Откроется детальная страница агента с вкладками. Найди вкладку **`Soul`** (рядом с Overview/Activity/Config/...). 3. В текстовом поле **вставь полный текст** (копируй блок ниже целиком): ``` You are an experienced software architect. Your job is to break a single high-level task into 3-7 atomic implementation tasks. For each subtask output exactly: TITLE: DESCRIPTION: ACCEPTANCE: ESTIMATE: Do not write code. Do not explain your approach. Only the structured list. Number subtasks 1, 2, 3, ... ``` 4. Нажми **`Save Soul`** (или просто `Save` если кнопка одна). ### 3.6. dispatchModel НЕ нужен для Anthropic Шаблон уже задал `model.primary = anthropic/claude-opus-4-5`. Anthropic — дефолтный путь, дополнительный override не требуется. **Пропусти Config tab edit.** --- ## 4. Агент №2 — Implementor (OpenAI gpt-4o-mini) ### 4.1. Step 1 — Template `/agents` → **`+ Create Agent`** → выбери **`Developer`** (🛠️, theme `builder engineer`, Sonnet, 21 tools). ### 4.2. Step 2 — Configure | Лейбл | Значение | |--------------------------|---------------------------------------| | Display Name | `Dev (OpenAI)` | | Role Theme | `developer` | | Emoji | `⚙️` | | Tier | `Sonnet $$` (override на OpenAI зададим потом через Config tab) | | Primary Model | `anthropic/claude-sonnet-4-20250514` (оставь как есть) | | Workspace | `Read & Write` | | Sandbox | `All sessions` | | Network | `Bridge` (dev может качать deps) | | Session Key (Optional) | (пусто) | `Next`. На Step 3 Review: | Чекбокс | Состояние | |----------------------|-----------| | `Add to gateway` | ☐ | | `Provision Workspace`| ☐ | `Create Agent`. Step 3 → **Create**. ### 4.3. Soul Кликни на агента → tab **`Soul`** → вставь: ``` You implement code changes. Reply with file paths and unified diffs only. No prose. No explanations. No "here is the code" preamble. Format: --- a/ --- *** edit a/ *** If the task is unclear, reply with one line: CLARIFY: ``` Save. ### 4.4. ⚠ Важно — задать `dispatchModel = openai/gpt-4o-mini` Шаблон Developer проставляет Anthropic-модель. Чтобы маршрутизация пошла в OpenAI — нужно переопределить через `dispatchModel` поле в config агента. #### Вариант A: через UI (Config tab) > Если Config tab падает с ошибкой `Something went wrong / React error #31` — это известный баг рендеринга в детальной карточке (см. ниже Вариант B). Используй API-путь. 1. На странице агента → tab **`Config`**. 2. Кнопка **`JSON`** в правом верхнем углу карточки — переключает режим в JSON-редактор. 3. Нажми **`Edit`**. JSON станет редактируемым. 4. **Добавь** поле `dispatchModel` в корень объекта (рядом с `model`, `sandbox`, `tools`): ```json { "model": { "primary": "anthropic/claude-sonnet-4-20250514", "fallbacks": [...] }, "sandbox": { "mode": "all", "workspaceAccess": "rw", "docker": { "network": "bridge" } }, "tools": { "allow": [...], "deny": [...] }, "dispatchModel": "openai/gpt-4o-mini" } ``` (остальные поля **не трогать** — только добавить `dispatchModel`). 5. **`Save`**. 6. Префикс `openai/` обязателен — он триггерит маршрутизацию на `OPENAI_API_KEY` в `task-dispatch.ts`. #### Вариант B: через API (если UI падает) Получи API key в `/settings` → `API Keys` → `+ Generate Key`. Затем: ```bash # 1. Найди id агента curl -sS http://127.0.0.1:7012/api/agents \ -H "x-api-key: $MC_API_KEY" | jq '.agents[] | select(.name=="Dev (OpenAI)") | {id, name, config}' # 2. Получи текущий config (для merge) curl -sS http://127.0.0.1:7012/api/agents/ \ -H "x-api-key: $MC_API_KEY" | jq '.agent.config' # 3. PATCH/PUT config с новым dispatchModel (точный endpoint смотри в /docs) curl -X PATCH http://127.0.0.1:7012/api/agents/ \ -H "x-api-key: $MC_API_KEY" \ -H "Content-Type: application/json" \ -d '{"config":{"dispatchModel":"openai/gpt-4o-mini","model":{"primary":"anthropic/claude-sonnet-4-20250514"},"sandbox":{"mode":"all","workspaceAccess":"rw","docker":{"network":"bridge"}}}}' ``` Проверь: ```bash curl -sS http://127.0.0.1:7012/api/agents/ \ -H "x-api-key: $MC_API_KEY" | jq '.agent.config.dispatchModel' # должно вернуть: "openai/gpt-4o-mini" ``` #### Что должно произойти При следующем dispatch'е задачи на этого агента — в `make logs` появится `Dispatching task via direct openai`, и в `/cost-tracker` модель будет `gpt-4o-mini`. --- ## 5. Агент №3 — Linter (Local LMStudio) ### 5.1. Step 1 — Template `/agents` → **`+ Create Agent`** → выбери **`Reviewer / QA`** (🔬, theme `quality reviewer`, Haiku, 7 tools, read-only). ### 5.2. Step 2 — Configure | Лейбл | Значение | |--------------------------|---------------------------------------| | Display Name | `Linter (Local LLM)` | | Role Theme | `linter` | | Emoji | `✨` | | Tier | `Haiku $` | | Primary Model | (оставь дефолт `anthropic/claude-haiku-4-5` — override через Config tab) | | Workspace | `Read-only` | | Sandbox | `All sessions` | | Network | `Isolated` | | Session Key (Optional) | (пусто) | `Next` → Review → оба чекбокса ☐ → **`Create Agent`**. Step 3 → **Create**. ### 5.3. Soul ``` You only suggest lint/format/style fixes. Skip semantic changes. Reply with bullet list of fixes: - : — If nothing to fix, reply: CLEAN ``` Save. ### 5.4. dispatchModel — указать LMStudio модель Аналогично 4.4 (через UI или API): ```json { "dispatchModel": "local/qwen2.5-coder-7b-instruct" } ``` > Замени `qwen2.5-coder-7b-instruct` на **точный API Identifier** из LMStudio Server tab (см. шаг 0.2 пункт 5). Префикс `local/` (или `lmstudio/`/`ollama/`/`litellm/`) триггерит маршрутизацию на `LOCAL_LLM_ENDPOINT`. --- ## 6. Агент №4 — Aegis (Claude Sonnet, reviewer) > Aegis может уже быть создан системой автоматически (имя `aegis` в default workspace). Проверь в `/agents`. Если есть — открой его, обнови Soul по шаблону ниже и пропусти создание. Если нет — создавай. ### 6.1. Создание (если нет) `/agents` → **`+ Create Agent`** → Step 1 Template: **`Reviewer / QA`** (🔬). Step 2 Configure: | Лейбл | Значение | |--------------------------|---------------------------------------| | Display Name | `Aegis` | | Role Theme | `reviewer` | | Emoji | `🛡️` | | Tier | `Sonnet $$` (переопредели если шаблон поставил Haiku) | | Primary Model | `anthropic/claude-sonnet-4-20250514` | | Workspace | `Read-only` | | Sandbox | `Non-main sessions` | | Network | `Isolated` | | Session Key (Optional) | (пусто) | `Next` → Review → оба чекбокса ☐ → **`Create Agent`**. ### 6.2. Soul (формат строгий — MC парсит ответ) ``` You are Aegis, the quality reviewer. Evaluate the agent's resolution against the acceptance criteria. Reply with EXACTLY one of these two formats: If acceptable: VERDICT: APPROVED NOTES: If needs fix: VERDICT: REJECTED NOTES: ``` Save. ### 6.3. dispatchModel — оставь Anthropic (нужен дефолт) Sonnet shaблon уже даёт `anthropic/claude-sonnet-4-20250514`. Anthropic — дефолтный путь. **Config edit не нужен.** --- ## 7. Master-задача 1. В левом сайдбаре кликни **Tasks** (📋) — `/tasks`. 2. В верхней панели Kanban-доски кнопка **`+ New Task`** (или `Add Task`) — кликни. 3. Откроется форма создания задачи. Заполни: | Поле | Значение | |--------------------|-----------------------------------------------------------------------------| | `Title` | `Migrate /api/auth/login from session cookies to JWT` | | `Project` | (dropdown) `Refactor Login Flow (LOGIN)` | | `Assigned To` | (dropdown) `architect-claude` | | `Priority` | `high` | | `Estimated Hours` | `8` | | `Tags` | `auth, refactor, jwt` | | `Status` | `backlog` (оставь по умолчанию) | | `Description` | (см. блок ниже) | Description — копируй полный текст: ``` Replace cookie-based session auth with JWT in the /api/auth/login endpoint. Current state: - /api/auth/login sets a session cookie via NextResponse.cookies.set('session', token) - Server reads this cookie to authenticate subsequent /api/* requests - Cookie is httpOnly + Secure + SameSite=Lax - Session token is stored in `sessions` table, looked up by id Goal: - /api/auth/login returns { token: string, expiresAt: number } in the JSON body - Token is a signed JWT (use existing AUTH_SECRET as HS256 signing key) - Subsequent requests authenticate via Authorization: Bearer header - Drop the `sessions` table dependency entirely - Keep /api/auth/logout working (now stateless: client just discards the token) Constraints: - All existing E2E tests must still pass after refactor - Backward compatibility for ONE release: accept BOTH cookie and Bearer header during the deprecation window - Document the migration in CHANGELOG.md Decompose into 3-7 atomic subtasks. For each, give acceptance criteria the implementor agent can verify locally before marking done. ``` Кнопка **`Create`** (или `Save`). --- ## 7.A. Про "Owner" и колонку "Awaiting Owner" В MC у задачи **нет отдельного поля Owner** в форме создания/редактирования. Есть только `Assigned To` — агент-исполнитель (ты выбрал `architect-claude`). Колонка **`Awaiting Owner`** в Task Board — это автоматический статус для задач, требующих **человеческого вмешательства** (PM, оператор). MC выставляет его в трёх случаях: - **Aegis reject** — рецензент отклонил resolution → задача ждёт что человек разберётся и решит дальше делать. - **Метки/теги** в title или description (`owner action`, `human required`, `blocked on owner`, `awaiting human`, `needs owner`) — детектится в `detectAwaitingOwner()`. - **Manual drag** — ты сам перетаскиваешь карточку в колонку `Awaiting Owner`. Status станет `awaiting_owner`. **Что это значит на практике для нашего демо:** - На старте все задачи в `Backlog`. После назначения агенту → `Assigned`. - При drag в `In Progress` агент работает. При rejection от Aegis (или ручном drag в `Awaiting Owner`) — задача ожидает тебя. - Когда ты сам обработал и хочешь вернуть в работу — drag из `Awaiting Owner` обратно в `In Progress` или `Backlog`. **Если нужен полноценный «owner» как отдельное поле** (например, в виде «менеджер этой задачи = vasya, исполнитель = agent-X»), это потребует апстрим-доработки MC: добавить колонку `owner` в schema + поле в task form. На этой ветке этого нет. ## 8. Запустить конвейер ### 8.1. Architect декомпозирует 1. На `/tasks` Kanban найди карточку `Migrate /api/auth/login...` в колонке **`Backlog`**. 2. **Перетащи мышью** в колонку **`In Progress`**. (Или открой карточку → Status dropdown → `in_progress`.) 3. Через ~30-90с (Opus думает) карточка обновится. Кликни на неё. 4. В детальном виде поле **`Resolution`** будет содержать список из 3-7 пронумерованных пунктов в формате TITLE/DESCRIPTION/ACCEPTANCE/ESTIMATE. **Где смотреть прогресс:** - Карточка задачи (live-обновляется через polling/SSE). - В терминале: `make logs | grep -i dispatch` — увидишь `Dispatching task via direct anthropic`. - `/cost-tracker` (левый сайдбар) — строка с `claude-opus-4-5` и потраченными токенами. ### 8.2. Раскладка подзадач (вручную, ~3 мин) Открой `Resolution` master-задачи. Для **каждой** подзадачи: 1. `/tasks` → **`+ New Task`**. 2. Поля: - `Title`: `LOGIN-N: ` (например `LOGIN-1: Add JWT sign helper`) - `Project`: `Refactor Login Flow (LOGIN)` - `Assigned To`: `dev-openai` - `Priority`: `medium` (или `high` если ESTIMATE > 4h) - `Tags`: `auth, jwt, subtask` - `Description`: **скопируй блок DESCRIPTION + ACCEPTANCE из вывода architect** 3. `Create`. > Если есть желание — автоматизировать через CLI: `node scripts/mc-cli.cjs tasks create ...` (см. `docs/cli-agent-control.md`). ### 8.3. Dev пишет код Перетащи каждую `LOGIN-N` подзадачу из `Backlog` → `In Progress`. - Implementor (gpt-4o-mini) обработает за ~10-30с/задачу. - Resolution каждой подзадачи: список файлов + unified diff'ы. - В `/cost-tracker`: модель `gpt-4o-mini`. - В `make logs`: `Dispatching task via direct openai`. ### 8.4. Linter (опционально, показывает работу local LLM) Для каждой готовой dev-задачи создай **linter-задачу**: 1. `+ New Task`: - `Title`: `Lint LOGIN-N output` - `Assigned To`: `linter-local` - `Description`: вставь diff из `LOGIN-N` resolution + строка `Suggest only style/lint fixes.` 2. Перетащи в `In Progress`. 3. **Открой LMStudio Server tab** → должна появиться запись запроса в Server logs. 4. Resolution = bullet list или `CLEAN`. ### 8.5. Aegis ревью > Aegis запускается **автоматически** каждые 60с по задачам в статусе `review` (см. `runAegisReviews` в `src/lib/task-dispatch.ts`). Перетащи каждую dev-задачу из `In Progress` → **`Review`**. В течение 60с: - Aegis получит задачу, прочитает `description` (acceptance criteria) и `resolution`, вернёт `VERDICT: APPROVED` или `VERDICT: REJECTED`. - **Если APPROVED** → задача → `Done`. - **Если REJECTED** → задача → обратно в `In Progress`, `error_message` содержит NOTES от Aegis. `/cost-tracker`: модель `claude-sonnet-4-20250514`. --- ## 9. Чек-лист приёмки После 5-15 минут активной работы конвейера: | Проверка | Где | Ожидание | |----------------------------------|------------------------------|--------------------------------------------------------------------------| | 4 агента онлайн | `/agents` | 4 строки, last_seen свежий | | Master декомпозирована | `/tasks/<master-id>` | Resolution содержит 3-7 пронумерованных TITLE/DESCRIPTION/ACCEPTANCE/ESTIMATE | | Подзадачи созданы | `/tasks` Kanban | Колонки заполнены, все assigned `dev-openai` | | Dev-задачи имеют diff | `/tasks/<id>` | Resolution содержит unified diff | | Linter работает | LMStudio Server tab → Logs | Хотя бы 1 POST `/v1/chat/completions` | | Aegis verdicts | `/tasks/<id>` | Resolution или комментарий: `VERDICT: APPROVED` или `REJECTED` | | Cost tracker — три провайдера | `/cost-tracker` | Anthropic + OpenAI (+ local = $0) | | Логи dispatch | `make logs` | Есть строки `direct anthropic`, `direct openai`, `direct local` | --- ## 10. Troubleshooting ### LMStudio не отвечает / `local API 404` ```bash docker exec mission-control sh -c 'curl -sS http://host.docker.internal:1234/v1/models | head' ``` - 404 → LMStudio не на 1234. - timeout → LMStudio не запущена / firewall. - пустой `data` → загрузи модель в LMStudio Server tab. ### `OPENAI_API_KEY not set` в логах `.env` не подхватился. Сделай **`make recreate`** (не просто `restart`). ### Aegis не запускается Aegis сканирует задачи в `review` каждые 60с. Подожди или жми `make logs | grep -i aegis`. Если совсем тишина — проверь что у агента `aegis` есть Soul и `dispatchModel` (или Anthropic дефолт). ### Architect отвечает обычным текстом, не структурированно Soul слишком "softный". Усиль: добавь в начало `OUTPUT EXACTLY THIS FORMAT, NO PROSE`. Понизь temperature через JSON Config. ### dispatchModel `local/...` падает с timeout LMStudio долго грузит модель в память на первом запросе (5-30с). Сделай warmup: пинг через curl или просто запрос-другой через LMStudio chat. ### Не знаю свой LMStudio model id ```bash docker exec mission-control sh -c 'curl -sS http://host.docker.internal:1234/v1/models' | python3 -c 'import json,sys;[print(m["id"]) for m in json.load(sys.stdin)["data"]]' ``` Покажет точные id всех моделей. Используй один из них (с префиксом `local/`). ### Кнопки `+ Create Agent` нет Проверь что текущий workspace выбран (header-bar). Если ты в `read-only` workspace — переключись на свой. ### Кнопки `Projects` нет на /tasks Возможно UI обновился. Проверь правый верхний угол панели Tasks. Также форма создания проектов может быть в `/super-admin` → секция `Projects`. --- ## 11. Что менять для своего сценария **Ollama вместо LMStudio:** ```dotenv LOCAL_LLM_ENDPOINT=http://host.docker.internal:11434/v1 ``` Префикс агента `ollama/<model>` или `local/<model>`. **liteLLM proxy для нескольких backend'ов:** ```yaml # docker-compose.yml — добавь сервис litellm рядом с mission-control litellm: image: ghcr.io/berriai/litellm:main-latest ports: ["4000:4000"] environment: - LITELLM_MASTER_KEY=sk-litellm-master-key volumes: - ./litellm-config.yaml:/app/config.yaml ``` В `.env`: ```dotenv LOCAL_LLM_ENDPOINT=http://litellm:4000 LOCAL_LLM_API_KEY=sk-litellm-master-key ``` В Config агента `dispatchModel = litellm/<routing-name>`. **Только Anthropic + OpenAI (без local):** Не задавай `LOCAL_LLM_ENDPOINT`, не используй `local/*` префиксы. Удали агент `linter-local`. **Только Anthropic:** Не задавай `OPENAI_API_KEY`. Удали `dev-openai`. Замени роль на `dev-claude` с шаблоном Developer и Sonnet. --- ## 12. Полезные команды ```bash # Полный лог сервера make logs # Только dispatch события make logs | grep -i "Dispatching task" # Перезапуск с применением .env make recreate # Сбросить БД и начать с нуля (внимание: удалит всех агентов и задачи) make reset-db # Проверить статус контейнера make status # Войти в shell контейнера make shell # Внутри контейнера: проверить env vars env | grep -E "ANTHROPIC|OPENAI|LOCAL_LLM|MC_HOST" # Внутри контейнера: проверить что claude binary на месте which claude && claude --version ``` --- ## 13. Открытые вопросы (отметь если что-то не сошлось) Подтверждённые (исправлено в файле): - [x] Workspace форма — кнопка `Create + Queue`, 8 полей (см. раздел 1). - [x] Project — кнопка `Add Project` + раскрывающаяся карточка для GitHub/Color/Deadline (см. раздел 2). - [x] Agent wizard — 3 шага: Template / Configure / Review. Поля Step 2: Display Name, Role Theme, Emoji, Tier (3-button), Primary Model, Workspace (None/RW/RO), Sandbox (All/Non-main sessions), Network (Isolated/Bridge), Session Key. Step 3: Add to gateway / Provision Workspace + кнопка `Create Agent`. Ещё открыто: - [ ] Tab `Soul` — точно так называется в детальном виде агента? Или `Personality`/`Identity`? - [ ] Tab `Config` с JSON editor — существует, и формат как в моём шаблоне? - [ ] `Add Project` → раскрытие карточки existing project — кликом по карточке или иначе? - [ ] LMStudio model id в моей системе: ___________ - [ ] При drag в `Review` колонку — Aegis действительно срабатывает в течение 60с? - [ ] `dispatchModel` в JSON config сохраняется после reload агента? - [ ] Workspace селектор в header-bar — есть или MC работает только с одним workspace? Если что-то не совпадает — пометь, обновлю файл. </article></body></html>