ACP 绑定和 Codex app-server 通道
实时:ACP 绑定冒烟测试(/acp spawn ... --bind here)¶
- 测试:
src/gateway/gateway-acp-bind.live.test.ts - 目标:使用实时 ACP 代理验证真实的 ACP 会话绑定流程:
- 发送
/acp spawn <agent> --bind here - 在当前位置绑定一个合成消息通道会话
- 在同一会话上发送一条普通后续消息
- 验证后续消息落入已绑定的 ACP 会话记录中
- 启用:
pnpm test:live src/gateway/gateway-acp-bind.live.test.tsOPENCLAW_LIVE_ACP_BIND=1- 默认值:
- Docker 中的 ACP 代理:
claude,codex,gemini - 直接运行
pnpm test:live ...时的 ACP 代理:claude - 合成通道:Slack 私信风格的会话上下文
- ACP 后端:
acpx - 覆盖项:
OPENCLAW_LIVE_ACP_BIND_AGENT=claudeOPENCLAW_LIVE_ACP_BIND_AGENT=codexOPENCLAW_LIVE_ACP_BIND_AGENT=droidOPENCLAW_LIVE_ACP_BIND_AGENT=geminiOPENCLAW_LIVE_ACP_BIND_AGENT=opencodeOPENCLAW_LIVE_ACP_BIND_AGENTS=claude,codex,geminiOPENCLAW_LIVE_ACP_BIND_AGENT_COMMAND='npx -y @agentclientprotocol/claude-agent-acp@<version>'OPENCLAW_LIVE_ACP_BIND_CODEX_MODEL=gpt-5.6-lunaOPENCLAW_LIVE_ACP_BIND_OPENCODE_MODEL=opencode/kimi-k2.6OPENCLAW_LIVE_ACP_BIND_IMAGE_PROBE=1(或on/true/yes)用于强制开启图像检查;任何其他值都会强制关闭。默认对除opencode之外的每个代理运行。OPENCLAW_LIVE_ACP_BIND_REQUIRE_CRON=1OPENCLAW_LIVE_ACP_BIND_PARENT_MODEL=openai/gpt-5.6-luna- 说明:
- 该测试通道使用网关的
chat.send接口,配合仅管理员可用的合成来源路由字段,使测试可以附加消息通道上下文,而无需模拟外部投递。 - 当未设置
OPENCLAW_LIVE_ACP_BIND_AGENT_COMMAND时,测试会使用内置acpx插件自带的代理注册表来运行所选 ACP harness 代理。 - 默认情况下,绑定会话的 cron MCP 创建是尽力而为的,因为外部 ACP harness 可能在绑定/图像验证通过后取消 MCP 调用;设置
OPENCLAW_LIVE_ACP_BIND_REQUIRE_CRON=1可使绑定后的 cron 检查变为严格模式。
示例:
OPENCLAW_LIVE_ACP_BIND=1 \
OPENCLAW_LIVE_ACP_BIND_AGENT=claude \
pnpm test:live src/gateway/gateway-acp-bind.live.test.ts
Docker 配方:
单代理 Docker 配方:
pnpm test:docker:live-acp-bind:claude
pnpm test:docker:live-acp-bind:codex
pnpm test:docker:live-acp-bind:droid
pnpm test:docker:live-acp-bind:gemini
pnpm test:docker:live-acp-bind:opencode
Docker 说明:
- Docker 运行脚本位于
scripts/test-live-acp-bind-docker.sh。 - 默认情况下,它会按顺序针对聚合的实时 CLI 代理运行 ACP 绑定冒烟测试:
claude、codex,然后是gemini。 - 使用
OPENCLAW_LIVE_ACP_BIND_AGENTS=claude、OPENCLAW_LIVE_ACP_BIND_AGENTS=codex、OPENCLAW_LIVE_ACP_BIND_AGENTS=droid、OPENCLAW_LIVE_ACP_BIND_AGENTS=gemini或OPENCLAW_LIVE_ACP_BIND_AGENTS=opencode可缩小矩阵范围。 - 它会将相应的 CLI 认证材料暂存进容器,然后在缺失时安装所请求的实时 CLI(
@anthropic-ai/claude-code、@openai/codex、通过https://app.factory.ai/cli安装的 Factory Droid、@google/gemini-cli或opencode-ai)。ACP 后端本身是官方acpx插件内置的acpx/runtime包。 - Droid Docker 变体将
~/.factory暂存用于配置,转发FACTORY_API_KEY,并且必须提供该 API 密钥,因为本地 Factory OAuth/密钥环认证无法移植到容器中。它使用 ACPX 内置的droid exec --output-format acp注册表条目。 - OpenCode Docker 变体是一个严格的单代理回归测试通道。它会根据
OPENCLAW_LIVE_ACP_BIND_OPENCODE_MODEL(默认opencode/kimi-k2.6)写入临时的OPENCODE_CONFIG_CONTENT默认模型。 - 直接调用
acpxCLI 只是在网关外部比较行为时使用的手动/变通路径。Docker ACP 绑定冒烟测试实际运行的是 OpenClaw 内置的acpx运行时后端。
实时:Codex app-server 适配层冒烟测试¶
- 目标:通过正常网关
agent方法验证插件自有的 Codex 适配层: - 加载内置
codex插件 - 通过
/model <ref> --runtime codex选择 OpenAI 模型 - 按照所请求的思考级别发送第一轮网关代理消息
- 向同一 OpenClaw 会话发送第二轮消息,并验证 app-server 线程能够恢复
- 通过同一条网关命令路径运行
/codex status和/codex models - 可选:运行两次由 Guardian 审核的提权 shell 检查:一次是应被批准的良性命令,另一次是应被拒绝的伪造机密上传,以便代理回问确认。
- 测试:
src/gateway/gateway-codex-harness.live.test.ts - 启用:
OPENCLAW_LIVE_CODEX_HARNESS=1 - 适配层基线模型:
openai/gpt-5.6-luna - 全新 OpenAI API 密钥的默认选择:
openai/gpt-6-astra - 默认思考级别:
low - 模型覆盖项:
OPENCLAW_LIVE_CODEX_HARNESS_MODEL=openai/<model> - 思考级别覆盖项:
OPENCLAW_LIVE_CODEX_HARNESS_THINKING=<level> - 非默认模型 effort 断言:
OPENCLAW_LIVE_CODEX_HARNESS_EXPECTED_EFFORT=<level> - 矩阵覆盖项:
OPENCLAW_LIVE_CODEX_HARNESS_TARGETS=<model>=<thinking>,... - 认证模式:
OPENCLAW_LIVE_CODEX_HARNESS_AUTH=codex-auth(默认)使用复制过来的 Codex 登录状态;api-key则通过 Codex app-server 使用OPENAI_API_KEY。 - 可选图像检查:
OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=1 - 可选 MCP/工具检查:
OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=1 - 可选 Guardian 检查:
OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=1 - 可选恢复压力测试:
OPENCLAW_LIVE_CODEX_HARNESS_RESUME_STRESS=1会添加四轮历史会话,然后关闭并重启 Gateway 和 Codex app-server 三次,同时要求保持相同的原生线程 ID 和会话历史。可通过OPENCLAW_LIVE_CODEX_HARNESS_RESUME_STRESS_HISTORY_TURNS(1-20)和OPENCLAW_LIVE_CODEX_HARNESS_RESUME_STRESS_RESTARTS(1-10)覆盖这些有界次数。 - 可选扇出压力测试:设置
OPENCLAW_LIVE_CODEX_HARNESS_SUBAGENT_PROBE=1和OPENCLAW_LIVE_CODEX_HARNESS_SUBAGENT_COUNT(1-12)。适配层会并发启动每个子代理,等待所有终端运行结束,并验证每个唯一子代理回复和原生线程身份。 - 可选压缩压力测试:
OPENCLAW_LIVE_CODEX_HARNESS_COMPACTION_STRESS=1会生成有界大小的原生工具输出,要求触发自动压缩事件,校验持久化的压缩计数和隐藏标记召回,重启 Gateway 和物理 Codex app-server,然后重复输出与压缩批次。可通过OPENCLAW_LIVE_CODEX_HARNESS_COMPACTION_STRESS_TURNS(1-8)和OPENCLAW_LIVE_CODEX_HARNESS_LARGE_OUTPUT_BYTES(100000-800000)调节有界工作量。 - 完整直连 API 上下文:
OPENCLAW_LIVE_CODEX_HARNESS_FULL_CONTEXT=1会应用922000上下文限制和700000总自动压缩限制,发送密集的有界用户轮次,且不使用/compact或其他手动检查点,并要求随后一个较小的轮次触发原生自动压缩。它需要OPENCLAW_LIVE_CODEX_HARNESS_AUTH=api-key以及绝对路径OPENCLAW_LIVE_CODEX_HARNESS_MODEL_CATALOG。该目录必须提供所选模型的确切参数:context_window: 922000、max_context_window: 922000和auto_compact_token_limit: 700000,这样 Codex 才不会把覆盖值重新拉回到其标准目录窗口。上面的普通降阈值压力测试仍保留更严格的自动压缩和隐藏标记保留断言。 - 可选 loop-relay 退出检查:
OPENCLAW_LIVE_CODEX_HARNESS_DISABLE_LOOP_RELAY=1 - 所请求的思考偏好可能会映射到 Codex 为该模型公布的最接近的 effort。例如,Luna 会将
minimal映射到low。 - 已知的 Codex 目录模型会自动推导出准确的原生 effort。未知模型覆盖项必须声明预期的映射后 effort。
- 该冒烟测试会强制 provider/model 为
agentRuntime.id: "codex",这样即使 Codex 适配层出现故障,也无法通过静默回退到 OpenClaw 而通过测试。 - 认证:Codex app-server 认证来自本地 Codex 订阅登录,或在
OPENCLAW_LIVE_CODEX_HARNESS_AUTH=api-key时使用OPENAI_API_KEY。Docker 可以复制~/.codex/auth.json和~/.codex/config.toml以支持订阅运行。
本地运行方式:
OPENCLAW_LIVE_CODEX_HARNESS=1 \
OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=1 \
OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=1 \
OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=1 \
OPENCLAW_LIVE_CODEX_HARNESS_MODEL=openai/gpt-5.6-luna \
pnpm test:live -- src/gateway/gateway-codex-harness.live.test.ts
Docker 运行方式:
Docker 测试通道使用基于 Docker 默认策略的 seccomp 配置文件,并包含 Codex 原生 Bubblewrap 沙箱所需的命名空间设置操作。
它会保持 no-new-privileges 处于启用状态,并在发起 provider 请求之前检查原生沙箱启动。运行器的内核和 AppArmor 策略还必须允许嵌套沙箱设置。在带有 AppArmor 的一次性 CI/Testbox 运行器上,
该通道会为其自身容器加载一个临时配置文件,并在容器退出后将其移除。它会保留 Docker 的其他限制,并且不会更改默认配置文件或内核设置。加载需要可用的
apparmor_parser 以及非交互式加载配置文件的权限。
子代理检查默认还会启用 Codex 的 V2 原生子进程。显式提供的
OPENCLAW_CODEX_APP_SERVER_ARGS 覆盖值会原样转发;禁用子代理检查会保持原生参数默认值不变。手动压缩配置会提供显式原生参数,其优先级高于此
环境默认值。
重启与历史压力测试:
扇出、大输出、压缩和重启压力测试:
OPENCLAW_LIVE_CODEX_HARNESS_AUTH=api-key \
OPENCLAW_LIVE_CODEX_HARNESS_SUBAGENT_PROBE=1 \
OPENCLAW_LIVE_CODEX_HARNESS_SUBAGENT_COUNT=8 \
OPENCLAW_LIVE_CODEX_HARNESS_RESUME_STRESS=1 \
OPENCLAW_LIVE_CODEX_HARNESS_COMPACTION_STRESS=1 \
pnpm test:docker:live-codex-harness
完整原生 Codex 922000 输入预算压缩压力测试:
OPENCLAW_LIVE_CODEX_HARNESS=1 \
OPENCLAW_LIVE_CODEX_HARNESS_AUTH=api-key \
OPENCLAW_LIVE_CODEX_HARNESS_FULL_CONTEXT=1 \
OPENCLAW_LIVE_CODEX_HARNESS_MODEL_CATALOG=/absolute/path/to/models-api-1m.json \
OPENCLAW_LIVE_CODEX_HARNESS_MODEL=openai/gpt-5.6-luna \
OPENCLAW_LIVE_CODEX_HARNESS_THINKING=low \
OPENCLAW_LIVE_CODEX_HARNESS_COMPACTION_STRESS_TURNS=8 \
OPENCLAW_LIVE_CODEX_HARNESS_LARGE_OUTPUT_BYTES=800000 \
OPENCLAW_LIVE_CODEX_HARNESS_DEBUG=1 \
node --import tsx scripts/test-live.mts --quiet src/gateway/gateway-codex-harness.live.test.ts
GPT-5.6 原生 Codex 矩阵:
本页原文 Markdown:在 AtomGit 查看·内容源自开源项目 cl/openclaw