THU CyberCraze Agent

Interaktiver Terminal-Coding-Agent, betrieben über den THU Lab Proxy (OpenAI-kompatible API). Er läuft in Ihrem aktuellen Terminal, arbeitet in Ihrem aktuellen Verzeichnis, kann Dateien untersuchen, Shell-Befehle vorschlagen und auf Ihre Genehmigung warten, bevor er sie ausführt.

1. Installation

1.1 API-Schlüssel abrufen

Erstellen Sie hier einen Schlüssel:

https://lab.cs.tsinghua.edu.cn/ai-platform/c/new

Basis-URL:

https://lab.cs.tsinghua.edu.cn/ai-platform/api/v1

Umgebungsvariablen setzen:

export THU_LAB_PROXY_API_KEY='your_proxy_key_here'
export THU_LAB_PROXY_BASE_URL='https://lab.cs.tsinghua.edu.cn/ai-platform/api/v1'

Windows PowerShell:

$env:THU_LAB_PROXY_API_KEY='your_proxy_key_here'
$env:THU_LAB_PROXY_BASE_URL='https://lab.cs.tsinghua.edu.cn/ai-platform/api/v1'

Sie können den Agenten auch starten und den Schlüssel bei Aufforderung eingeben. Der Agent speichert ihn in einer globalen Konfigurationsdatei pro Benutzer:

• Linux und macOS: ~/.thu-cybercraze-agent/.env

• Windows: %USERPROFILE%\.thu-cybercraze-agent\.env

1.2 Agent ausführen

Linux (erstellte Binärdatei):

./dist/thu-agent

Windows (auf Windows erstellt):

.\dist\thu-agent.exe

macOS (Python direkt ausführen):

python3 agent.py

1.3 Binärdateien erstellen (falls erforderlich)

Linux-Build:

bash build_agent.sh

Ergebnis:

dist/thu-agent

Windows-Build (auf Windows ausführen, nicht innerhalb von WSL):

py -3 -m pip install pyinstaller
powershell -ExecutionPolicy Bypass -File .\build_agent_windows.ps1

Ergebnis:

dist\thu-agent.exe

1.4 Optional: Global ausführen

Linux:

sudo install -m 755 dist/thu-agent /usr/local/bin/thu-agent

Windows: Fügen Sie das dist-Verzeichnis des Repositories zum PATH hinzu oder kopieren Sie die .exe in ein Verzeichnis, das bereits im PATH enthalten ist.

Beispiel (PowerShell):

[Environment]::SetEnvironmentVariable(
  "Path",
  $env:Path + ";C:\Users\USER\Downloads\THU-deepseek-glm-api-mcp-server\dist",
  "User"
)

Öffnen Sie ein neues Terminal und führen Sie Folgendes aus:

thu-agent.exe

Related MCP server: firepass-mcp

2. Verwendung

Starten Sie den Agenten:

./dist/thu-agent

Oder führen Sie ihn mit Python aus:

python3 agent.py

Übergeben Sie Modell und Schlüssel bei Bedarf direkt:

python3 agent.py --model deepseek-v3.2 --api-key "$THU_LAB_PROXY_API_KEY"

Standardmodell:

deepseek-v3.2

Aktuelle Modelle:

• qwen3-max-thinking

• qwen3-max

• glm-5

• glm-5-thinking

• glm-4.7-thinking

• kimi-k2.5

• kimi-k2.5-thinking

• minimax-m2.5

• minimax-m2.5-thinking

• qwen3.5-plus

• qwen3.5-plus-thinking

• qwen3.5-mini

• deepseek-v3.2-thinking

• deepseek-v3.2

Während der Agent nachdenkt oder einen Befehl ausführt, drücken Sie Ctrl+C, um ihn zu unterbrechen. Er wird nach einer Folgeanweisung fragen. Geben Sie dort /stop ein, um den unterbrochenen Vorgang zu verwerfen, oder geben Sie eine neue Anweisung ein, um fortzufahren.

3. Funktionsliste

Verfügbare Slash-Befehle:

• /help

• /save [name]

• /autosave

• /context

• /compact [keep]

• /clear

• /status

• /attach <path> [instruction]

• /stop

• /sessions

• /load <id|name>

• /fork <id|name> [new-name]

• /new [name]

• /delete <id|name>

• /update

• /model

• /key

• /pwd

• /alwaysRun

• /exit

4. Funktionserklärung

Sitzung und Speicher:

• /save [name] speichert die aktuelle Sitzung auf der Festplatte. Sitzungen werden standardmäßig manuell gespeichert.

• /autosave schaltet das automatische Speichern für diese Sitzung um.

• /sessions listet gespeicherte Sitzungen mit ID, Zusammenfassung und Zeitpunkt der letzten Verwendung auf.

• /load <id|name> lädt eine gespeicherte Sitzung.

• /fork <id|name> [new-name] erstellt eine neue Sitzung aus einer gespeicherten.

• /new [name] startet eine neue Sitzung mit einem frischen Kontext.

• /delete <id|name> löscht eine gespeicherte Sitzung.

Kontextverwaltung:

• /context aktualisiert und zeigt den Start-Kontext-Snapshot an (Datum, Git-Status, nahegelegene Speicherdateien wie AGENTS.md oder CLAUDE.md).

• /compact [keep] fasst ältere Nachrichten zusammen und behält aktuelle Interaktionen bei, um die Kontextgröße zu reduzieren.

• /clear löscht die Konversation im Arbeitsspeicher, während der aktuelle Projektkontext erhalten bleibt.

• /status zeigt Version, Modell, Sitzungsname, Autosave-Status, Nachrichtenanzahl und Kontextgröße an.

Befehle und Ausführung:

• /alwaysRun schaltet die automatische Genehmigung für Shell-Befehle um.

• /stop wird nur nach einer Unterbrechungsaufforderung verwendet, um den unterbrochenen Vorgang zu verwerfen.

Anhänge:

• /attach path/to/file.txt explain this file fügt kleine Text-/Codedateien in den nächsten Modellschritt ein.

• Nicht-Text-Dateien werden als Dateireferenzen übergeben, damit der Agent sie mit Befehlen untersuchen kann.

• Bilddateien können nur dann als multimodaler Inhalt gesendet werden, wenn das ausgewählte Modell/Proxy dies unterstützt und THU_AGENT_MULTIMODAL=1 gesetzt ist. Andernfalls werden sie als Dateireferenzen behandelt.

Modelle und Schlüssel:

• /model wählt das Modell erneut aus (dies setzt den Konversationskontext zurück).

• /key aktualisiert den API-Schlüssel und speichert ihn in der globalen .env.

Updates:

• Beim Start vergleicht der Agent seine eingebettete Version mit der GitHub-Datei VERSION und erinnert Sie daran, falls er veraltet ist.

• /update klont das GitHub-Repository in ein temporäres Verzeichnis, erstellt die Binärdatei neu, installiert sie im aktuellen ausführbaren Pfad (oder /usr/local/bin/thu-agent unter Linux) und entfernt dann den temporären Klon. Unter Windows wird ein Austausch der laufenden .exe nach dem Beenden vorbereitet.

Sonstiges:

• /pwd gibt das aktuelle Arbeitsverzeichnis aus.

• /help zeigt die Befehlsliste an.

• /exit beendet den Agenten.

Hinweise:

• Der MCP-Server in server.py ist vom interaktiven Agenten in agent.py getrennt.