184 lines
7.1 KiB
Markdown
184 lines
7.1 KiB
Markdown
# L1 — 系统架构与安全模型层
|
||
|
||
**文档版本**: 2.0
|
||
**适用项目**: sgClaw（ZeroClaw 重构版）
|
||
**编制日期**: 2026-03-26
|
||
|
||
---
|
||
|
||
## 1. 架构总览
|
||
|
||
重构后的 sgClaw 架构要点应当这样理解：zeroclaw 是能力本体，sgClaw 是安全封装层，浏览器宿主是一个受保护的特权执行面。当前代码尚未完全落到这个目标结构，但主线架构口径必须先统一。
|
||
|
||
```
|
||
┌──────────────────────────────┐
|
||
│ Browser Host / Chromium Side │
|
||
│ - 启动 sgClaw 子进程 │
|
||
│ - 发送 init / submit_task │
|
||
│ - 复检 HMAC / domain / params │
|
||
│ - 执行 browser command 并回包 │
|
||
└──────────────┬───────────────┘
|
||
│ STDIO + JSON Line
|
||
┌──────────────▼───────────────┐
|
||
│ sgClaw Security Envelope │
|
||
│ - 握手与消息循环 │
|
||
│ - MAC Policy │
|
||
│ - BrowserPipeTool │
|
||
│ - Runtime / Tool Policy │
|
||
│ - Config Adaptation │
|
||
└──────────────┬───────────────┘
|
||
│ zeroclaw APIs / Local Config
|
||
┌──────────────▼───────────────┐
|
||
│ ZeroClaw Core Runtime │
|
||
│ - Prompt Builder │
|
||
│ - Skills / Memory │
|
||
│ - Tool Loop / Routing │
|
||
│ - Provider Dispatch │
|
||
└──────────────┬───────────────┘
|
||
│ Provider API / Optional Tools
|
||
┌──────────────▼───────────────┐
|
||
│ Model Provider │
|
||
│ - DeepSeek/OpenAI-compatible │
|
||
│ - 仅在配置存在时启用 │
|
||
└──────────────────────────────┘
|
||
```
|
||
|
||
架构上最重要的变化是：sgClaw 不应被定义为“浏览器专用 agent”，而应被定义为“保留现有浏览器协议前提下，对 zeroclaw 做安全化封装的运行时分发”。
|
||
|
||
---
|
||
|
||
## 2. 运行时分层
|
||
|
||
### 2.1 浏览器宿主层
|
||
|
||
宿主负责三类职责：
|
||
|
||
- 启动和托管 sgClaw Rust 子进程。
|
||
- 按协议发送 `init`、`submit_task`、`response`。
|
||
- 执行 Rust 发来的浏览器命令并回包。
|
||
|
||
sgClaw 仓库本身不包含 Chromium/C++ 实现代码，因此 L1 只定义宿主责任边界，不再把外部仓库中的假定文件结构写成“当前仓库现状”。
|
||
|
||
### 2.2 sgClaw 安全/控制层
|
||
|
||
Rust 侧是当前仓库的事实主体，职责包括：
|
||
|
||
- 在 [`src/lib.rs`](/home/zyl/projects/sgClaw/claw/src/lib.rs) 中建立 `StdioTransport`。
|
||
- 完成握手、加载 `rules.json`、创建 `BrowserPipeTool`。
|
||
- 在消息循环中接收浏览器消息并分发到执行层。
|
||
- 把执行日志和任务结果回传给宿主。
|
||
- 决定哪些 zeroclaw 能力能够暴露给当前运行环境。
|
||
|
||
### 2.3 zeroclaw 核心层
|
||
|
||
主线目标中，zeroclaw 应承担：
|
||
|
||
- prompt/system sections 组装
|
||
- skills / memory / routing
|
||
- tool loop 与 provider 协调
|
||
- 通用 agent 能力而非仅浏览器能力
|
||
|
||
### 2.4 当前实现的过渡态
|
||
|
||
当前执行层仍有两条路径：
|
||
|
||
1. `planner fallback`
|
||
说明：当未配置 `DEEPSEEK_API_KEY` 等环境变量时，使用仓库内置的轻量 planner 执行。
|
||
|
||
2. `ZeroClaw compat runtime`
|
||
说明：当提供模型配置后，通过 [`src/compat/runtime.rs`](/home/zyl/projects/sgClaw/claw/src/compat/runtime.rs) 构造 provider、memory 和 `browser_action` 工具，把任务交给 vendored ZeroClaw Agent。
|
||
|
||
这两条路径是当前代码现实，但都不应被写成长期产品定义。长期目标是“zeroclaw-first runtime + sgClaw security layer”，而不是 browser-only compat。
|
||
|
||
---
|
||
|
||
## 3. ZeroClaw 重构的架构意义
|
||
|
||
ZeroClaw 在本项目中的角色不是“大而全框架接管一切”，也不是“被 sgClaw 套壳后只剩一个 browser_action 工具”，而是系统能力本体。sgClaw 应该在它上面解决三个具体问题：
|
||
|
||
- 统一模型 Provider 抽象、skills、memory 和 tool loop。
|
||
- 在不改浏览器协议的前提下，把高风险执行约束到受保护的工具面。
|
||
- 让浏览器成为特权执行面，而不是反过来让浏览器定义整个 runtime。
|
||
|
||
当前兼容层的限制也必须明确：
|
||
|
||
- 只注册一个工具：`browser_action`。
|
||
- 只开放 4 个动作：`click/type/navigate/getText`。
|
||
- 不以 ZeroClaw 的全量工具生态作为当前对外能力宣称。
|
||
|
||
这些限制是当前实现状态，不是目标架构原则。
|
||
|
||
---
|
||
|
||
## 4. 安全模型
|
||
|
||
### 4.1 安全目标
|
||
|
||
系统安全目标不是“模型永远正确”，而是“即使模型给出错误指令，也只能在受限边界内执行”。
|
||
|
||
### 4.2 三层安全约束
|
||
|
||
#### 第一层：握手与会话完整性
|
||
|
||
- 浏览器必须先发 `init`。
|
||
- sgClaw 必须回 `init_ack`。
|
||
- 会话级 `hmac_seed` 用于后续命令签名。
|
||
- 未完成握手，不进入运行态。
|
||
|
||
#### 第二层：Rust 侧 MAC Policy
|
||
|
||
[`src/security/mac_policy.rs`](/home/zyl/projects/sgClaw/claw/src/security/mac_policy.rs) 从 [`resources/rules.json`](/home/zyl/projects/sgClaw/claw/resources/rules.json) 加载规则，校验：
|
||
|
||
- 目标域名是否在 `domains.allowed` 中。
|
||
- 动作是否在 `pipe_actions.allowed` 中。
|
||
- 被明确封禁的动作是否命中 `pipe_actions.blocked`。
|
||
|
||
这意味着即便协议枚举中定义了更多动作，也不代表当前会话可以执行它们。
|
||
|
||
#### 第三层：宿主侧命令执行约束
|
||
|
||
浏览器宿主仍应在接收命令后做本地校验，包括：
|
||
|
||
- 序列号关联。
|
||
- HMAC 校验。
|
||
- 域名与页面上下文匹配。
|
||
- 非法参数拒绝执行。
|
||
|
||
[`docs/浏览器对接标准.md`](/home/zyl/projects/sgClaw/claw/docs/浏览器对接标准.md) 是这一层的联调基线。
|
||
|
||
---
|
||
|
||
## 5. 关键架构决策
|
||
|
||
### 5.1 使用 STDIO 作为唯一主链路
|
||
|
||
原因：
|
||
|
||
- 进程私有，外部进程不能直接接入。
|
||
- 与浏览器子进程托管方式天然匹配。
|
||
- 协议简单，适合 JSON Line 一问一答模型。
|
||
|
||
### 5.2 保留协议前提下重构执行核
|
||
|
||
原因：
|
||
|
||
- 浏览器宿主联调成本最低。
|
||
- Rust 侧可以独立演进 zeroclaw runtime 与安全策略，而不破坏宿主联调。
|
||
- 产品文档、测试和协议标准可以围绕同一条 contract 收敛。
|
||
|
||
### 5.3 先做最小特权工具面，再扩动作
|
||
|
||
原因：
|
||
|
||
- 当前最稳定的是 `click/type/navigate/getText`。
|
||
- 动作越多，宿主和 runtime 之间的契约越难稳定。
|
||
- 在规则文件仍只开放 4 个动作的前提下，文档不应提前放大能力范围。
|
||
|
||
---
|
||
|
||
## 6. 架构结论
|
||
|
||
L1 层面可以把 sgClaw 定义为：一个通过固定浏览器协议接入宿主、以 Rust 为安全与控制层、以 zeroclaw 为能力核心、以 MAC Policy 与宿主复检为受保护执行边界的安全加固运行时分发。
|
||
|
||
这一定义既承认当前仓库仍存在 browser-first compat 的过渡实现，也为后续把 runtime 真正收口到 zeroclaw-first 主线保留了清晰边界。
|