lambdagentpaas CLI 完整使用说明

本文档涵盖两个 CLI 工具：

lambdagent — Lambda 演算 Agent DSL 的命令行入口（编译/执行/调试）
agentpaas — Agent Platform as a Service 平台管理（服务/部署/监控）

Part I — lambdagent CLI

Unix 管道 | = 函数组合 >>，每条命令 = 一次或多次 β-规约。

目录（lambdagent）

安装与配置
命令总览
compile — 编译 YAML → Lambda 项
run — 编译 + 执行 Agent
repl — 交互式会话
lint — 静态分析
trace — 查看 β-规约追踪
lambda — 导出 Lambda 表达式
tools — 列出和测试工具
version — 版本信息
高级用法
YAML 配置参考
退出码

安装与配置

# 安装依赖
pip install pyyaml anthropic
# 可选：pip install openai redis cryptography

# 设置 API Key（至少选一个 — claude-code provider 不需要 API Key）
export ANTHROPIC_API_KEY="sk-ant-..."
# 或
export OPENAI_API_KEY="sk-..."
# 或（阿里云 DashScope）
export DASHSCOPE_API_KEY="sk-..."
# 或（无 Key，使用 Claude Code Max Plan）
# provider: claude-code 无需 API Key，直接调用 Claude Code CLI

验证安装：

python -m lambdagent version
# lambdagent v2.0.0
# Lambda Calculus Agent DSL
# 11 core constructs — strict lambda correspondence

命令总览

python -m lambdagent <command> [options]

Commands:
  compile   编译 YAML → Lambda 项（不执行）
  run       编译 + 执行 Agent
  repl      交互式 REPL（持久会话）
  lint      静态分析 Agent 配置
  trace     查看/回放 β-规约追踪
  lambda    导出纯 Lambda 表达式
  tools     列出和测试 MCP/本地工具
  version   版本信息

compile — 编译 YAML → Lambda 项

将 YAML 配置编译为 Lambda 项结构，不实际执行。用于验证配置正确性。

python -m lambdagent compile <config.yml> [--format text|json] [--validate]

参数

参数	说明
`config`	YAML 配置文件路径
`--format text\\|json`	输出格式（默认 `text`）
`--validate`	同时运行 lint 检查

示例

# 查看编译结构
python -m lambdagent compile agent-config.yml

# JSON 格式输出
python -m lambdagent compile agent-config.yml --format json

# 编译 + lint
python -m lambdagent compile agent-config.yml --validate

输出示例：

agent-config =
  # type: react (Y combinator + tool routing)
  Y_10(λself. λstate.
    let t = think(state) in
    CASE (classify t) [
      ("search", λx. MCP("mcp-server", "search", x))
      ("terminate", λx. x)    ← base case
    ] >> λobs.
    IF (obs = t) THEN t ELSE self(state ⊕ format(t, obs))
  )

run — 编译 + 执行 Agent

编译 YAML 配置并执行 Agent，输出最终结果。

python -m lambdagent run <config.yml> [input] [options]

参数

参数	说明
`config`	YAML 配置文件路径
`input`	输入文本。使用 `-` 从 stdin 读取
`--input-file FILE`	从文件读取输入
`--model MODEL`	覆盖模型（如 `claude-sonnet-4-20250514`）
`--temperature FLOAT`	覆盖温度
`--max-steps INT`	覆盖最大步数（ReAct 模式）
`--tool NAME=CMD`	注入 CLI 工具（可重复使用）
`--engine recursive\\|cek\\|adaptive`	选择执行引擎（默认 recursive）
`--timeout INT`	总超时秒数（默认 300）
`--trace`	打印 β-规约追踪
`--trace-file FILE`	保存追踪到 JSON 文件
`--format text\\|json`	输出格式
`--verbose`	打印所有中间步骤
`--quiet`	只输出最终结果

基本用法

# 直接输入
python -m lambdagent run agent-config.yml "帮我写一个快速排序"

# 从 stdin 读取输入
echo "分析这段日志" | python -m lambdagent run agent-config.yml -

# 从文件读取输入
python -m lambdagent run agent-config.yml --input-file question.txt

run.py --claude (agent67)

agentexample/agent67/run.py 是个人助理的入口，支持 --claude 标志强制使用 Claude Code 后端：

# 默认：自动检测后端（Ollama → Claude Code → API）
python run.py

# 强制使用 Claude Code Max Plan（跳过 Ollama 检测，无需 API Key）
python run.py --claude

# 强制 Claude Code + 指定模型
python run.py --claude --model opus

# 使用 Ollama 本地模型
python run.py --ollama

# 使用 API Key 模式
python run.py --api

--claude 的效果：设置 backend 为 BACKEND_CLAUDE_CODE，默认模型 sonnet，不需要任何 API Key 环境变量。

覆盖模型参数

# 使用 GPT-4o 替代默认模型
python -m lambdagent run agent-config.yml "Hello" --model gpt-4o

# 使用高温度（更有创意）
python -m lambdagent run agent-config.yml "写一首诗" --temperature 0.8

# 限制 ReAct 步数
python -m lambdagent run agent-config.yml "搜索资料" --max-steps 5

注入 CLI 工具

--tool 参数将 shell 命令包装为 Agent 可用的工具（Lambda 语义: λx. exec(cmd, x)）：

# 注入静态命令工具
python -m lambdagent run agent-config.yml "分析日志" \
  --tool grep="grep -c ERROR /var/log/app.log"

# 注入参数化工具（{} 被 Agent 输出替换）
python -m lambdagent run agent-config.yml "搜索代码" \
  --tool search="grep -r {} src/"

# 注入多个工具
python -m lambdagent run agent-config.yml "分析项目" \
  --tool loc="find . -name '*.py' | wc -l" \
  --tool deps="pip list --format=json"

安全说明：--tool 会自动拦截危险命令（rm -rf /、fork bomb 等），参数化模式下输入会经过 shlex.quote 转义。

追踪与调试

# 打印 β-规约追踪
python -m lambdagent run agent-config.yml "1+1" --trace

# 保存追踪到文件（后续用 trace 命令分析）
python -m lambdagent run agent-config.yml "task" --trace-file trace.json

# JSON 输出（含 result + trace + stats）
python -m lambdagent run agent-config.yml "task" --format json

# 详细模式（打印每步中间结果）
python -m lambdagent run agent-config.yml "task" --verbose

Unix 管道组合

# 管道输入
cat article.txt | python -m lambdagent run summarizer.yml -

# 链式处理（CLI 层面的函数组合）
cat data.csv | \
  python -m lambdagent run extract.yml - | \
  python -m lambdagent run analyze.yml - | \
  python -m lambdagent run report.yml -

# 与其他命令组合
python -m lambdagent run agent-config.yml "list files" --quiet | xargs wc -l

repl — 交互式会话

启动持久化 REPL 会话，支持多轮对话和内置命令。

python -m lambdagent repl <config.yml> [--model MODEL] [--temperature FLOAT] [--tool NAME=CMD]

进入 REPL

python -m lambdagent repl agent-config.yml

输出：

lambdagent REPL v2.0
Agent: my-agent (react, maxSteps=10)
Lambda: Y_10(λself.λstate. think(state) >> route >> observe)
Type :help for commands, :quit to exit

λ>

REPL 内置命令

命令	说明
`:help`	显示帮助
`:quit` / `:q` / `:exit`	退出 REPL
`:trace`	显示上次执行的 β-规约追踪
`:trace N`	显示第 N 步的详细信息
`:memory`	显示 Memory 内容
`:memory clear`	清空 Memory
`:lambda`	显示 Agent 的 Lambda 表达式
`:lint`	对当前配置运行 lint
`:reload`	重新加载 YAML 配置（热更新）
`:stats`	显示会话统计
`:tools`	列出可用工具

REPL 会话示例

λ> 帮我写一个冒泡排序
  [β[0] think 2.3s] 我需要写一个冒泡排序...
  [β[1] Tool:terminate 0.0s] 返回结果

def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]
    return arr
(2 β-reductions, 2.3s)

λ> :trace 0
  β[0] think
    Duration: 2312ms
    Model: claude-sonnet-4-20250514
    Input:  帮我写一个冒泡排序...
    Output: 我需要写一个冒泡排序...

λ> :stats
  Session: 45s
  Total β-reductions: 2
  Trace entries: 2

λ> :quit
Session: 2 β-reductions in 45s

lint — 静态分析

对 Agent 配置进行静态分析，检查 26+ 条规则（含 3 条安全规则 S001-S003）。

python -m lambdagent lint <config.yml|directory> [--level error|warn|info] [--format text|json]

参数

参数	说明
`config`	YAML 文件路径，或目录（递归扫描 `.yml`/`.yaml`）
`--level`	最低显示级别（默认 `info`，只看错误用 `error`）
`--format`	输出格式（默认 `text`）

示例

# 分析单个文件
python -m lambdagent lint agent-config.yml

# 只显示错误
python -m lambdagent lint agent-config.yml --level error

# 扫描目录下所有配置
python -m lambdagent lint configs/

# JSON 输出（CI/CD 集成）
python -m lambdagent lint agent-config.yml --format json

输出示例：

lambdagent lint: agent-config.yml
============================================================
  [x] [ERROR] [L004] type=react but no 'terminate' in localTools
    Lambda: Y combinator has no base case -> infinite loop
  [!] [WARN ] [S002] Agent has tools but no guard config. Add guard.dangerousCommandBlock for safety.
    Lambda: Unguarded tool access = untyped β-reduction (no dependent type constraint)
  [i] [INFO ] [L015] Memory enabled: strategy=redis
    Lambda: Gamma' = Gamma union store(redis)
──────────────────────────────────────────────────────
  1 error(s), 1 warning(s), 1 info(s)

lint 规则速查

功能规则 (L001-L026)

规则	级别	说明
L001	ERROR	缺少 `type` 字段
L002	ERROR	无效的 `type` 值
L003	ERROR	缺少 `systemPrompt`
L004	ERROR	`react` 类型但无 `terminate` 工具（Y 组合子无 base case）
L005	WARN	无 MCP 工具配置
L010	INFO	温度为 0（确定性输出）
L015	INFO	Memory 策略信息

安全规则 (S001-S003)

规则	级别	说明
S001	ERROR/WARN	`maxSteps` 过大（>1000 ERROR，>100 WARN）
S002	WARN	有工具但无 Guard 配置
S003	WARN	SandboxPolicy 过于宽松

trace — 查看 β-规约追踪

查看和分析之前保存的执行追踪（由 run --trace-file 生成）。

python -m lambdagent trace <trace.json> [--step N] [--timeline]

参数

参数	说明
`file`	trace JSON 文件路径
`--step N`	查看第 N 步详情
`--timeline`	时间线视图

默认视图（全部步骤）

python -m lambdagent trace trace.json

输出：

  β[0] think (2312ms): 帮我写快速排序... → 我需要思考...
  β[1] Tool:search (450ms): 快速排序算法 → 快速排序是一种分治算法...
  β[2] think (1803ms): 根据搜索结果... → 我来写代码...
  β[3] Tool:terminate (1ms): 返回最终答案 → def quicksort...

Total: 4 β-reductions, 4.6s

查看单步详情

python -m lambdagent trace trace.json --step 1

输出：

β[1] Tool:search
  Duration: 450ms
  Model:    N/A
  Tokens:   N/A
  Input:    快速排序算法
  Output:   快速排序是一种分治算法，它选择一个基准元素...

时间线视图

python -m lambdagent trace trace.json --timeline

输出：

Time ──────────────────────────────────────────→
   0.0s ├████████████████████████ think (2312ms)
   2.3s ├█████ Tool:search (450ms)
   2.8s ├██████████████████ think (1803ms)
   4.6s ├ Tool:terminate (1ms)
   4.6s ┤ END

lambda — 导出 Lambda 表达式

将 YAML 配置导出为形式化的 Lambda 表达式，展示 Agent 的数学结构。

python -m lambdagent lambda <config.yml> [--format human|formal|json]

参数

参数	说明
`config`	YAML 配置文件路径
`--format`	`human`（默认，可读），`formal`（形式化），`json`

示例

python -m lambdagent lambda agent-config.yml

输出（ReAct Agent）：

my-agent =
    Y_10(λself. λstate.
      let t = (λx. LLM_{anthropic/claude-sonnet-4-20250514, ⊕_0}("You are a helpful..."))(state) in
      CASE (classify t) [
        ("search", λx. MCP("mcp-server", "search", x))
        ("terminate", λx. x)  ← base case
      ] >> λobs.
      IF (obs = t) THEN t ELSE self(state ⊕ format(t, obs))
    )

输出（Chain Agent）：

report-pipeline =
    >> Lam("extract", "Extract key facts from the input....")
    >> Lam("analyze", "Analyze the facts and identify patter...")
    >> Lam("report", "Write a structured report....")

JSON 格式：

python -m lambdagent lambda agent-config.yml --format json

tools — 列出和测试工具

列出 Agent 配置中的所有可用工具，检查 MCP 服务器连接状态。

python -m lambdagent tools <config.yml> [--test TOOL INPUT] [--discover SERVER]

参数

参数	说明
`config`	YAML 配置文件路径
`--test TOOL INPUT`	测试指定工具
`--discover SERVER`	发现 MCP 服务器上的工具

示例

python -m lambdagent tools agent-config.yml

输出：

Tools for my-agent:
────────────────────────────────────────────────────────────
  [MCP]   search                         mcp-server
  [MCP]   read_file                      mcp-server
  [Local] terminate                      (λx.x) base case

MCP endpoints:
  mcp-server: http://localhost:3001/mcp
    Status: ✓ reachable (23ms)

version — 版本信息

python -m lambdagent version

lambdagent v2.0.0
Lambda Calculus Agent DSL
11 core constructs — strict lambda correspondence

高级用法

1. JSON 输出用于程序化处理

# 完整 JSON 输出（result + trace + stats）
python -m lambdagent run agent.yml "task" --format json | jq '.stats'

# lint 结果 JSON（CI/CD 中判断是否阻塞部署）
python -m lambdagent lint agent.yml --format json | jq '[.[] | select(.level=="ERROR")] | length'

2. 管道编排 Agent

# Agent A 的输出作为 Agent B 的输入（CLI 层面的 >> 组合）
python -m lambdagent run extract.yml "raw data" --quiet | \
  python -m lambdagent run analyze.yml - --quiet | \
  python -m lambdagent run report.yml - --quiet > report.txt

3. 批量处理

# 对多个输入批量执行
cat inputs.txt | while read line; do
  python -m lambdagent run agent.yml "$line" --quiet >> results.txt
done

# lint 整个目录
python -m lambdagent lint configs/ --level error

4. 工具注入 + ReAct 实战

# 日志分析 Agent（注入 grep + wc 工具）
python -m lambdagent run react-agent.yml "分析今天的错误日志" \
  --tool grep="grep ERROR /var/log/app.log" \
  --tool count="wc -l /var/log/app.log" \
  --tool tail="tail -20 /var/log/app.log" \
  --trace

# 代码搜索 Agent（参数化工具）
python -m lambdagent run react-agent.yml "找出所有使用了 deprecated API 的文件" \
  --tool search="grep -rn {} src/" \
  --tool find="find src/ -name {} -type f" \
  --max-steps 15

5. 模型对比

# 同一任务，不同模型
python -m lambdagent run agent.yml "写一首关于AI的诗" --model claude-sonnet-4-20250514 --quiet > claude.txt
python -m lambdagent run agent.yml "写一首关于AI的诗" --model gpt-4o --quiet > gpt4.txt
diff claude.txt gpt4.txt

YAML 配置参考

最小配置

type: simple
systemPrompt: "You are a helpful assistant."
model:
  name: claude-sonnet-4-20250514

Provider 切换（YAML 配置）

通过 model.provider 字段在统一的 Provider 系统中切换后端：

# Claude Code — 无需 API Key，调用 Claude Code CLI
model:
  provider: claude-code
  name: sonnet

# Anthropic API — 需要 ANTHROPIC_API_KEY
model:
  provider: anthropic
  name: claude-sonnet-4-20250514

# Ollama 本地模型 — 无需 API Key
model:
  provider: ollama
  name: qwen2.5:7b

# OpenAI — 需要 OPENAI_API_KEY
model:
  provider: openai
  name: gpt-4o

# DashScope (阿里云) — 需要 DASHSCOPE_API_KEY
model:
  provider: dashscope
  name: qwen-max

统一 Provider 列表：claude-code, anthropic, ollama, openai, dashscope

完整 ReAct Agent

agentId: research-agent
name: ResearchAgent
type: react
systemPrompt: |
  You are a research assistant. Use tools to find information,
  then synthesize a comprehensive answer.

model:
  provider: anthropic
  name: claude-sonnet-4-20250514
  temperature: 0.0
  maxTokens: 4096

react:
  maxSteps: 15
  toolTimeout: 30
  observationEnabled: true
  verbose: false

mcp:
  onlineTool:
    my-server:
      - search
      - read_file
  localTools:
    - terminate
  policy:
    mode: auto           # auto | force | intelligence | disable
    retryOnFail: 1

guard:
  dangerousCommandBlock: true
  highRiskConfirmation: false
  maxOutputLength: 10000
  validator: "len(x) > 10"
  retry: 1
  fallback: last

# --strict-mcp-config: MCP 隔离模式
# 当设置时，Agent 只能访问配置中声明的 MCP 工具，不继承全局工具
strictMcpConfig: true   # 等同于 CLI 的 --strict-mcp-config 标志

memory:
  enabled: true
  strategy: local
  size: 20
  ttl: 3600

app:
  mcp:
    custom:
      nodes:
        my-server:
          url: http://localhost:3001
          endpoint: /mcp
          timeout: 30

Agent 类型速查

type	Lambda 对应	说明
`simple`	`λx. LLM(x)`	单步 LLM 调用
`react`	`Y_n(λself.λstate. think >> route >> observe)`	ReAct 循环（工具调用）
`chain`	`f >> g >> h`	顺序执行管道
`router`	`CASE (classifier x) [(l₁, a₁), ...]`	分类器路由
`parallel`	`(f \\| g) >> merge`	并行执行 + 合并

退出码

退出码	说明
`0`	成功
`1`	一般错误（输入缺失、工具注入失败等）
`3`	lint 存在 ERROR 级别问题
`4`	文件未找到
`130`	用户中断（Ctrl+C）

Part II — agentpaas CLI

AgentPaaS 平台管理 CLI。管理 API 服务器、租户、Agent 部署、运行监控和 LLM Provider。

快速开始

# 1. 启动 API 服务器（开发模式）
python -m agentpaas serve --dev

# 2. 创建租户并获取 API Key
python -m agentpaas create-tenant --name "My Org"
# 输出：
#   Tenant: tn_xxxx
#   API Key: ap_xxxx
#   API key saved to config. Ready to use.

# 3. 创建 Agent（从 YAML 配置）
python -m agentpaas agent create --name my-agent --config agent-config.yml

# 4. 执行 Agent
python -m agentpaas run ag_xxxx "帮我写快速排序"

# 5. 查看状态
python -m agentpaas status

config — CLI 配置

配置 CLI 连接参数（服务器地址、API Key）。配置保存在 ~/.agentpaas/config.json。

# 查看当前配置
python -m agentpaas config show

# 设置服务器地址
python -m agentpaas config set --server http://your-server:8000

# 设置 API Key
python -m agentpaas config set --api-key ap_your_api_key_here

# 同时设置
python -m agentpaas config set --server http://prod:8000 --api-key ap_xxxx

输出示例：

Server:  http://localhost:8000
API Key: ap_abcdef12...
Config:  /Users/you/.agentpaas/config.json

serve — 启动 API 服务器

启动 AgentPaaS FastAPI 服务器。

python -m agentpaas serve [--host HOST] [--port PORT] [--dev]

参数	说明
`--host`	绑定地址（默认 `0.0.0.0`）
`--port`	端口（默认 `8000`）
`--dev`	开发模式（热重载）

示例

# 开发模式（自动重载）
python -m agentpaas serve --dev

# 生产模式（需要设置 AGENTPAAS_MASTER_KEY）
export AGENTPAAS_MASTER_KEY=$(python -c "import secrets; print(secrets.token_hex(32))")
python -m agentpaas serve --port 8080

# 启动后可访问
#   API 文档: http://localhost:8000/docs
#   健康检查: http://localhost:8000/health

create-tenant — 创建租户

直接操作数据库创建租户（不需要 API 服务器运行）。自动生成 admin 用户和 API Key。

python -m agentpaas create-tenant --name "组织名" [--plan free|pro] [--email admin@org.com]

参数	说明
`--name`	租户名称（必填）
`--plan`	套餐（`free`/`pro`，默认 `free`）
`--email`	管理员邮箱

示例

python -m agentpaas create-tenant --name "Research Lab" --plan pro --email admin@lab.edu

输出：

Tenant: tn_a1b2c3d4
API Key: ap_e5f6g7h8i9j0k1l2m3n4o5p6
API key saved to config. Ready to use.

API Key 只显示一次，请安全保存。Key 已自动写入 ~/.agentpaas/config.json。

agent — Agent 管理

Agent 的完整生命周期管理：创建、查看、更新、删除、版本管理。

agent list — 列出所有 Agent

python -m agentpaas agent list

输出：

ID               Name                  Ver Status       Updated
--------------------------------------------------------------------------------
ag_abc123        ResearchBot             3 active       2026-04-01T10:30:00
ag_def456        CodeReviewer            1 active       2026-03-28T14:20:00

agent create — 创建 Agent

python -m agentpaas agent create --name <name> [--config <yaml>] [--prompt <text>] [--description <text>] [--tags <t1,t2>]

参数	说明
`--name`	Agent 名称（必填）
`--config`	YAML 配置文件路径
`--prompt`	快速创建：直接指定 system prompt（不用 YAML）
`--description`	Agent 描述
`--tags`	逗号分隔的标签

# 从 YAML 创建
python -m agentpaas agent create --name research-bot --config research-agent.yml --tags "research,rag"

# 快速创建（无需 YAML）
python -m agentpaas agent create --name quick-helper --prompt "You are a helpful coding assistant."

输出：

Agent created: ag_abc123
Version: 1
Endpoint: /api/v1/agents/ag_abc123

agent get — 查看 Agent 详情

python -m agentpaas agent get ag_abc123

输出（JSON）：

{
  "id": "ag_abc123",
  "name": "ResearchBot",
  "current_version": 3,
  "status": "active",
  "config": { "type": "react", "systemPrompt": "..." },
  "tags": ["research", "rag"]
}

agent update — 更新配置

python -m agentpaas agent update ag_abc123 --config new-config.yml --changelog "增加搜索工具"

自动版本递增。如果配置内容未变化，不会创建新版本。

agent rollback — 回滚版本

python -m agentpaas agent rollback ag_abc123 --version 2

agent versions — 查看版本历史

python -m agentpaas agent versions ag_abc123

输出：

 Ver Current  Created              Changelog
------------------------------------------------------------
   3 *        2026-04-01T10:30:00  增加搜索工具
   2          2026-03-30T09:00:00  优化 prompt
   1          2026-03-28T14:20:00  Initial version

agent update — 更新 Agent 配置

更新已部署 Agent 的 YAML 配置，自动递增版本号。

python -m agentpaas agent update <agent_id> --config <new-config.yml> [--changelog "变更说明"]

参数	说明
`agent_id`	Agent ID
`--config`	新的 YAML 配置文件
`--changelog`	版本变更说明

# 更新配置（自动版本递增）
python -m agentpaas agent update ag_abc123 --config agent-v2.yml --changelog "切换到 claude-code provider"

# 切换 provider（修改 YAML 中的 model.provider 后更新）
python -m agentpaas agent update ag_abc123 --config agent-claude-code.yml --changelog "无需 API Key"

如果配置内容未变化，不会创建新版本。更新后可用 agent versions 查看历史，用 agent rollback 回退。

agent delete — 删除 Agent

python -m agentpaas agent delete ag_abc123

软删除，不会物理删除数据。

chat — 交互式对话

通过 PaaS API 与已部署的 Agent 进行交互式多轮对话。支持流式输出（SSE）。

python -m agentpaas chat [target]

参数	说明
`target`	Agent ID（`ag_xxx`）或 Agent 名称。省略则自动选择

基本用法

# 按名称对话（支持模糊匹配）
agentpaas chat lambda

# 按 ID 对话
agentpaas chat ag_abc123

# 省略 target，自动选择唯一 Agent 或交互式列表
agentpaas chat

使用 claude-code provider

如果 Agent 的 YAML 配置中指定了 provider: claude-code，agentpaas chat 会使用 Claude Code 后端，无需任何 API Key：

# agent-config.yml
agentId: lambda
name: lambda
type: react
model:
  provider: claude-code
  name: sonnet
systemPrompt: "You are a helpful assistant."

# 部署后直接对话，不需要 API Key
agentpaas agent create --name lambda --config agent-config.yml
agentpaas chat lambda

会话内命令

命令	说明
`exit` / `quit` / `bye`	退出对话
`history`	查看对话历史

示例会话

╔══════════════════════════════════════════════════════════╗
║  lambda — via AgentPaaS                                 ║
║  Agent: ag_abc123  Version: 3                           ║
╠══════════════════════════════════════════════════════════╣
║  输入消息开始对话，exit 退出，history 查看历史          ║
╚══════════════════════════════════════════════════════════╝

You: 帮我写一个快速排序
Agent: [streaming response...]

run — 执行 Agent（远程）

通过 API 远程执行 Agent。

python -m agentpaas run <agent_id> [input] [--input-file FILE] [--temperature FLOAT] [--max-steps INT] [--stream]

参数	说明
`agent_id`	Agent ID（如 `ag_abc123`）
`input`	输入文本
`--input-file`	从文件读取输入
`--temperature`	覆盖温度
`--max-steps`	覆盖最大步数
`--stream`	流式输出（预留）

示例

# 直接输入
python -m agentpaas run ag_abc123 "帮我写一个快速排序"

# 从文件读取
python -m agentpaas run ag_abc123 --input-file task.txt

# 覆盖参数
python -m agentpaas run ag_abc123 "创意写作" --temperature 0.8 --max-steps 20

输出：

Running agent ag_abc123...

--- Result (3.2s) ---
def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    ...

--- Stats ---
  Run ID:    run_xyz789
  Tokens:    1523 (in: 423, out: 1100)
  Steps:     4
  Duration:  3215ms

status — 平台状态

查看平台总览或单个 Agent 的运行状态。

# 平台总览
python -m agentpaas status

# 所有 Agent 状态（含健康度评分）
python -m agentpaas status agents [--sort last_run|score|runs]

# 单个 Agent 详情
python -m agentpaas status ag_abc123

平台总览

python -m agentpaas status

输出：

=== AgentPaaS Status ===
  Active agents:  5
  Total runs:     1247
  Running now:    2
  Success rate:   94.3%
  Avg latency:    2341ms
  Total tokens:   4523100

Agent 状态仪表板

python -m agentpaas status agents

输出：

ID               Name              Score  Runs   Fail  Succ%  Lat(ms) Last Run
----------------------------------------------------------------------------------------------------
ag_abc123        ResearchBot       [+] 92    523     12    97.7%     2100 2026-04-01T10:30
ag_def456        CodeReviewer      [~] 71    200     35    82.5%     4500 2026-04-01T09:15
ag_ghi789        Translator        [!] 45     50     22    56.0%     8200 2026-03-30T18:00

健康度符号: + = healthy, ~ = degraded, ! = warning, X = critical

health — Agent 健康度

查看单个 Agent 的详细健康评分和各维度指标。

python -m agentpaas health ag_abc123

输出：

[OK] Agent ag_abc123 health: 92/100 (healthy)
  success_rate: 97.7%
  avg_latency_ms: 2100
  error_rate_1h: 1.2%
  p99_latency_ms: 5800

runs — 运行历史

查看 Agent 的运行历史记录。

python -m agentpaas runs <agent_id> [--limit N]

python -m agentpaas runs ag_abc123 --limit 10

输出：

Run ID           Status      Dur(ms)  Steps   Tokens Created
--------------------------------------------------------------------------------
run_001          completed      2100      4     1523 2026-04-01T10:30:00
run_002          completed      1800      3     1200 2026-04-01T09:15:00
run_003          failed         5200      7     3100 2026-04-01T08:00:00

trace — 运行追踪

查看单次运行的详细执行追踪（JSON 输出）。

python -m agentpaas trace <run_id>

python -m agentpaas trace run_001

输出完整的 run 记录（JSON），包含 input、output、status、duration、tokens 等。

key — API Key 管理

key create — 创建新 Key

python -m agentpaas key create --name <name> [--scopes <s1,s2>] [--rate-limit N]

参数	说明
`--name`	Key 名称
`--scopes`	权限范围（逗号分隔，默认 `agents:read,agents:execute`）
`--rate-limit`	每分钟请求限制（默认 60）

# 创建只读 Key
python -m agentpaas key create --name readonly-key --scopes "agents:read"

# 创建高频 Key
python -m agentpaas key create --name batch-key --scopes "agents:read,agents:execute" --rate-limit 600

输出：

Key created: key_abc123
API Key: ap_xxxxxxxxxxxxxxxxxxxxxxxx
Store this key securely!

key list — 列出所有 Key

python -m agentpaas key list

输出：

ID               Prefix     Name             Status   Last Used
----------------------------------------------------------------------
key_abc123       ap_abcd    admin            active   2026-04-01T10:30
key_def456       ap_efgh    readonly-key     active   2026-03-28T14:20

key revoke — 吊销 Key

python -m agentpaas key revoke key_def456

usage / metrics — 计费与指标

usage — 使用量查询

python -m agentpaas usage [--group-by agent|model|day]

# 按 Agent 统计
python -m agentpaas usage --group-by agent

# 按模型统计
python -m agentpaas usage --group-by model

# 按日统计
python -m agentpaas usage --group-by day

metrics — 平台指标

python -m agentpaas metrics

输出平台级别的聚合指标（JSON 格式）。

provider — LLM Provider 管理

管理 LLM 服务提供商配置。配置保存在 ~/.agentpaas/providers.json，本地操作不需要 API 服务器。

预置 Provider

ID	名称	类型	环境变量
`claude-code`	Claude Code (Max Plan)	claude_code	—（无需 API Key）
`anthropic`	Anthropic Claude	anthropic	`ANTHROPIC_API_KEY`
`openai`	OpenAI GPT	openai	`OPENAI_API_KEY`
`dashscope`	DashScope (Qwen)	openai_compatible	`DASHSCOPE_API_KEY`
`deepseek`	DeepSeek	openai_compatible	`DEEPSEEK_API_KEY`
`zhipu`	Zhipu AI (GLM)	openai_compatible	`ZHIPU_API_KEY`
`moonshot`	Moonshot (Kimi)	openai_compatible	`MOONSHOT_API_KEY`
`ollama`	Ollama (Local)	openai_compatible	—

统一 Provider 系统：五个核心 Provider — claude-code, anthropic, ollama, openai, dashscope。claude-code 通过 Claude Code CLI 直接调用，不需要任何 API Key。

provider list — 列出所有 Provider

python -m agentpaas provider list

输出：

ID              Name                      Base URL                                      Status
----------------------------------------------------------------------------------------------------
anthropic       Anthropic                 https://api.anthropic.com                     [OK]
openai          OpenAI                    https://api.openai.com/v1                     [NO KEY (OPENAI_API_KEY)]
dashscope       DashScope (Qwen)          https://dashscope.aliyuncs.com/compatible-mod [OK]
ollama          Ollama (Local)            http://localhost:11434/v1                      [OK]

provider add — 添加/更新 Provider

python -m agentpaas provider add <id> [--api-key KEY] [--base-url URL] [--name NAME] [--models m1,m2]

# 配置 DashScope API Key
python -m agentpaas provider add dashscope --api-key sk-xxxx

# 添加自定义 Provider
python -m agentpaas provider add my-llm \
  --name "My LLM Service" \
  --base-url https://my-llm.example.com/v1 \
  --api-key sk-xxxx \
  --models "my-model-7b,my-model-72b"

provider test — 测试连接

python -m agentpaas provider test <id> [--api-key KEY] [--model MODEL] [--prompt TEXT]

# 测试 Anthropic（使用环境变量中的 Key）
python -m agentpaas provider test anthropic

# 测试指定模型
python -m agentpaas provider test dashscope --model qwen-max

# 自定义测试 prompt
python -m agentpaas provider test openai --prompt "Say hello in Chinese"

输出：

Testing dashscope (qwen3-max-2026-01-23)...
OK (1.2s): 你好！有什么可以帮助你的吗？

provider models — 查看可用模型

python -m agentpaas provider models <id>

python -m agentpaas provider models dashscope

输出（从 API 动态查询）：

  qwen-max
  qwen-plus
  qwen-turbo
  qwen3-max-2026-01-23

provider remove — 移除 Provider

python -m agentpaas provider remove my-llm

典型工作流

1. 本地开发流程

# 启动服务
python -m agentpaas serve --dev &

# 创建租户
python -m agentpaas create-tenant --name dev

# 配置 LLM Provider
python -m agentpaas provider add dashscope --api-key sk-xxxx
python -m agentpaas provider test dashscope

# 编写 + lint Agent 配置
python -m lambdagent lint my-agent.yml
python -m lambdagent compile my-agent.yml --validate

# 本地测试（直接执行，不经过 PaaS）
python -m lambdagent run my-agent.yml "test input" --trace

# 部署到 PaaS
python -m agentpaas agent create --name my-agent --config my-agent.yml

# 远程执行
python -m agentpaas run ag_xxxx "production input"

# 监控
python -m agentpaas status agents
python -m agentpaas health ag_xxxx

2. 版本迭代流程

# 修改配置后更新
python -m lambdagent lint my-agent-v2.yml
python -m agentpaas agent update ag_xxxx --config my-agent-v2.yml --changelog "优化 prompt"

# 查看版本
python -m agentpaas agent versions ag_xxxx

# 测试新版本
python -m agentpaas run ag_xxxx "test input"

# 如果有问题，回滚
python -m agentpaas agent rollback ag_xxxx --version 1

3. 运维排查流程

# 查看整体状态
python -m agentpaas status

# 找到异常 Agent
python -m agentpaas status agents --sort score

# 查看健康详情
python -m agentpaas health ag_xxxx

# 查看最近运行
python -m agentpaas runs ag_xxxx --limit 5

# 查看失败运行的详情
python -m agentpaas trace run_failed_xxx

# 查看使用量
python -m agentpaas usage --group-by agent

cli-usage.md 37 KB لینک دائمی تاريخچه خام

lambdagentpaas CLI 完整使用说明

Part I — lambdagent CLI

目录（lambdagent）

安装与配置

命令总览

compile — 编译 YAML → Lambda 项

参数

示例

run — 编译 + 执行 Agent

参数

基本用法

run.py --claude (agent67)

覆盖模型参数

注入 CLI 工具

追踪与调试

Unix 管道组合

repl — 交互式会话

进入 REPL

REPL 内置命令

REPL 会话示例

lint — 静态分析

参数

示例

lint 规则速查

trace — 查看 β-规约追踪

参数

默认视图（全部步骤）

查看单步详情

时间线视图

lambda — 导出 Lambda 表达式

参数

示例

tools — 列出和测试工具

参数

示例

version — 版本信息

高级用法

1. JSON 输出用于程序化处理

2. 管道编排 Agent

3. 批量处理

4. 工具注入 + ReAct 实战

5. 模型对比

YAML 配置参考

最小配置

Provider 切换（YAML 配置）

完整 ReAct Agent

Agent 类型速查

退出码

Part II — agentpaas CLI

目录（agentpaas）

快速开始

config — CLI 配置

serve — 启动 API 服务器

示例

create-tenant — 创建租户

示例

agent — Agent 管理

agent list — 列出所有 Agent

agent create — 创建 Agent

agent get — 查看 Agent 详情

agent update — 更新配置

agent rollback — 回滚版本

agent versions — 查看版本历史

agent update — 更新 Agent 配置

agent delete — 删除 Agent

chat — 交互式对话

基本用法

使用 claude-code provider

会话内命令

示例会话

run — 执行 Agent（远程）

示例

status — 平台状态

平台总览

Agent 状态仪表板

health — Agent 健康度

runs — 运行历史

trace — 运行追踪

key — API Key 管理

cli-usage.md 37 KB

لینک دائمی تاريخچه خام