Funk-lab/stt/server/stt_server/app.py
ALI YESILKAYA 9a46f6cbcb
feat(stt): actions cluster via Hermes — contexte « agent » + exécuteur hermes-exec (#42)
Asa peut AGIR sur le homelab (l'autre moitié de la vision), via le vrai agent Hermes,
profil par défaut, tous ses outils — avec confirmation et jeton.

Découverte : Hermes n'a pas d'API HTTP (appli TUI), mais un mode one-shot `hermes -z
"<prompt>" --yolo`. On s'appuie dessus.

storage-01 — exécuteur :
- tools/hermes-exec/server.py : service HTTP qui lance `hermes -z --yolo` en user hermes,
  derrière un jeton Bearer (compare_digest), timeout + audit, une action à la fois.
- rôle Ansible hermes_exec : systemd (User=hermes, env hermes-agent), jeton via
  EnvironmentFile 0640 (Vault vault_hermes_exec_token) ; ajouté au playbook storage-01.

STT-server (0.5.0 → 0.6.0) :
- agent.py : pont vers hermes-exec (jeton) + détection confirme/annule.
- contexts.py : contexte « agent » (court-circuite le LLM).
- app.py : flux dédié — handshake 2 temps par session (pending action) → sur « confirme »,
  appelle hermes-exec ; « annule » annule. /v1/contexts masque « agent » si désactivé.
- config : STT_ACTIONS_ENABLED (opt-in, défaut false) + URL + jeton (secret k8s).
- deployment : env actions + secret stt-server-secrets/hermes-exec-token (optionnel).

Sécurité : opt-in désactivé par défaut ; jeton obligatoire (sinon contexte caché + exécuteur
refuse tout) ; --yolo atteint seulement jeton+confirmation en main ; audit storage-01.
Client : AUCUN changement (le contexte « agent » apparaît tout seul dans le sélecteur).

Validé en local : exécuteur (401 sans/mauvais jeton, exec avec bon jeton via echo),
handshake serveur (TestClient : confirme→exécute, annule→annule, agent masqué si OFF).

Co-authored-by: Claude Opus 4.8 <noreply@anthropic.com>
2026-06-21 04:00:14 +02:00

230 lines
8.7 KiB
Python

"""STT-server — API FastAPI pour les clients STT.
Endpoints :
GET /healthz → état du service
POST /v1/ask {text}{reply} (requête AI, orchestrée vers LiteLLM)
"""
from __future__ import annotations
import logging
import time
from contextlib import asynccontextmanager
import httpx
from fastapi import BackgroundTasks, FastAPI, HTTPException
from pydantic import BaseModel
from stt_server import __version__
from stt_server import brain
from stt_server.brain import ask as brain_ask
from stt_server.config import settings
from stt_server import agent
from stt_server.contexts import CONTEXTS, assemble, get_context
from stt_server.knowledge import Knowledge
from stt_server.longterm import LongTermMemory
from stt_server.memory import SessionStore
from stt_server.sources import fetch_blocks, ghostfolio_phrase
log = logging.getLogger("stt_server")
# uvicorn ne configure que ses propres loggers : on attache notre handler en INFO
# pour que les lignes de timing (`ask … recall/gen/total`) sortent dans les logs du pod.
if not log.handlers:
log.setLevel(logging.INFO)
_h = logging.StreamHandler()
_h.setFormatter(logging.Formatter("%(levelname)s: %(name)s: %(message)s"))
log.addHandler(_h)
log.propagate = False
sessions = SessionStore()
longterm = LongTermMemory() if settings.memory_longterm else None
knowledge = Knowledge() if settings.docs_rag else None
# Contexte « agent » : action en attente de confirmation, par session.
pending_actions: dict[str, str] = {}
def _actions_available() -> bool:
return settings.actions_enabled and bool(settings.hermes_exec_token)
@asynccontextmanager
async def lifespan(app: FastAPI):
yield
# Fermeture propre des clients HTTP persistants (pooling).
await brain.aclose()
if longterm:
await longterm.aclose()
if knowledge:
await knowledge.aclose()
app = FastAPI(title="STT-server", version=__version__, lifespan=lifespan)
class AskRequest(BaseModel):
text: str
model: str | None = None # alias LiteLLM ; défaut serveur si absent
session_id: str | None = None # mémoire court-terme : fil de conversation
context: str | None = None # contexte présélectionné (funk/ghostfolio/…)
secrets: dict | None = None # jetons client (ex. {"ghostfolio_token": …})
class PortfolioRequest(BaseModel):
token: str | None = None # jeton Ghostfolio fourni par le client (sinon env)
class AskReply(BaseModel):
reply: str
model: str
context_id: str # contexte effectivement utilisé
context: dict | None = None # contexte assemblé (visualiseur HUD)
@app.get("/healthz")
async def healthz() -> dict:
return {"status": "ok", "version": __version__}
@app.get("/v1/models")
async def v1_models() -> dict:
return {"default": settings.model, "available": settings.allowed_models}
@app.get("/v1/contexts")
async def v1_contexts() -> dict:
"""Contextes présélectionnables (pour le sélecteur du HUD)."""
return {
"default": settings.default_context,
"contexts": [
{"id": c.id, "label": c.label, "icon": c.icon, "description": c.description}
for c in CONTEXTS.values()
# le contexte « agent » n'apparaît que si les actions sont activées + jeton
if c.id != "agent" or _actions_available()
],
}
@app.get("/v1/memory/health")
async def v1_memory_health() -> dict:
"""État de la mémoire long-terme (embeddings + Qdrant + collection), erreurs exposées."""
if not longterm:
return {"enabled": False}
return await longterm.health()
@app.post("/v1/portfolio")
async def v1_portfolio(req: PortfolioRequest) -> dict:
"""Valeur du portefeuille Ghostfolio (intent vocal client → serveur).
Le serveur fait l'appel Ghostfolio avec le jeton fourni par le client (sinon le
jeton serveur `STT_GHOSTFOLIO_TOKEN`). Un seul code Ghostfolio, lecture seule.
"""
async with httpx.AsyncClient() as c:
summary = await ghostfolio_phrase(c, req.token)
return {"summary": summary}
@app.post("/v1/reset")
async def v1_reset(req: AskRequest) -> dict:
if req.session_id:
sessions.reset(req.session_id)
return {"status": "reset"}
def _agent_context_debug(detail: dict) -> dict:
"""Structure de visualisation pour le contexte agent (transparence du handshake)."""
return {
"id": "agent", "label": "Agent (actions)", "icon": "🤖",
"system_prompt": "Flux agent : la demande est confirmée puis exécutée par "
"le vrai agent Hermes (hermes -z --yolo).",
"blocks": [{"source": "agent", "title": "Action", "text": str(detail)}],
"docs": [], "memories": [],
}
async def _handle_agent(req: AskRequest, text: str) -> AskReply:
"""Handshake de confirmation puis exécution via hermes-exec. Court-circuite le LLM."""
sid = req.session_id or "anon"
if not _actions_available():
return AskReply(
reply="Les actions sont désactivées côté serveur.",
model=settings.model, context_id="agent",
context=_agent_context_debug({"disabled": True}),
)
pending = pending_actions.get(sid)
if pending and agent.is_confirmation(text):
pending_actions.pop(sid, None)
out = await agent.run_action(pending)
log.info("agent EXEC sid=%s prompt=%r", sid, pending[:120])
return AskReply(reply=out, model=settings.model, context_id="agent",
context=_agent_context_debug({"executed": pending, "result": out[:300]}))
if pending and agent.is_cancellation(text):
pending_actions.pop(sid, None)
return AskReply(reply="C'est annulé.", model=settings.model, context_id="agent",
context=_agent_context_debug({"cancelled": pending}))
# nouvelle demande (ou remplacement) → on stocke et on demande confirmation
pending_actions[sid] = text
reply = f"Tu veux que j'exécute : « {text} » ? Dis « confirme » ou « annule »."
return AskReply(reply=reply, model=settings.model, context_id="agent",
context=_agent_context_debug({"pending": text}))
@app.post("/v1/ask", response_model=AskReply)
async def v1_ask(req: AskRequest, background: BackgroundTasks) -> AskReply:
text = req.text.strip()
if not text:
raise HTTPException(status_code=400, detail="text vide")
model = req.model or settings.model
if model not in settings.allowed_models:
raise HTTPException(
status_code=400,
detail=f"modèle '{model}' non autorisé ; dispo : {settings.allowed_models}",
)
ctx = get_context(req.context)
# Contexte « agent » : flux dédié (confirmation 2 temps → hermes-exec), sans LLM.
if ctx.id == "agent":
return await _handle_agent(req, text)
t0 = time.perf_counter()
history = sessions.history(req.session_id) if req.session_id else None
# recall : timeout serré, dégrade vite ; renvoie aussi le vecteur (réutilisé ci-dessous)
memories, qvec = await longterm.recall(text) if longterm else ([], None)
# RAG doc : seulement si le contexte le demande (réutilise qvec, même embedder nomic)
docs = []
if "docs" in ctx.sources and knowledge:
docs = await knowledge.search(text, qvec)
# Sources live du contexte (Ghostfolio / Prometheus / Alertmanager) — best-effort
blocks: list = []
live = tuple(s for s in ctx.sources if s != "docs")
if live:
async with httpx.AsyncClient() as c:
blocks = await fetch_blocks(c, live, secrets=req.secrets)
t_recall = time.perf_counter()
system, ctx_debug = assemble(ctx, blocks=blocks, docs=docs, memories=memories)
try:
reply = await brain_ask(text, system, model, history)
except httpx.HTTPError as e:
raise HTTPException(status_code=502, detail=f"upstream LiteLLM : {e}") from e
t_gen = time.perf_counter()
if req.session_id:
sessions.add(req.session_id, "user", text)
sessions.add(req.session_id, "assistant", reply)
# store : APRÈS la réponse (BackgroundTasks) → hors latence perçue, et on réutilise qvec
if longterm:
background.add_task(longterm.store, req.session_id or "anon", text, qvec)
log.info(
"ask ctx=%s model=%s recall+src=%.0fms gen=%.0fms total=%.0fms mem=%d docs=%d blocks=%d",
ctx.id, model,
(t_recall - t0) * 1000,
(t_gen - t_recall) * 1000,
(t_gen - t0) * 1000,
len(memories), len(docs), len(blocks),
)
return AskReply(reply=reply, model=model, context_id=ctx.id, context=ctx_debug)
def run() -> None:
"""Entrypoint `stt-server` (dev local). En prod : uvicorn via le conteneur."""
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000) # noqa: S104 — service interne au cluster