VCP ToolBox
将多模型 API 接入持久记忆、分布式插件与统一指令协议的自托管平台。
按维度查看评分与理由
证据显示：README 警告不要使用非官方 API，并提及敏感信息泄露风险，但未提供具体的安全机制、权限最小化、用户确认流程或数据流透明度的实现细节。依赖列表包含大量第三方包，但未提供安全审计或漏洞扫描证据。外部效果（如网络操作、文件访问）未明确限制或需用户确认。回滚机制未提及。来源归属：作者明确为 lioensky，但发布者未经验证。扣分原因：缺乏具体安全实现和权限控制证据。
证据显示：README 描述系统成熟稳定，但未提供测试结果或运行证据。存在少量单元测试（如 reorderClusters.test.ts），但覆盖面有限。依赖列表完整，但未提供版本锁定或完整性校验。失败消息未在文档中说明。扣分原因：自洽性仅基于文档描述，缺乏实际验证；依赖可用性未提供锁定或镜像；失败处理未提及。
证据显示：README 描述了多种使用场景（Web、移动、桌面、群聊等），并提供了安装和配置说明。但能力边界未明确，例如哪些操作需要权限或可能造成影响。触发精度未说明，例如如何控制 AI 的自主行为。环境适配：提供了 Docker 和多种前端，但未说明系统要求或兼容性限制。扣分原因：能力边界和触发精度缺乏具体文档。
证据显示：README 提供了项目概览、安装步骤、文档索引和许可证（CC BY-NC-SA 4.0）。但命名稳定性未说明，版本号在 package.json 中为 1.0.0，但 pyproject.toml 为 0.1.0，不一致。已知限制未提及。版本更新日志链接到外部网站，但未在仓库内提供。维护责任：作者明确，但未说明维护政策。扣分原因：命名不一致，缺少已知限制和内部变更日志。
证据显示：README 描述了丰富的功能，但未提供实际输出示例或用户反馈。边际价值：声称提供持续存在和记忆能力，但未与其他方案对比。成本效益：未提供性能数据或资源消耗信息。扣分原因：缺乏可验证的输出和成本数据。
证据显示：README 包含大量技术声明（如 RiverMemo 拓扑 V3、Rust 内核等），但未提供可验证的测试或基准。跨来源佐证：未提供第三方验证。事实与推断分离：文档中混合了愿景和事实，未明确区分。扣分原因：所有声明均未提供可复现的证据。
- 该仓库声称具有底层系统权限，但未提供安全审计或权限控制细节，部署前应仔细审查代码。
- 依赖众多且未锁定版本，存在供应链风险，建议使用锁文件并定期更新。
- README 中的技术声明（如记忆引擎、Rust 内核）缺乏可验证的测试或基准，应谨慎对待。
这个 Agent 能做什么，适合哪些场景？
VCP（Variable & Command Protocol）是一个面向长期运行 Agent 的自托管基础设施项目，运行在模型 API 与前端应用之间。它以统一事实时间线、OneRing 统一上下文、RiverMemo 拓扑 V3 记忆寻址和“浪潮”语义动力学组织记忆、环境信息与当前对话。系统提供六类插件协议，并声明支持同步、异步、静态、服务、消息预处理和混合插件的分布式部署。它还提供语义级模型路由、Agent-TVS 模板变量管线、星型分布式网络，以及 VCPChat、Vue 管理面板和 VCPMobile 等前端路径。部署边界是由 Node.js 服务、Python 依赖和可选 Docker 容器构成的服务器环境；管理面板监听主服务端口加一。
部署后通过 node server.js 启动 VCP 服务，并由 config.env 提供必要的 API 密钥。系统在对话前按其描述构建临时语义索引，将长期记忆、当前任务、工具权限和环境感知按需纳入上下文；RiverMemo 拓扑 V3 的热路径使用 Rust/Rayon 内核，并通过单次 N-API 异步任务提交执行候选投影、路径几何、拓扑审计和排序。模型调用可经协议桥接适配 OpenAI、Anthropic 和 Gemini 等 API 格式，插件调用采用纯文本标记协议，而非依赖模型原生 Function Calling。它可通过主端口加一的 /AdminPanel 提供管理入口；文档还给出了 lioensky/vcptoolbox:latest Docker 镜像和 docker-compose up -d 的部署方式。
- 需要把现有模型 API 接入一个长期运行的个人或团队 Agent 服务的自托管开发者，可用 VCP 在前端与模型提供方之间维护统一上下文和记忆。
- 需要让同一 Agent 在网页、移动端、桌面端或群聊等多个入口延续会话的团队，可使用其统一事实时间线与官方 VCPChat 路径。
- 需要把远端节点、模型、向量源和插件纳入同一服务拓扑的运维团队，可评估其星型网络、跨服务器文件访问与容灾设计。
- 需要让不具备原生 Function Calling 的文本模型使用插件能力的开发者，可采用其纯文本标记工具协议。
- 希望在管理面板中配置 Agent 变量、记忆召回或模型相关设置的部署者，可使用由主端口加一提供的
/AdminPanel。
这个 Agent 有哪些优点和局限？
- 以纯文本标记协议调用插件，文档明确称其不依赖模型原生 Function Calling，适合文本输出模型接入工具能力。
- 同时覆盖持久记忆、上下文折叠、模型路由、变量模板、分布式节点和前端管理，而不是只提供单一检索或工具层。
- RiverMemo 拓扑 V3 的候选处理与排序被描述为下沉至 Rust/Rayon 原生内核，并以单次 N-API 边界减少 JavaScript 与 Rust 往返。
- 文档明确提供 Node.js/Python 本地部署和 Docker 部署，并声明兼容 OpenAI、Anthropic、Gemini 等 API 格式。
- 部署必须配置 API 密钥，且项目明确警告不要使用非官方或反向代理 API；不可信接口可能暴露交互数据、记忆内容和密钥。
- 运行时跨越 Node.js、Python、Rust/N-API 相关实现以及可选 Docker，运维复杂度高于单一 SDK 或托管服务。
- README 没有给出具体 API 请求、配置字段说明、资源需求、成本估算或故障排查流程，首次集成仍需查阅完整文档体系。
- 项目声明拥有分布式系统底层级权限，非专业用户被明确建议谨慎部署，权限边界需要在上线前自行审查。
如何安装或部署这个 Agent？
准备 Node.js、Python 和可访问模型 API 的网络环境。执行：
git clone https://github.com/lioensky/VCPToolBox.git
cd VCPToolBox
npm install
pip install -r requirements.txt
cp config.env.example config.env编辑 config.env，填入必要的 API 密钥，然后执行 node server.js。也可执行 docker pull lioensky/vcptoolbox:latest 后运行 docker-compose up -d。README 未提供可复制的首个聊天 API 请求示例；启动后可访问 http://<服务器地址>:<主端口+1>/AdminPanel。
如何使用这个 Agent？
以 node server.js 启动主服务后，访问 http://<服务器地址>:<主端口+1>/AdminPanel 进行管理；例如主服务使用 6005 时，面板为 6006。将兼容 OpenAI、Anthropic 或 Gemini 格式的模型 API 配置到 config.env 所需字段中。项目将插件能力经纯文本标记协议提供给模型，并可配合官方 VCPChat 作为推荐前端。README 未记录具体的面板配置步骤、请求体字段或端到端 API 调用样例。