DODO MCP

DODO MCP คือ MCP server แบบ local-first สำหรับให้ AI ช่วยพัฒนา software โดยทำงานกับ workspace ที่เจ้าของเลือก ค่าเริ่มต้นเป็นโหมดส่วนตัวแบบเพิ่มโปรเจกต์แล้วใช้ได้ทันที และยังมีโหมด managed สำหรับแยก workspace ACL/trust แบบละเอียด

เชื่อมต่อ AI ของคุณ

คู่มือเชื่อม ChatGPT, Claude, Claude Code, Codex, Gemini CLI, Cursor และ VS Code มีคำสั่งลงทะเบียน OAuth, ตารางกรอกฟอร์ม และตัวอย่าง STDIO สำหรับแต่ละ client

Config บนโดเมน: รัน dodo --web เพื่อเปิด session ใหม่ได้ทุกครั้ง แม้ Local Config 8 ชั่วโมงหมดอายุแล้ว ไม่ต้อง restart MCP เพื่อเปิดใหม่ แต่ละรอบเปิด 1 ชั่วโมงและใช้ pairing code ใหม่

Related MCP server: GPT Commander

จุดเด่น

• MCP ผ่าน HTTP ที่ 127.0.0.1:21730/mcp พร้อม OAuth และ PKCE

• Local Config แบบ loopback ที่ 127.0.0.1:21731 และ Remote Config ชั่วคราวผ่าน tunnel เมื่อเจ้าของสั่ง dodo --web

• HTTP ใช้ Compact Tool Surface 20 tools เพื่อลดภาระการโหลด schema

• STDIO ใช้ Full Tool Surface; มี capability definitions ทั้งหมด 162 รายการ แต่ค่าเริ่มต้นซ่อน Sub-agent 4 operations จาก MCP จึงเห็น 158 tools

• Hybrid Surface 49 tools สำหรับ client ที่รับ catalog ขนาดกลาง

• อ่าน ค้นหา สร้าง แก้ ย้าย ลบไฟล์ พร้อม expected hash, journal และ rollback

• รันคำสั่ง งานแบบขนาน jobs, Git, TypeScript/JavaScript intelligence, LSP และ task assistance

• รองรับภาพ เสียง วิดีโอ เบราว์เซอร์ เกม และ workflow ตาม dependency และ permission ที่เจ้าของเปิดใช้

• ตรวจและควบคุมมือถือ Android ผ่าน ADB ได้ตั้งแต่ภาพหน้าจอ/UI/logcat ไปจนถึง input, apps, APK, file transfer และ device-side shell โดยจำกัดเฉพาะ serial ที่เจ้าของอนุญาต (คู่มือ)

• มี Universal Resource Layer + CAS สำหรับ text/binary/image/audio/video/PDF/ZIP/WASM พร้อม SHA-256, dedup, bounded range/resume และ MCP image/audio blocks

• มี Project Brain ที่ทำ incremental AST index สำหรับ symbols, references, imports, routes, tests และ dependencies พร้อม source-hash freshness

• มี Context Engine สำหรับ goal-driven retrieval แบบมี budget, provenance, confidence, freshness และ L0–L6 dependency cache

• มี owner-reviewed Memory สำหรับ fact/decision/fix/convention ที่ผูก source evidence, retention และ freshness พร้อม learning proposal ที่ไม่ติดตั้งหรือรันเอง

• มี Runtime Intelligence สำหรับ task ที่ reconnect ได้, process/test/browser evidence แบบ bounded, snapshot freshness และ diagnosis ที่แยก fact/observation/inference

• มี Advanced Agent Runtime สำหรับ immutable plan, parallel hypotheses, intent locks, guarded snapshots, evidence-backed completion, restart recovery และ owner-reviewed reusable guidance

• มี AI Providers เจ็ด presets/Custom, profiles, model/tool loop และประวัติ private ผ่าน Local Config (คู่มือ)

• เขียน/รันหลายโปรเจกต์พร้อมกันด้วย targetProjectId และคิว mutation แยกโปรเจกต์

• มี DodoBench และ revision-bound release gate สำหรับ retrieval, safe edit, runtime, resource, recovery, security และ fresh package artifact

• เปลี่ยน workspace จาก Local Config ได้จริง โดยรอ request/jobs และ rollback เมื่อเตรียม workspace ใหม่ไม่สำเร็จ

• มี owner-only Project Registry พร้อม stable project ID และ readiness โดยไม่คัดลอก trust/ACL

• อ่าน overview/list/files และค้นหาพร้อมกันได้สูงสุด 8 โปรเจกต์ที่เจ้าของลงทะเบียน โดย personal mode ไม่ต้องตั้ง ACL ซ้ำ

• เปิด Cloudflare Tunnel พร้อม dodo start ด้วย token ชั่วคราวจาก terminal หรือ Local Config โดยไม่บันทึก token ลงเครื่อง

• ไม่ส่ง token, secret หรือ state DB ไปที่ repository และไม่ให้ repository config เพิ่มสิทธิ์

เริ่มใช้งาน

npm install -g dodo-mcp
dodo setup --check
dodo --cli

Android / ADB และ Termux

DODO ไม่โหลด Sharp ตั้งแต่เริ่ม CLI จึงใช้คำสั่งพื้นฐานและ MCP สำหรับ text/code ได้แม้เครื่องไม่มี native Sharp build แพ็กเกจมี WebAssembly image backend เป็น optional dependency; หาก npm ข้าม optional dependency ให้ติดตั้งเพิ่มแล้วเปิด DODO ใหม่:

npm install -g dodo-mcp@latest @img/sharp-wasm32@0.35.4
dodo --version

หาก image backend ยังไม่พร้อม เฉพาะเครื่องมือภาพจะตอบ NOT_SUPPORTED โดย CLI และ เครื่องมือ coding ส่วนอื่นยังเริ่มได้ Android/Termux ยังเป็นสถานะทดลองใช้: installer, OS credential store, sandbox, desktop control และ browser automation ยังไม่ได้ผ่าน Android acceptance ครบ ดูข้อจำกัดและวิธีตรวจรับที่ Android / Termux

ถ้าต้องการให้ AI ตรวจหรือควบคุมมือถือที่เชื่อมกับเครื่องนี้ ให้ติดตั้ง Platform-Tools, เปิด USB/Wireless debugging และยอมรับ RSA prompt บนมือถือ จากนั้นอนุญาต exact serial:

dodo setup --check --components adb
dodo android devices
dodo android allow --device SERIAL --mode control --persist --yes

Full surface มี android_* 13 operations ส่วน HTTP Compact ใช้ dodo_mobile gateway สิทธิ์นี้ไม่ปิด OAuth, project context, trust/approval, expected hash หรือ audit

เชื่อม ChatGPT ภายในไม่กี่นาที

ChatGPT ต้องเชื่อมผ่าน Public MCP URL ของ DODO ซึ่งลงท้ายด้วย /mcp ส่วน https://chatgpt.com/connector_platform_oauth_redirect เป็น OAuth callback สำหรับลงทะเบียน client เท่านั้น ไม่ใช่ MCP Server URL

ก่อนเริ่มให้อัปเดต CLI แล้วตั้ง Cloudflare Tunnel ของ DODO โดยแทน https://dodo.example.com ด้วย public hostname ของคุณ Tunnel ต้อง route ทุก path ไปที่ http://127.0.0.1:21730

npm install -g dodo-mcp@latest
dodo --version
dodo tunnel configure \
  --tunnel \
  --public-url https://dodo.example.com \
  --os-credential

ลงทะเบียน static OAuth client ด้วยคำสั่งด้านล่าง คัดลอกคำสั่งตรงจาก code block โดยไม่เติม \ หน้า -- และไม่ครอบ URL ด้วยรูปแบบ Markdown [ข้อความ](URL):

dodo auth add-client \
  --name "ChatGPT" \
  --redirect-uri "https://chatgpt.com/connector_platform_oauth_redirect"

คำสั่งจะแสดง client_id และ client_secret ครั้งเดียว ให้เก็บไว้ในหน้าตั้งค่า ChatGPT เท่านั้น ห้ามส่งลงแชต, issue หรือ Git จากนั้นเปิด DODO ค้างไว้:

dodo start

ใน ChatGPT web ให้เปิด Settings → Security and login → Developer mode แล้วไปที่ ChatGPT Plugins กด + และกรอก:

• MCP Server URL: https://dodo.example.com/mcp

• Authentication: OAuth

• OAuth Client ID / Secret: ค่าที่ได้จาก dodo auth add-client

เมื่อกด Connect/Create/Scan Tools และหน้า authorization กำลังรอ ให้เปิด terminal อีกหน้าต่างเพื่อตรวจ request แล้วอนุมัติ ID ที่ตรงกับหน้า browser:

dodo auth pending
dodo auth approve REQUEST_ID

กลับไปที่ ChatGPT รอให้ scan เสร็จ เริ่มแชตใหม่ เลือก DODO ใน Developer mode แล้ว ทดสอบด้วย ใช้ DODO เรียก project_overview HTTP จะแสดง Compact surface 20 tools และเข้าถึง operations ที่เหลือผ่าน dodo_discover กับ gateway ตามสิทธิ์เดิม

ดูขั้นตอนเต็มและวิธีแก้ OAuth/Tunnel ที่ เชื่อม Web clients

dodo --cli เปิดเมนู local owner สำหรับเลือก/เพิ่มโปรเจกต์ เปิด MCP + Local Config + Tunnel, เปิด Remote Config ชั่วคราว 1 ชั่วโมง และรัน setup รวม cloudflared โดยไม่ต้อง cd เข้าโปรเจกต์ ก่อน หากเรียก dodo หรือ dodo start จากโฟลเดอร์ใดก็ตาม ระบบจะเปิดโปรเจกต์ที่ เจ้าของเลือกล่าสุด หากยังไม่มีโปรเจกต์ใน registry จะเปิด control plane, OAuth และ authenticated tool catalog ได้โดยไม่ใช้ CWD เป็น workspace เมื่อเจ้าของเพิ่มโปรเจกต์ จาก Local Config แล้ว OAuth client ที่เจ้าของอนุมัติจะใช้โปรเจกต์นั้นได้ทันทีตาม scopes ของ token และ Agent Profile ที่เลือก โดยไม่ต้องตั้ง permission ซ้ำต่อ path

เปิดโปรเจกต์โดยตรงและจำไว้สำหรับครั้งถัดไปได้ด้วย:

dodo start --root /path/to/your/project

โหมดส่วนตัวใช้ effective trust แบบ trusted กับโปรเจกต์ที่เจ้าของลงทะเบียน คำสั่งจึงรัน ด้วยสิทธิ์ OS ของบัญชีเจ้าของและยังผ่าน command sandbox ที่ตั้งไว้, path/secret guards, expected hash, workspace context และ OAuth scopes หากต้องแยก client/profile/trust ต่อ โปรเจกต์ ให้เปลี่ยนเป็นโหมด managed ที่หน้า Settings

dodo setup --check และ dodo setup --plan เป็น read-only หากแผนมี dependency ที่ต้องติดตั้ง ให้ตรวจรายการก่อนแล้วจึงรัน dodo setup --yes --components <list> ระบบจะไม่เริ่ม installer หากไม่มี --yes และ --yes ไม่ข้าม sudo, OS permission หรือ owner consent

บน Windows ให้รัน DODO ด้วย account เดียวกับที่จะใช้งานประจำและเก็บ state บน local NTFS หากพบ private Windows state ACL could not be established or verified ห้ามลด ACL หรือลบ state เดิม ดูวิธีใช้ DODO_CONFIG_DIR เพื่อเริ่ม installation ใหม่อย่าง ปลอดภัยและรายการ component ที่ต้องติดตั้งเองใน Windows Setup โดยเฉพาะ cloudflared ซึ่ง Windows ต้องติดตั้ง signed package จาก Cloudflare ก่อน

เมื่อ DODO ตรวจพบ config เดิมในตำแหน่งมาตรฐาน สามารถใช้ dodo setup --import-state เพื่อนำเข้าเฉพาะ preference ที่ปลอดภัย เช่น port, search backend, retention และ tool surface ระบบจะสร้าง installation identity ใหม่เสมอและไม่คัดลอก OAuth keys/tokens, client grants, workspace ACL, trust, approvals, schedules, public origin, web/desktop permission, executable registration หรือฐานข้อมูลเดิม ต้นฉบับจะไม่ถูกแก้ไข

เปิด Local Config จาก URL ที่ dodo แสดงใน terminal ใช้สำหรับเพิ่มโปรเจกต์, AI connections/profiles, public origin และเปลี่ยน access mode เจ้าของเท่านั้น โหมดส่วนตัว พร้อมใช้โดยไม่ต้องตั้ง trust/client/profile permission รายโปรเจกต์

หน้าเว็บจัดเป็น dashboard 8 หน้า (ภาพรวม · โปรเจกต์ · Providers & Profiles · Chat & Tasks · Runs & Jobs · Approvals · Knowledge · Settings) หน้าภาพรวมแสดงสถานะ, ขั้นตอนถัดไป และสิ่งที่ต้องตรวจสอบเท่านั้น คำอธิบายยาวถูกย้ายไป tooltip (ปุ่ม ? เปิดด้วย hover/โฟกัสคีย์บอร์ด/แตะ ปิดด้วย Escape) และส่วน "รายละเอียดทางเทคนิค" ที่พับได้ กล่องยืนยัน/แจ้งผลใช้ SweetAlert2 ที่ vendor มากับแพ็กเกจ (same-origin ไม่มี CDN, CSP 'self' เท่าเดิม) การลบ/ยกเลิก/เปลี่ยนโหมดต้องยืนยันก่อนเสมอ และงานที่มีค่าใช้จ่ายหรือผลไม่แน่นอนจะบอกชัดว่า "ไม่ retry อัตโนมัติ"

การสร้าง Agent ใช้หน้า Providers & Profiles: เลือกประเภท Coding/Review/Research, Provider connection และ Model ID แล้วกด สร้าง Agent รายชื่อโมเดลที่โหลดจาก Provider จะเข้าแบบฟอร์มให้อัตโนมัติ ส่วน permission, tool calling, token limits และราคา อยู่ในหัวข้อ ตั้งค่าขั้นสูง หาก endpoint ไม่รองรับการลิสต์โมเดลยังกรอก Model ID เองได้

หน้า Settings → Sub-agent tools ใน MCP มีสวิตช์เปิด/ปิดการ expose subagent_spawn, subagent_status, subagent_result และ subagent_control ให้ AI ภายนอก ค่าเริ่มต้นปิดเพื่อให้ catalog สำหรับงานทั่วไปกระชับขึ้น แต่หน้า Chat & Tasks ยังสร้างและจัดการ agent ได้ตามเดิม เมื่อเปลี่ยนค่านี้ต้อง restart DODO แล้ว rescan หรือ สร้าง MCP app ใหม่ตามพฤติกรรมของ client การตั้งค่านี้เปลี่ยนเฉพาะการมองเห็น tools และไม่เพิ่ม OAuth scope, trust, approval หรือสิทธิ์ของ profile

หน้า Settings → Tools ที่ AI มองเห็น เลือกเปิด/ปิดแต่ละ operation ได้ พร้อมค้นหา และเปิด/ปิดทั้งหมวด ค่าใช้กับ Compact/Hybrid: operation ที่ปิดจะหายจาก dodo_discover, gateway enum และ direct duplicate ใน Hybrid หากปิดครบทั้งหมวด gateway นั้นจะไม่ถูกส่งให้ client จึงลดทั้งจำนวน schema และ context ที่ AI ต้องอ่าน Full/STDIO ยังคง definitions รายตัวครบตามเดิม เมื่อบันทึกต้อง restart DODO แล้ว rescan หรือสร้าง MCP app ใหม่ การตั้งค่านี้เป็น visibility เท่านั้นและไม่ grant สิทธิ์ใด ๆ

เพิ่มโปรเจกต์ครั้งเดียว แล้วสั่งงานด้วยชื่อ

เพิ่มโปรเจกต์จากหน้า Projects (หรือ CLI) โดยกรอกแค่ ชื่อ, absolute path และ ระดับการเข้าถึง หนึ่งค่า:

dodo project add "C:\Users\User\Desktop\auto-upload" --name "auto-upload" --access full
dodo project access "auto-upload" --mode edit
dodo project list

ในโหมดส่วนตัว (ค่าเริ่มต้น) เท่านี้ก็พร้อมใช้ — ไม่ต้องตั้ง Client ACL, Trust หรือ profile allowlist ซ้ำอีกหลายหน้า ระดับที่เลือกเป็น เพดาน สิทธิ์จริงคือส่วนที่ทับกับ OAuth scope ของ client นั้น (token ที่อ่านได้อย่างเดียวจะยังอ่านได้อย่างเดียวเสมอ)

จากนั้นสั่ง AI ด้วยชื่อโปรเจกต์ได้ตรง ๆ:

"ใช้ DODO แก้โปรเจกต์ auto-upload"

AI จะ resolve ชื่อเอง (project_overview ด้วย targetProject: "auto-upload") รับ workspaceId/workspaceEpoch ของโปรเจกต์นั้น แล้วส่ง targetProject ไปกับทุกคำสั่งถัดไป เจ้าของไม่ต้องรู้หรือพิมพ์ project ID เลย ดู docs/PROJECTS.md

ลงทะเบียนโปรเจกต์ที่ต้องการใช้งานบ่อยได้โดยไม่เริ่ม server:

dodo project add /absolute/path/to/project --name "Web application"
dodo project list
dodo project info prj_xxxxxxxxxxxx
dodo project remove prj_xxxxxxxxxxxx --yes

Project Registry ใช้ project ID คงที่แยกจาก workspace authority และแสดง readiness ของ path ปัจจุบัน ดู contract ที่ Project Registry

อ่านหลายโปรเจกต์พร้อมกัน

เจ้าของต้องลงทะเบียนแต่ละโปรเจกต์ โหมดส่วนตัวใช้ OAuth scopes เดิมกับทุก project ที่ลงทะเบียน ส่วนโหมด managed ต้องให้ dodo:read แก่ client ในแต่ละ workspace:

project_overview()
  → federation.projects แสดงเฉพาะโปรเจกต์ที่ client อ่านได้

dodo_read(operation="search_code", args={
  projectIds: ["prj_2bcdefghjkmn", "prj_3cdefghjkmnp"],
  query: "UserDto"
})

project_overview, list_files และ read_files รับ projectId ได้ ส่วน search_code รับ projectId หรือ projectIds สูงสุด 8 รายการ ผลแต่ละโปรเจกต์มี project/workspace identity, federation epoch และ source hash เพื่อแยก evidence ออกจากกัน ค่า workspaceId/workspaceEpoch ระดับบนของ MCP call ยังคงเป็นของ active workspace เสมอ

Federation แบบ projectId/projectIds ยังคง read-only สำหรับการเขียน/รันหลายโปรเจกต์ ให้เรียก project_overview(targetProjectId="prj_…") แล้วใช้ targetProjectId และ workspace ID/epoch ที่ได้รับกับทุก operation ต่อมา คนละโปรเจกต์ทำงานพร้อมกันได้ โดยไม่เปลี่ยน default; งาน mutation ในโปรเจกต์เดียวกันเข้าคิวร่วมกัน ดู การตั้ง AI Providers, Profiles และ Sub-agents ผ่านเว็บ

Universal Resource Layer

ไฟล์ขนาดใหญ่และสื่อใช้ resource contract เดียวกัน โดยเริ่มจาก path ภายใน active workspace หรือ assetId ที่ principal เดียวกันเป็นเจ้าของ:

resource_inspect(path="docs/spec.pdf")
  → resourceId + dodo-resource:// URI + MIME + bytes + SHA-256 + capabilities

resource_read_range(resourceId=..., offset=0, length=65536)
  → bounded Base64 chunk + chunk hash + principal-bound resumeToken

resource_preview(resourceId=...)
  → text / MCP image / MCP audio / metadata ตามชนิดและขนาด

HTTP Compact/Hybrid เรียก operation เดียวกันผ่าน dodo_media หลังค้นด้วย dodo_discover CAS เก็บ object แบบ immutable ตาม hash และ deduplicate ข้าม reference ได้ แต่ resource ID/URI ไม่ใช่ capability ทุก call ยังตรวจ OAuth, live grant, target authority, workspace ID/epoch และ principal ownership ซ้ำ ไม่ ingest .env, private DODO state, traversal, symlink หรือ hardlink และไม่ inflate/execute archive content ดูรายละเอียดที่ Resources

Project Brain

Project Brain สร้าง graph แบบ bounded จาก TypeScript/JavaScript AST และ package.json โดยไม่รัน source, repository plugin หรือ command ใด ๆ ระบบ refresh อัตโนมัติและ parse ใหม่เฉพาะไฟล์ที่เปลี่ยน พร้อมขยายผลไปยัง relation ที่ได้รับ ผลกระทบ:

brain_status()
brain_query(query="UserService", nodeTypes=["symbol"])
brain_symbol(uri="symbol://...")
brain_rebuild(mode="incremental", waitMs=10000)

ใน Compact/Hybrid ให้เรียกผ่าน dodo_assist_read หรือ dodo_assist_change ตาม schema จาก dodo_discover ค่า symbol:// เป็น semantic identity ที่คงเดิม เมื่อไฟล์ถูกย้ายแบบ exact-content แต่ URI/index row ไม่ใช่สิทธิ์ ทุก query จะตรวจ OAuth, live grant, target authority, workspace ID/epoch, path/secret policy และ SHA-256 ของ source ปัจจุบันใหม่ก่อนคืนผล ดู Project Brain

Context Engine และ Evidence

ให้ AI ขอ context ตาม goal ได้โดยไม่ต้องเลือก search/brain/git ทีละตัว:

context_query(goal="Fix login callback", terms=["loginCallback", "OAuth"],
  projects=["Frontend", "Backend"], budget=24000)

Compact/Hybrid ใช้ dodo_assist_read(operation="context_query", args={...}) ผลลัพธ์ แยก FACT, OBSERVATION, MEMORY, INFERENCE, HYPOTHESIS และทุก evidence มี project identity, source hash, line/commit, confidence, generated/verified time และ freshness Cache L0–L6 ตรวจ ACL และ dependency hash ก่อนใช้ซ้ำ Source เปลี่ยนแล้ว evidence เดิมจะเป็น stale และ derived cache ถูกสร้างใหม่

ผลค้นหา, README และ repository instruction เป็น untrusted content และไม่สามารถเพิ่ม scope, ACL, trust หรือ approval ได้ Memory ที่เจ้าของอนุมัติจะแสดงเป็น evidence class MEMORY; runtime evidence ที่ caller เดียวกันเก็บไว้จะแสดงเป็น OBSERVATION พร้อม source hash และ freshness ดู contract ที่ Context Engine

Owner-reviewed Memory

AI สร้าง memory ถาวรเองไม่ได้ ขั้นแรกต้องใช้ current context_evidence เพื่อเสนอ:

dodo_assist_read(operation="context_query", args={goal:"Find session policy", ...})
dodo_assist_change(operation="memory_propose", args={
  kind:"decision",
  claim:"Keep session state scoped to one workspace.",
  evidenceIds:["evidence_..."]
})

จากนั้นเจ้าของตรวจ proposal และ digest ผ่าน private local CLI เท่านั้น:

dodo memory pending
dodo memory show memprop_xxxxxxxxxxxx
dodo memory approve memprop_xxxxxxxxxxxx --digest sha256:...

Memory ทุกชิ้นเป็น evidence_only และ untrusted_content Source เปลี่ยนหรือ retention หมดจะเป็น stale และไม่ถูกใช้เป็น current context การแชร์ข้าม project ต้องระบุ --share-with ตอน owner approval และ client ยังต้องมี live ACL ใน project เป้าหมาย รายละเอียดอยู่ที่ Memory and Reviewed Learning

Runtime Intelligence

งานทดสอบหรือ process ที่ต้องติดตามข้ามการ reconnect ใช้ runtime session โดยคำสั่ง ยังผ่าน exec approval, trusted executable resolver และ command sandbox เดิม:

dodo_assist_change(operation="runtime_session_open", args={label:"verify checkout"})
dodo_exec(operation="runtime_task_start", args={
  sessionId:"runtime_...", kind:"test", program:"npm", args:["test"],
  network:false, idempotencyKey:"client-generated-key"
})
dodo_assist_read(operation="runtime_task_observe", args={sessionId:"runtime_...", taskId:"rtask_..."})
dodo_assist_read(operation="runtime_diagnose", args={sessionId:"runtime_...", evidenceIds:["runtimeev_..."]})

Runtime store เก็บเฉพาะ status, byte counts, aggregate test counts และ SHA-256 ไม่เก็บ stdout/stderr, DOM, console หรือ header ดิบ Browser collector ใช้ได้เฉพาะ browser_session ที่ caller เปิดและมีสิทธิ์อยู่แล้ว โดยส่ง bounded observation/image ใน response ปัจจุบัน แต่ persist เฉพาะ safe URL, hashes และ counts Snapshot ไม่ copy ไฟล์และไม่ rollback เอง; ต้องเรียก rollback_changes แยกต่างหาก ดู Runtime Intelligence

Advanced Agent Runtime

งานแก้ปัญหาหลายขั้นสามารถเปิด durable agent run ที่จำกัด project, writable paths, programs, optional capabilities, quotas และเวลาทำงานเพิ่มจากสิทธิ์เดิม:

dodo_assist_change(operation="agent_run_open", args={goal, completionCriteria, capabilities})
dodo_assist_change(operation="agent_hypothesis_open", args={runId, ...})
dodo_assist_change(operation="agent_intent_acquire", args={runId, hypothesisId, kind:"path", resourceKey:"src"})
dodo_write(operation="agent_write", args={runId, hypothesisId, operation:"edit_file", args:{...}})
dodo_assist_read(operation="agent_snapshot_compare", args={...})

Run/plan/hypothesis/intent/snapshot/skill ไม่ให้ permission เพิ่ม ทุก target ยังผ่าน OAuth scope, live target authority/epoch, trust approval, path/secret guards, expected hash, command sandbox, idempotency และ audit เดิม agent_exec ใช้ explicit argv/owned handles เท่านั้น และ cancel/pause coordinator ไม่ kill job ดู Advanced Agent Runtime

เชื่อม Remote MCP ผ่าน Cloudflare Tunnel

DODO เลือกวิธีเชื่อมต่อระดับ installation ได้หนึ่งแบบ: local (loopback เท่านั้น), external (Cloudflare ที่เจ้าของติดตั้ง/รันเอง) หรือ tunnel (DODO ดูแล cloudflared) ค่าที่เลือกมีผลกับทุก dodo start และไม่มี fallback อัตโนมัติ

เฉพาะเครื่อง:

dodo tunnel configure --loopback
dodo start

Cloudflare Local (ติดตั้งในเครื่อง) — ผู้ใช้ดูแล process/token เอง:

dodo tunnel configure --cloudflare-local --public-url https://mcp.example.com
# เริ่ม cloudflared ที่ติดตั้งในเครื่องด้วยวิธีของผู้ใช้
dodo start

DODO Tunnel mode:

dodo setup --check --components cloudflared
dodo tunnel configure \
  --tunnel \
  --public-url https://mcp.example.com \
  --os-credential
dodo start

เจ้าของสร้าง remotely-managed Tunnel, public hostname และ DNS ใน Cloudflare และ route ทุก path มาที่ http://127.0.0.1:21730 DODO ไม่จัดการ Cloudflare account/DNS เฉพาะ DODO Tunnel เท่านั้นที่ใช้ token ซึ่งถูกบันทึกใน macOS Keychain, Windows Credential Manager หรือ Linux Secret Service; global config เก็บเพียง opaque reference ทุกครั้งที่เปิด DODO ระบบจะเริ่ม cloudflared เป็น child และหยุด child พร้อม DODO Token ไม่อยู่ใน argv, config, log, audit, browser storage, MCP response หรือ environment ของ MCP jobs

หากต้องตั้งค่าจากอุปกรณ์อื่น ให้เปิดหน้าเจ้าของแบบชั่วคราวผ่าน public listener เดียวกัน:

dodo --web          # เริ่ม DODO/Tunnel หรือเปิด lease ใหม่ให้ process ที่รันอยู่
dodo web --status   # ดูสถานะแบบไม่มี secret
dodo web --close    # ปิดหน้า Remote Config แต่ MCP/Tunnel ยังทำงาน

คำสั่งจะแสดง https://mcp.example.com/config กับ pairing code แบบใช้ครั้งเดียวใน terminal หลังจับคู่ browser จะใช้ cookie ที่เป็น Secure, HttpOnly, SameSite=Strict และจำกัด path ที่ /config หน้า Remote Config ปิดอัตโนมัติภายใน 1 ชั่วโมง การเปิดใหม่ออก code/session ใหม่และไม่ต้อง restart MCP ไม่มี token หรือ credential อยู่ใน URL ใช้ได้ทั้งโหมด Cloudflare Local ที่เจ้าของรัน cloudflared เอง และ DODO Tunnel ที่ DODO ดูแล process; โหมดเฉพาะเครื่องไม่มี public route จึงเปิด Remote Config ไม่ได้

หน้า Local Config ที่ 127.0.0.1:21731 แยกตัวเลือกชัดเจนเป็น เฉพาะเครื่อง (Loopback), Cloudflare Local (ติดตั้งในเครื่อง) และ DODO Tunnel ตั้ง public origin ได้ และรับ token แบบ write-only เฉพาะ DODO Tunnel ค่าใหม่มีผลหลัง restart หน้าเว็บแสดง Active MCP URL จาก runtime จริงและไม่กล่าวว่า Tunnel หรือ AI client เชื่อมแล้วหากไม่มีหลักฐาน ดูสถานะด้วย dodo tunnel status, ตรวจ connectivity ด้วย dodo tunnel doctor และดู log ที่ redacted ด้วย dodo tunnel logs (log/supervisor ใช้กับ DODO Tunnel เท่านั้น)

บน macOS dodo setup --yes เลือก component cloudflared อยู่ในชุด all แล้ว Tunnel route ต้องชี้เฉพาะ MCP/OAuth listener 21730 ห้ามชี้ Local Config 21731 หรือ metrics 21732 ออก public

สำหรับ local MCP client เช่น Codex, Cursor หรือ Claude Desktop:

dodo stdio --root /path/to/your/project

STDIO ใช้ full catalog เป็นค่าเริ่มต้น ถ้าต้องการลด catalog ชั่วคราว:

dodo stdio --root /path/to/your/project --tools compact
dodo stdio --root /path/to/your/project --tools hybrid

Compact Tool Surface

HTTP ใช้ Compact เป็นค่าเริ่มต้น ลำดับการใช้งานคือ:

project_overview
→ dodo_discover
→ gateway ที่ตรงกับ operation

ตัวอย่างให้ AI แก้ src/example.ts:

dodo_discover(query="edit TypeScript file")
dodo_read(operation="read_files", args={...})
dodo_write(operation="edit_file", args={...})
dodo_read(operation="read_files", args={...})

dodo_discover คืน schema ของ operation ที่เลือกและ hash ที่ deterministic ส่วน gateway จะส่ง request ผ่าน policy pipeline เดียวกับ tool รายตัว จึงยังตรวจ scope, ACL, workspace ID/epoch, trust, approval, path guard, secret guard, hash และ audit ครบทุกชั้น

เจ้าของลดรายการที่ AI เห็นได้จาก Local Config → Settings → Tools ที่ AI มองเห็น โดยไม่แตะ permission เมื่อปิด operation แล้ว schema ของ Compact/Hybrid จะตัดรายการนั้น ออกจริงหลัง restart/rescan ส่วน Full surface ไม่เปลี่ยน

ชื่อ gateway dodo_* เป็นชื่อ MCP protocol ที่คงไว้เพื่อ compatibility กับ client ที่เชื่อมต่ออยู่ การเปลี่ยนชื่อ gateway ต้องทำเป็น protocol migration แยกต่างหาก

การเปลี่ยน workspace

1. เปิด Local Config จาก workspace ปัจจุบัน

2. ใส่ absolute path ของ project ใหม่

3. กดเปลี่ยนโปรเจกต์

4. ระบบตรวจ realpath, root policy, jobs และ request ที่กำลังทำงาน

5. ระบบเตรียม workspace ใหม่ก่อนสลับ และคืน workspace เดิมหากเตรียมไม่สำเร็จ

6. client ต้องเรียก project_overview ใหม่เพื่อรับ workspace ID/epoch ใหม่

ระบบไม่ kill jobs เงียบ ๆ Managed mode ไม่คัดลอก trust หรือ client ACL ไปยัง workspace ใหม่

การเชื่อมต่อ

• Local MCP: http://127.0.0.1:21730/mcp สำหรับ process ในเครื่อง

• Public MCP: origin HTTPS ของ tunnel ที่เจ้าของสร้างและกำหนด route เอง; DODO อาจ supervise เฉพาะ cloudflared process ที่เจ้าของสั่ง

• Local Config: 127.0.0.1:21731 เท่านั้น ใช้ owner capability token และ Host/Origin checks

• Remote Config: ปิดเป็น 404 โดยค่าเริ่มต้น; เจ้าของเปิด /config บน public origin ได้ครั้งละไม่เกิน 1 ชั่วโมงด้วย dodo --web

DODO รายงาน connected เฉพาะเมื่อ managed cloudflared ตอบ readiness จริง และ doctor แยก local/public health ออกจากกัน สถานะนี้ไม่ใช่หลักฐานว่า ChatGPT หรือ AI client เชื่อมต่อแล้ว

สิทธิ์

ค่าเริ่มต้น personal ใช้ OAuth scope + Agent Profile เป็นเพดานและไม่ถามซ้ำต่อ โปรเจกต์ ส่วน managed ใช้ intersection ของ OAuth scope, workspace ACL และ local policy:

• inspect อ่านและวิเคราะห์ได้

• edit ทำ file changes ที่ผ่าน approval/policy ได้

• trusted อนุญาต effectful work ตาม policy ที่เจ้าของยืนยัน

โหมด trusted และคำสั่งที่เจ้าของอนุมัติใช้สิทธิ์ OS ของผู้ใช้จริง ควรเปิดเฉพาะ workspace ที่เชื่อถือได้

dodo --bypass ปรับ policy เฉพาะรอบนั้นตามที่เจ้าของสั่ง และไม่ปิด OAuth, target authority, workspace context, path guards หรือ secret guards

Desktop/Chrome consent แบบ --persist เป็นระดับ installation อนุญาตครั้งเดียวจาก path ใดก็ได้แล้วใช้กับทุกโปรเจกต์ ส่วน macOS Screen Recording/Accessibility ยังต้องกดให้ สิทธิ์ใน System Settings จริง:

dodo desktop allow --app com.google.Chrome --mode control --persist --yes

ความปลอดภัย

• public MCP ใช้ OAuth เสมอ ไม่มี NoAuth fallback

• Local Config bind loopback และมี capability token, expiration, Host/Origin checks และ rate limit; Remote Config ต้องจับคู่ด้วย code ใช้ครั้งเดียวและหมดอายุภายใน 1 ชั่วโมง

• client secret/access token ไม่แสดงใน UI หรือ audit

• path traversal, symlink/hardlink, secret paths และ stale hashes ถูกปฏิเสธ

• command environment ใช้ allowlist และไม่ส่ง local auth state ให้ child process

• repository instructions, .dodo.json, project hints และ AGENTS.md ไม่มีอำนาจเพิ่มสิทธิ์

• gateway ไม่ grant สิทธิ์และไม่ข้าม approval หรือ target operation policy

• CAS URI/hash ไม่ grant สิทธิ์; resource ทุก read/range/preview ตรวจ live target authority และ object hash ซ้ำ

ดูรายละเอียดที่ SECURITY, AUTH และ ARCHITECTURE

เอกสาร

• Release 1.0.0

• Runtime Intelligence

• Advanced Agent Runtime

• Release notes

• Architecture

• Compatibility

• Security

• Authentication

• Tunnel

• Web clients

• Windows compatibility

• Windows setup และ ACL troubleshooting

• Task assistance

• Multimodal

• Project Registry

• Universal resources and CAS

• Project Brain and incremental index

• DodoBench and release gate

• Manual acceptance

• Test report

Development

Platform CI ใช้ dedicated self-hosted runners ที่เจ้าของควบคุม: Linux X64 และ Windows X64 รัน native candidate gate บนเครื่อง runner โดยตรง ไม่ใช้ Docker ส่วน macOS ยังรัน release gate บนเครื่องพัฒนา Workflow รับเฉพาะ push ที่ main และ manual dispatch ไม่รัน pull request จากภายนอกบน self-hosted runner

รัน regression benchmark และ macOS candidate gate ได้ด้วย:

npm run bench
npm run release:gate

สั่ง Linux/Windows CI ผ่าน GitHub Actions → platform-gates → Run workflow → เลือก all หรือใช้ gh workflow run platform-gates.yml --ref main -f platform=all Linux รันเมื่อสั่ง workflow; Windows รันทั้งเมื่อ push ไป main และเมื่อสั่ง workflow อ่าน การเตรียม runner และวิธีแก้ CI ก่อนรันครั้งแรก

GitHub workflow รัน Node 22 และ 24 ทั้ง Linux/Windows โดยไม่ publish npm Windows จะ ยังไม่ถูกประกาศเป็น supported platform จนกว่า automated native gate และ manual Windows 11 acceptance จะผ่านตามเอกสาร

Release gate สร้างหลักฐาน non-secret ใน ignored release-evidence/ และตรวจ fresh exact-tarball ผ่าน STDIO Full กับ HTTP/OAuth Compact โดยไม่ publish npm ดูรายละเอียดที่ DodoBench และ Release Gate

เมื่อทั้งสอง report มาจาก clean Git revision, source fingerprint และ package-lock.json เดียวกัน ให้รวมหลักฐาน บน macOS ด้วย node scripts/release-gate.mjs --release --platform-evidence /absolute/path/to/linux/gate-report.json Linux report ต้องมาจาก native GitHub Actions; หลักฐาน Docker เก่าไม่แทน CI รอบใหม่ คำสั่งนี้ไม่ publish package

npm ci
npm run build
npm run typecheck
npm run lint
npm run test:all
npm pack

โปรเจกต์นี้ใช้ GitHub repository arthittakun/dodo-mcp และ package dodo-mcp

Recovery — สำรองและกู้คืนงาน

โปรเจกต์ที่ลงทะเบียนเปิด source backup เป็นค่าเริ่มต้น ก่อนแก้ไฟล์หรือรันคำสั่ง หน้า Projects → Recovery ใช้ตรวจประวัติ เปรียบเทียบ และยืนยันแผนกู้คืนได้จริง หรือใช้ dodo recovery --help ผ่าน terminal สำเนาอยู่ใน private state แยกจาก Git ของโปรเจกต์ และไม่ push ขึ้น GitHub อัตโนมัติ

• กู้คืน checkpoint หรือ session ที่เลือก พร้อม expected hashes, สำเนาก่อนกู้ และ receipt หลัง reconnect

• ตรวจไฟล์ที่ถูกแก้จากภายนอก และแยก SAVED, VERIFIED, FAILED, INCONCLUSIVE, STALE ให้เห็นตามหลักฐาน

• ตั้งชื่อ/pin จุดกู้คืน และตรวจ retention ก่อนล้าง โดยรักษางานที่ไม่เกี่ยวข้อง

• เพิ่ม Docker deployment target ได้โดยเจ้าของ: source ที่ตรวจแล้ว → image → health/stabilization → known-good พร้อม reviewed rollback

• ตรวจ SQLite migration compatibility แบบอ่านอย่างเดียว และสำรอง private config แบบเข้ารหัสเมื่อเจ้าของเปิดแยก

Source restore ไม่ย้อนฐานข้อมูล, secrets, volumes หรือระบบภายนอก การสำรอง config ใช้กุญแจจาก OS credential store และไม่ส่งเนื้อหาให้ AI; ไม่มี generic database rollback หรือการ restart service อัตโนมัติ ดู คู่มือ Recovery, การเปลี่ยนแปลง 1.3.0 และ ผลตรวจรับจริง

จัดการพื้นที่สำรอง Recovery

ในหน้าเว็บเลือกโปรเจกต์ → Recovery → จัดการพื้นที่ Recovery เพื่อดูพื้นที่ source ที่เก็บจริงแยกจาก Git copies, ลบ checkpoint เก่าหลังตรวจแผนและยืนยัน, ปรับโควตา หรือยกเว้น models/ สำหรับสำเนาครั้งถัดไป สำเนาที่ใช้ร่วมกันตาม hash ไม่ได้กินพื้นที่ ซ้ำตามผลรวมขนาด checkpoint และจุดล่าสุด/ที่ถูกป้องกันจะลบไม่ได้ AI ตรวจพื้นที่และเสนอแผนผ่าน recovery_storage_status, recovery_cleanup_preview และ recovery_settings_preview ได้; recovery_maintenance_apply ต้องได้รับอนุมัติ จากเจ้าของ แม้ใช้ trusted mode ดู วิธีใช้และข้อจำกัด