StarAgent WebTerminal 改造：给 Agent 一双能干活的手（CLI + Skill）
StarAgent WebTerminal 改造：给 Agent 一双能干活的手（CLI + Skill）
来源类型： 技术实战 + 架构设计
日期： 2026-06-17
标签： #StarAgent #WebTerminal #CLI #Skill #阿里云 #Drogo #Agent执行面 #GPUhang #gdb
核心问题
"全是 Web，没有 CLI，怎么行？"
"Agent 都会写代码了，远程排障还要人肉点网页、复制命令、盯滚动条，这画面多少有点'地铁老人看手机.jpg'。"
核心方案：把 WebTerminal 改造成 Agent 友好执行面
工具仓库
foundation_models/webterminal-cli（开源）
三大黑屏能力
| 命令 | 功能 |
|---|---|
| wsh | 像 SSH 一样直接黑屏进 shell |
| wcp | 像 SCP 一样直接传文件 |
| wt | Agent 调用的核心 CLI |
四层架构
| 层次 | 职责 | 不做什么 |
|---|---|---|
| WebTerminal 页面 | 登录、角色选择、审计、心跳、官方连接链路 | 不承载任务逻辑 |
| wt CLI | 会话复用、命令发送、输出捕获、文件 API、交互控制面 | 不内置具体排障 suite |
| Skill | 描述操作方法、风险边界、推荐命令模板 | 不绑定某个 IP 或某个案例 |
| Agent | 动态规划、执行、观察、复盘 | 不绕过授权链路 |
"一句话总结：CLI 提供稳定手脚，Skill 提供行动章法，Agent 负责临场判断。别把 Agent 当高级 crontab 用，它会委屈，我们也亏。"
Skill 的本质
"Skill 不是法器，不是咒语，也不是'复制进去 Agent 就突然开悟'的玄学符纸。"
"Skill 本质上就是说明书，是贴在工具箱盖子上的那张'先拧这个、再接那个、别把手伸进风扇里'的操作指南。"
"真正能把活干成的，必须是 CLI：参数清楚、行为稳定、输出可解析、错误可复现、证据能落盘。"
三大验收场景
1. 普通命令执行
bin/wt run --capture captures/gpu-hang/env.raw.log -- \
"hostname; date; uname -a; nvidia-smi -L || true"
2. 文件传输
bin/wt ls-files /home/admin
bin/wt download /home/admin/remote.log captures/remote.log
bin/wt upload ./local.txt /home/admin/local.txt
3. 交互式 gdb 调试
bin/wt interact --start "cd /tmp && gdb -q ./app core.wtdebug" ...
curl -X POST http://127.0.0.1:8765/command -d '{"send": "bt"}'
curl -X POST http://127.0.0.1:8765/command -d '{"send": "frame 0"}'
"这才叫调试，不叫'把 gdb 命令写进遗书'。"
关键设计决策
1. 会话设计
- 浏览器持久化（一次登录，长期复用）
- 复用 cookie + WebTerminal 实例
bin/wt session start+bin/wt session status
2. 命令执行（不做 suite，做动态闭环）
- wt run：发送 shell 命令 → 等待结束 → 返回 exit code
- 输出落盘 + 解析
- 不是固定脚本，是 Agent 动态判断
3. 文件传输（不走 DOM 弹窗）
- 走 WebTerminal 后端 API 或协议
- 复用已登录浏览器上下文
wcp直接命令行传
4. 交互式调试
- 本地 HTTP 控制面
- 远端交互程序保持运行
- Agent 每条命令独立观察 → 决策下一条
与已有知识的关联
- wiki/entities/staragent — StarAgent
- wiki/entities/webterminal-cli — WebTerminal CLI
- wiki/entities/drogo — Drogo
- wiki/entities/aliyun — 阿里云
- wiki/concepts/agent-cli — Agent CLI
- wiki/concepts/skill-vs-cli — Skill vs CLI
- wiki/concepts/gpu-hang-debug — GPU hang 调试
- wiki/concepts/interactive-debug — 交互式调试
资料来源
- 原文：https://mp.weixin.qq.com/s/5qwjuSZmENMovuEStczQEg
- 原始文件：
raw/articles/BAT国内/全是 Web 没 CLI 怎么行：一次把 StarAgent WebTerminal 改造成.md - 仓库：foundation_models/webterminal-cli
- 来源：阿里云开发者
我的判断（高置信度）
这是 2026 年企业 Agent 落地的"实战教科书"——阿里云团队把"WebTerminal 不友好 Agent"问题系统性解决。
关键洞察：
1. "CLI + Skill + Agent" 三层架构 是企业 Agent 落地的最佳实践
2. "Skill 是说明书，CLI 是手" —— 必须区分清楚
3. "动态闭环"优于"固定脚本" —— Agent 不该是 crontab
4. "浏览器持久化 + CLI 黑屏" 是企业系统接入 Agent 的关键路径
预测：
- 2026 H2：更多企业将引入"CLI + Skill + Agent"三层架构
- 2027：可能形成"MCP + CLI"标准化协议
- 2028：所有企业内部工具都需要 Agent 友好执行面
- 对企业 IT 的建议：
- 评估现有 Web 系统——哪些需要 CLI 化
- 设计"Agent 友好执行面"——参数化 + 可解析 + 可审计
- 建立"Skill 库"——跨 Agent 复用
- 对开发者的建议：
- 学习"CLI + Skill"分离设计——避免把 Skill 写死
- 关注 WebTerminal 改造——企业内部工具机会
- 构建"动态闭环"工具——支持 Agent 决策
- 对工具开发者的启示：
- "让 Agent 能干活"是金矿——大多数 Web 工具仍不友好
- CLI 是 Agent 时代的"通用语"——必须支持
- Skill 商店 是新商业模式