# Tauri 2.0 开发技巧 ## 架构概述 LocalCowork采用Tauri 2.0，三层架构。该技能涵盖 Rust 后端（中间层）及其与 React 前端（顶层）和 MCP 服务器 + 推理后端（底层）的集成。 React 前端 ←──Tauri IPC──→ Rust 后端 ←──JSON-RPC/stdio──→ MCP 服务器 │ └──OpenAI API──→ 本地法学硕士 (Ollama/llama.cpp) ## 关键参考文献 * `docs/architecture-decisions/001-tauri-over-electron.md` — 为什么是 Tauri * `docs/architecture-decisions/003-model-abstraction-layer.md` — OpenAI API 合约 * `docs/patterns/ human-in-the-loop.md` — 确认/撤消流程 * `docs/patterns/context-window-management.md` — 32k 代币预算 ## Rust 后端模块 ### agent_core/conversation.rs — ConversationManager 管理对话状态、历史记录和持久性。 pub 结构 ConversationManager { db: SqlitePool, // 存储在 SQLite 中的对话历史记录 current_session：会话， context_manager：上下文窗口管理器， } 实现ConversationManager { /// 创建一个新的会话会话 pub async fn new_session(&mut self) -> Result; /// 添加用户消息并获取模型的响应 pub async fn send_message(&mut self, message: &str) -> Result; /// 获取上下文窗口的对话历史记录 pub fn get_history(&self, max_tokens: usize) -> Vec; /// 将消息持久化到 SQLite async fn persist_message(&self, message: &Message) -> Result<()>; } ### agent_core/tool_router.rs — 工具路由器将模型工具调用路由到适当的 MCP 服务器。 pub 结构 ToolRouter { mcp_client：MCP客户端，审核记录器：审核记录器， } 实现工具路由器{ /// 处理来自模型的工具调用 pub async fndispatch(&self, tool_call: ToolCall) -> Result { // 1. 在MCP注册表中查找工具 // 2. 检查是否需要确认 // 3. 如果确认（或不需要）：向服务器发送 JSON-RPC 调用 // 4. 记录到审计跟踪 // 5. 如果支持撤消：推送到撤消堆栈 // 6. 返回结果 } /// 检查工具是否需要用户确认 fn require_confirmation(&self, tool_name: &str) -> bool; /// 推入撤消堆栈以进行可逆操作 async fn push_undo(&self, tool_call: &ToolCall, result: &ToolResult) -> Result<()>; } ### agent_core/context_window.rs — ContextWindowManager 管理 32k 代币预算。请参阅“docs/patterns/context-window-management.md”。 pub 结构ContextWindowManager { max_tokens: usize, // 32,768 tokenizer: Tokenizer, // tiktoken-rs 系统提示：字符串，工具定义：字符串， } 实现 ContextWindowManager { /// 构建模型的完整提示 pub fn build_prompt( &自我，历史记录：&[消息], active_context：选项<&str>， ) -> 结果>; /// 计算字符串的标记数 pub fn count_tokens(&self, text: &str) -> usize; /// 当上下文紧张时驱逐旧消息 fn evict_oldest(&mut self, 历史记录: &mut Vec); } ### mcp_client/ — MCP 客户端管理 MCP 服务器进程和 JSON-RPC 通信。 pub 结构 MCPClient { 服务器：HashMap <字符串，MCPServerProcess>， tool_registry：工具注册表， } 实现 MCPClient { /// 启动所有配置的MCP服务器 pub async fn start_servers(&mut self, config: &MCPConfig) -> Result<()>; /// 获取 LLM 的聚合工具定义 pub fn get_tool_definitions(&self) -> Vec; /// 向适当的服务器发送工具调用 pub async fn call_tool(&self, name: &str, args: Value) -> Result; /// 优雅地关闭所有服务器 pub async fn shutdown(&mut self) -> Result<()>; } 结构体MCPServerProcess { child: Child, // tokio::process::Child 标准输入：ChildStdin，标准输出：BufReader, 工具：Vec<工具定义>， } ### inference/ — 推理客户端用于本地 LLM 的 OpenAI 兼容 API 客户端。 pub 结构 InferenceClient { base_url: String, // 例如，“http://localhost:11434/v1” model: String, // 例如，“qwen2.5:32b-instruct” http_client: 请求::客户端, } impl InferenceClient { /// 发送聊天完成请求（流式传输） pub 异步 fn chat_completion( &自我，消息：Vec，工具：Vec<工具定义>， ) -> Result>; /// 从模型响应中解析工具调用 fn parse_tool_calls(response: &str) -> Result>; } ## Tauri IPC 命令前端通过 Tauri 命令与 Rust 后端通信。 // src-tauri/src/commands/chat.rs #[tauri::命令] 异步 fn send_message( 状态：tauri::State<'_, AppState>, 消息：字符串， ) -> 结果 <字符串, 字符串> { 让 mut conv = state.conversation_manager.lock().await; 让响应 = conv.send_message(&message).await .map_err(|e| e.to_string())?; 好的（回应） } #[tauri::命令] 异步 fn 确认操作（状态：tauri::State<'_, AppState>, action_id：字符串，确认：布尔值， ) -> 结果<(), 字符串> { 让路由器= state.tool_router.lock().await; 如果确认的话{ router.execute_confirmed(&action_id).await.map_err(|e| e.to_string())?; } 否则{ router.reject_action(&action_id).await.map_err(|e| e.to_string())?; } 好的(()) } #[tauri::命令] 异步 fn undo_last_action( 状态：tauri::State<'_, AppState>, ) -> 结果 <字符串, 字符串> { 让路由器= state.tool_router.lock().await; router.undo_last().await.map_err(|e| e.to_string()) } 前端调用：从'@tauri-apps/api/core'导入{调用}； const response = wait invoke('send_message', { message: userInput }); 等待调用（'confirm_action'，{actionId：'act-001'，已确认：true}）；等待调用（'undo_last_action'）； ## Tauri 权限 (tauri.conf.json) 每项能力均被明确授予： { “应用程序”：{ “安全”：{ “能力”：[ { “标识符”：“文件系统访问”， "description": "访问用户授予的目录", “权限”：[ “fs：允许读取”， “fs：允许写入”， “fs：范围-$DOCUMENTS”， “fs：范围-$下载” ] }, { "identifier": "流程管理", "description": "管理 MCP 服务器子进程", “权限”：[ “外壳：允许生成”， “外壳：允许-杀死” ] }, { “标识符”：“剪贴板访问”， “权限”：[“剪贴板管理器：允许读取”，“剪贴板管理器：允许写入”] } ] } } } ## 编码标准（Rust） * 2021 年版 * `cargo Clippy -- -D warnings` 必须通过（零警告） * 所有公共函数都有文档注释（`///`） * 错误处理：“thiserror”用于自定义错误，“anyhow”用于应用程序错误 * 异步：`tokio` 运行时（多线程） * 每个文件最多 300 行 — 接近时提取到子模块 * 使用“tracing”包进行结构化日志记录（与共享记录器集成） * 生产代码中没有“unwrap()”——使用“?”运算符或显式错误处理 ## 依赖项 (Cargo.toml) 关键箱子： [依赖项] tauri = { version = "2", features = ["shell-open"] } tokio = { 版本 = "1", 功能 = ["完整"] } serde = {版本=“1”，功能=[“派生”]} serde_json =“1” sqlx = { 版本 = "0.7", features = ["runtime-tokio", "sqlite"] } reqwest = { 版本 = "0.12", features = ["json", "stream"] } tiktoken-rs =“0.5” 这个错误=“1” 无论如何=“1” 跟踪 =“0.1” 追踪订阅者 = "0.3"

金牛座开发者

包含技能