Agent Chat

跨平台桌面 AI Agent 客户端 —— 配置 API Key 即可使用，支持多厂商 LLM、MCP、Skill 与内置工具。

Agent Chat 是一款基于 Tauri v2 构建的桌面 AI Agent 应用。前端使用 React + TypeScript，AI 能力基于 Vercel AI SDK，提供流式输出、工具调用、MCP（Model Context Protocol）、规则（Rules）与技能（Skill）等完整能力。所有数据均本地存储，不上传任何第三方服务器。

功能特性

多厂商 LLM 支持

• 官方 Provider：OpenAI、DeepSeek、Anthropic (Claude)、Google (Gemini)、xAI (Grok)
• OpenAI 兼容接口：智谱 GLM、通义千问、Kimi 等任意 baseURL + 自定义请求头
• 本地部署模型：Ollama、vLLM、LocalAI 等 OpenAI 兼容服务
• 多 Provider / 多模型并存，可随时切换

对话

• 流式输出，逐 token 渲染
• Markdown 渲染：代码高亮（Shiki）、GFM、LaTeX 数学公式（KaTeX）
• 思考过程（Reasoning）展示、工具调用（Tool Call）可视化
• 重新生成回复、停止生成、消息复制
• 对话分类管理、系统提示词（全局 / 对话级）

规则系统（Rules）

• 三层作用域：全局规则 > 分类规则 > 对话规则（高优先级覆盖低优先级）
• 三种触发方式：always 始终生效 / manual 手动触发 / requested 智能推荐
• 支持 Markdown 与 YAML 两种格式，自动注入系统提示词

MCP（Model Context Protocol）

• 支持 stdio 与 SSE 两种传输方式
• 一键连接 / 断开，工具自动发现与注册
• Server 状态监控（连接中 / 已连接 / 已断开）
• MCP 工具与内置工具统一接入 AI SDK 工具体系

Skill 技能系统（Agent Skills 开放标准）

• 遵循 agentskills.io 标准，{appDataDir}/skills/<name>/SKILL.md 目录结构
• 模型自动匹配（渐进式披露）：read_skill 读取指令 → run_skill_script 执行配套脚本
• 创建 / 编辑 / 导入 / 导出 / 启用禁用
• 严格的 name 与相对路径校验，杜绝路径穿越

内置工具

工具	说明	是否强制确认
read_file / write_file / edit_file	文件读写与精确替换	否
delete_file	删除文件（进回收站）	是
list_directory / search_file / search_content	目录浏览与搜索	否
execute_command	执行 Shell 命令	是
run_skill_script	执行 Skill 配套脚本	是
preview_url	浏览器打开 URL	否

工具权限控制

• 三种全局模式：始终询问 / 首次授权 / 完全信任
• 按工具单独覆盖（允许 / 拒绝 / 始终询问）
• 危险操作（execute_command、delete_file）始终强制确认，不可跳过

界面

• 三栏布局：对话列表 / 对话区域 / 右侧上下文面板（可折叠）
• 亮色 / 暗色 / 跟随系统主题，窗口状态记忆

技术栈

层	技术
桌面框架	Tauri v2（Rust 后端 + WebView 前端）
前端框架	React 19 + TypeScript + Vite 7
AI 集成	Vercel AI SDK（@ai-sdk/*）
状态管理	Zustand
样式	Tailwind CSS v4 + Lucide 图标
对话渲染	react-markdown + remark-gfm + rehype-katex + shiki
本地存储	IndexedDB（Dexie）
MCP 客户端	@modelcontextprotocol/sdk

目录结构

├── docs/                 # 需求与设计文档
│   ├── requirements.md   # 需求文档
│   ├── design.md         # 设计文档
│   └── ui-design.md      # UI 设计
├── src/
│   ├── components/       # 界面组件（chat / layout / settings）
│   ├── pages/            # 路由页面（Chat / Rules / MCP / Skills / Settings 等）
│   ├── stores/           # Zustand 状态（对话、Provider、规则、Skill、MCP、UI）
│   ├── lib/
│   │   ├── ai/           # AI SDK 封装（agent、tools、providers、runAgent）
│   │   ├── db/           # Dexie 数据库层
│   │   ├── mcp/          # MCP 客户端（stdio / SSE / 工具转换）
│   │   └── skills/       # Skill 解析与校验
│   ├── services/         # Tauri invoke 服务层（skillService 等）
│   └── types/            # 类型定义
├── src-tauri/
│   └── src/
│       ├── commands/     # Rust 后端命令（file / shell / search / mcp / system）
│       └── mcp/          # MCP stdio 子进程池
├── cambia/               # 插件内核（Cambia）与 Tauri 适配层
│   ├── crates/           # tauri-plugin-cambia（宿主适配层）
│   └── docs/             # 内核规范、实现方案与计划
├── .github/workflows/    # 多平台 Release 自动构建
└── package.json

快速开始

环境要求

• Node.js 20+
• pnpm（本项目的包管理器，版本见 package.json 的 packageManager 字段）
• Rust stable（安装 tauri CLI 依赖）
• 对应平台的系统依赖：Windows 需 WebView2、Linux 需 libwebkit2gtk-4.1-dev 等（参考 Tauri 官方文档）

开发调试

# 安装依赖
pnpm install

# 启动前端（仅浏览器预览，无 Tauri 能力）
pnpm dev

# 启动完整桌面应用（Tauri + 前端热更新）
pnpm tauri dev

构建打包

# 构建前端产物（tsc 类型检查 + vite build）
pnpm build

# 打包桌面应用（生成安装包，Windows: NSIS/MSI，macOS: dmg，Linux: AppImage/deb/rpm）
pnpm tauri build

发布

推送 v* tag 或手动触发 Release workflow，GitHub Actions 会自动在 Windows / macOS（Apple Silicon + Intel）/ Linux 三个平台构建并创建 Release 草稿。

使用说明

1. 打开 设置 页面，添加 Provider 并填入 API Key、选择模型
2. 在顶部选择要使用的模型，即可开始对话
3. 需要 Agent 操作本地文件或执行命令时，模型会通过内置工具发起调用，按提示完成授权
4. 在 Skills 页面管理技能，Rules 页面配置行为规则，MCP 页面连接 MCP Server

数据存储于应用数据目录：

• 对话 / 消息 / 规则 / MCP 配置：IndexedDB（Dexie）
• Skill 文件：{appDataDir}/skills/<name>/SKILL.md

安全说明

• 所有工具调用均需用户授权，危险操作（命令执行、文件删除、脚本执行）强制确认
• Skill 名称与相对路径经过严格校验，防止目录穿越
• 敏感文件系统操作由 Rust 后端执行，前端仅通过 IPC 访问白名单命令
• 数据全部本地存储

相关文档

• 需求文档
• 设计文档
• UI 设计
• 插件内核（Cambia）

许可证

本项目基于 GPL-3.0 许可证开源。