Hermit/docs/webui.md

WebUI（内置 HTTP + SSE 前端）

cst-agent --web 让同一个进程同时提供命令行以外的前端：浏览器（或任何 HTTP 客户端） 连上后能看到流式回答、工具卡片、审批弹窗和任务清单。它是 TUI 之外的第二个前端， 引擎没有为它改一行——两边用的都是 cst_agent_hooks_t 这组回调。

这份文档同时是引擎 API v1 的规范：以后专门客户端（Tauri / Qt / 移动端）直接照它实现， 不需要读 C 代码。

快速开始

# 默认只监听 127.0.0.1:8787
cst-agent --web

# 指定端口；0 = 让系统分配（启动日志里会打印实际 URL）
cst-agent --web --web-port 8787

# 让手机/另一台机器访问（必须给 token，否则拒绝启动在非 loopback 上）
cst-agent --web --web-host 0.0.0.0 --web-token 我自己定的口令

# 开发前端：直接从目录读 web/，改完刷新页面即可，不用重新编译
cst-agent --web --web-dev ./web

# 启动后自动打开浏览器
cst-agent --web --web-open

# 启动即跑一轮（不点页面也能用）
cst-agent --web -p "看看这个仓库有什么问题"

启动日志：

webui: http://127.0.0.1:8787/
webui: token 3f9a…  (append #token=3f9a… to the URL)

带 token 时把 #token=… 贴到浏览器地址栏后面即可（# 之后不会发给服务器， 页面会用 ?token= 再请求一次）。

环境变量：CST_WEB_PORT、CST_WEB_HOST、CST_WEB_TOKEN、CST_WEB_ROOT。

退出：终端里 Ctrl+C，或 POST /api/quit。

安全模型

场景	行为
默认 127.0.0.1	不需要 token；Host 必须是 loopback（防 DNS rebinding）
--web-host 0.0.0.0	没给 --web-token 时自动生成随机 token 并打印；所有 /api/* 都要 token
token 传递	Authorization: Bearer <t>、Cookie: cst_token=<t> 或 ?token=<t>（EventSource 不能设 header，所以查询参数是必需的一条路）
资源	只有白名单路由；路径里的 ../编码 NUL 一律 400；静态资源来自二进制内嵌（或 --web-dev DIR）
输出渲染	模型与工具输出都当不可信内容：Markdown 由服务端渲染，并经过标签/属性白名单（javascript: 链接、站外图片、<script> 全部丢弃）
请求体	默认 1 MiB，图片上传 32 MiB；超限 413

不要把 WebUI 直接暴露到公网：没有 TLS，token 会以明文出现在网络里。需要远程访问时 放在反向代理（https）后面，并确认 X-Accel-Buffering: no 之类的缓冲设置不会掐断 SSE。

引擎 API（协议 cst-webui/1）

所有响应都是 JSON（Content-Type: application/json）。GET /api/state 的 protocol 字段给出版本号，客户端应当先看它再决定支持哪些端点。

事件流

GET /api/events?since=<seq>      →  text/event-stream (chunked)

• 每条事件都有 id: <seq>（单调递增）与 data: {"type":…,"seq":…, …}。
• 断线重连带上 since=<最后收到的 seq>（浏览器用 Last-Event-ID 也行）， 服务端保留最近 2000 条，超出后从可用的最老一条开始。
• 心跳是 SSE 注释 : ping（每秒一次，客户端忽略）。
• state 事件在状态变化时整份重发，客户端可以直接替换本地状态。

事件类型：

type	字段	说明
state	见下表	会话/模型/审批/todo/用量快照
status	message	引擎自己的一句话状态（"calling model (step 2)…"）
assistant_html	text	已渲染且已消毒的 HTML 片段，按顺序追加
assistant_delta	text	原始文本增量（逐字节真相，做复制/导出时用）
think_delta	text	推理过程增量（Thought）
tool	id,name,args,phase,detail	phase = open/ready/run/done
tool_result	id,name,out,exit,bytes,truncated	完整输出被截到 32 KiB，truncated=true
todo	text	todo_write 替换后的清单（一行一项）
permission	id,tool,detail,preview,sandbox	需要回答（见下）
permission_done	id,answer	问题已结束（超时/取消也会发）
ask_user	id,question,options[]	需要回答
session	id	切换/新建了会话，客户端应重新拉 /api/session
turn_end	rc,error	本轮结束（rc=0 正常，非 0 见 error）

state 字段：workspace session provider model effort approval (ask|auto|yolo) plan_mode protocol_tools status_busy todo context_tokens undo_available pending_images[] usage{requests,prompt_tokens, completion_tokens,cost,priced,currency}。

请求

方法	路径	说明
GET	/api/state	上面那份快照
GET	/api/session?from=N	会话消息（{messages:[…]}，形状与 .agent/sessions/*.jsonl 一致；assistant 消息额外带 html）
GET	/api/sessions	{current, sessions:[{id,title,messages,mtime}]}
POST	/api/sessions/new	{} → {id}
POST	/api/sessions/switch	{"id":"…"}
POST	/api/turn	{"text":"…"} → 202 {ok:true}；已有轮次在跑时 409
POST	/api/cancel	{} —— 取消当前轮（不会杀进程）
POST	/api/permission	{"id":N,"answer":0|1|2|3} → deny / once / always-tool / always-prefix
POST	/api/ask_user	{"id":N,"text":"…"} 或 {"id":N,"dismiss":true}
POST	/api/config	{model?,provider?,effort?,approval?,plan_mode?}
POST	/api/undo	回滚最近一轮的文件改动，回 200 + 报告文本
POST	/api/compact	手动压缩上下文
POST	/api/attach?name=x.png	请求体是图片原始字节（≤16 MiB），进入"待发送"列表
DELETE	/api/attach	清空待发送图片
GET	/api/attach/<rel>	读回已存进会话的图片（rel 由消息的 attach[].rel 给出）
POST	/api/quit	关闭进程

未命中路由 → 404 {"error":"not found"}；需要 token 而没给 → 401。

客户端接入示例（10 行）

import json, urllib.request
base = "http://127.0.0.1:8787"
def api(path, body=None, token=None):
    req = urllib.request.Request(base + path, method="POST" if body is not None else "GET")
    if token: req.add_header("Authorization", "Bearer " + token)
    data = json.dumps(body).encode() if body is not None else None
    return urllib.request.urlopen(req, data).read()
api("/api/turn", {"text": "hello"})           # 之后读 /api/events 收流

空 body 的 POST

POST /api/cancel、/api/undo、/api/compact、/api/quit 不需要 body。 没有 Content-Length 头的 POST 按 RFC 9112 §6.3 视为空 body（curl -X POST 正是这样发的），但该连接不再复用（服务端随后关闭它）：后面是否跟着未声明的 字节无法判断。

前端实现（web/）

没有构建步骤：web/index.html + web/app.js + web/style.css 是纯 ES module， 编译时被 scripts/embed_web.sh 塞进二进制（.gen/web_assets.inc，跟内置模型数据同一招）， 所以 Windows 发布包依旧是单个 exe。--web-dev DIR 可以绕过内嵌版本直接读目录。

Markdown 在服务端渲染（复用 TUI 用的 sashidown 流式 API），客户端只贴 HTML； 因此不需要引入任何 JS 依赖，也顺带保证了"只发送已确认的 HTML"。

测试

make check                        # 含 tests/test_webui（HTTP/SSE/鉴权/消毒）
sh scripts/e2e_webui.sh          # 用录制流跑完整轮次 + 权限往返，不需要 API key
sh scripts/e2e_webui.sh tests/fixtures/sse/deepseek-ctl ctl

手工验收清单（浏览器）：

1. 打开首页 → 顶部显示 workspace/模型/审批模式，右下状态"就绪"。
2. 输入一句话 → 助手气泡逐字出现；工具卡片自动展开、结束后带 exit= 标记。
3. 切到 ask 审批 → 写文件时弹窗；点"允许一次"后继续，点"拒绝"则该工具返回失败但对话继续。
4. 会话 按钮：新建/切换后历史正确重建（刷新页面也一样）。
5. 拖入一张图片 → 底部出现待发送提示，发送后历史里能看到图。
6. 关掉标签页再打开 → 事件流自动续传，不丢已完成的消息。

限制与已知问题

• 同一会话同时只能有一轮（POST /api/turn 返回 409）；TUI 与 WebUI 目前是 二选一（--web 时不启动 TUI），同进程并存留待后续的 hooks 分发层。
• 一个会话文件只能由一个进程写：不要同时用 TUI 打开 WebUI 正在用的那个 workspace。
• 没有 WebSocket；服务端→客户端用 SSE，客户端→服务端用 POST。够用且穿透代理更容易。
• 事件环只有 2000 条：断线太久（超过这个窗口）的客户端会从当前可用的最老事件开始， 这时应当重新拉一次 /api/session。