github/enterprise-ai-agent-gateway

Fork 0

Files

T

yyyhcyang af9c383c70 init

2026-03-17 17:57:00 +08:00

7.4 KiB

Raw Blame History

enterprise-ai-agent-gateway

企业级 AI 智能体网关

这份终稿设计书已经为你全面整合完毕。它不仅包含了底层的数据库模型和网关责任链，还把你刚刚关心的**“前端如何降低脚本编写成本”的设计思路，以及核心的系统提示词（System Prompt）**全部固化了进去。

你可以直接将以下全部内容复制，喂给 Antigravity，让它开始生成骨架代码。

🚀 Enterprise AI Agent Gateway (企业级 AI 智能体网关) - 核心架构与开发设计书

1. 架构定位与核心设计理念

本系统是一个定位于大模型（LLM/AI Agent）与企业老旧业务系统（Legacy Systems）之间的安全中间件与协议转换枢纽。

零侵入架构：老系统无需修改任何代码，通过本网关即可将现有 API 暴露为标准的大模型 Tool Schema。
控制面与数据面分离：
- 控制面 (Control Plane)：前端可视化配置，业务人员通过“表单填报”或“AI 辅助生成”完成 API 注册与清洗规则设定。
- 数据面 (Data Plane)：纯粹的 Java 高并发执行引擎，负责鉴权、状态挂起（人工审批）、代理调用与底层 GraalVM 极速数据洗涤。

2. 技术栈选型

数据面网关核心：Spring Boot 3.x (WebFlux/纯 WebMVC) + JDK 17/21。
清洗执行引擎：GraalVM Polyglot (内嵌高安全级别的 JavaScript 运行时沙箱)。
缓存与风控：Redis (分布式限流、状态机挂起) + Caffeine (本地极速配置缓存)。
控制面后端：Spring Boot / FastAPI (提供标准的 CRUD 接口)。
前端管理台：Vue 3 + Element Plus / Ant Design Vue + Monaco Editor。
数据存储：MySQL 8.0。

3. 核心数据库实体模型 (MySQL 8.0 DDL 需求)

To Antigravity: 请基于以下实体关系，优先生成 DDL 建表语句以及对应的底层 CRUD 代码（Entity/Mapper/Service）。

3.1 `ai_tenant` (租户/AI 助手接入表)

id: 主键
tenant_name: 租户/机器人名称（例：“财务客服 Agent”）
app_key: 网关调用的唯一凭证 (唯一索引)
app_secret: 签名与加解密密钥
rate_limit_qps: 该租户的全局 QPS 限制阈值
status: 状态 (启用/禁用)

3.2 `ai_tool_registry` (API 工具注册表)

id: 主键
tool_name: 工具标识（英文下划线，符合 LLM 命名规范）
description: 喂给大模型的详细描述（决定 LLM 是否调用该工具的核心依据）
action_type: READ (默认放行) / WRITE (高危，强制触发人工审批)
target_url: 底层老系统的真实内网 URL
http_method: GET / POST
request_schema: 请求参数的标准 JSON Schema (用于 LLM 识别)

3.3 `ai_tenant_tool_rel` (权限控制映射表)

tenant_id: 关联 ai_tenant.id
tool_id: 关联 ai_tool_registry.id

3.4 `ai_wash_script` (GraalVM 数据清洗脚本表)

tool_id: 唯一关联 ai_tool_registry.id
js_script: 具体的 JavaScript 源码文本（由控制面生成，供数据面 GraalVM 执行）
version: 版本号，用于并发控制和缓存刷新

3.5 `ai_audit_log` (全链路安全审计日志表)

trace_id: 全局请求流水号 (UUID)
tenant_id: 关联的租户 ID
tool_name: 命中的工具名称
raw_request: AI 发起的原始 JSON 参数
raw_response: 老系统返回的巨型原始 JSON (MediumText)
washed_response: 经过 GraalVM JS 脚本洗涤后的纯净 JSON
cost_time_ms: 总耗时 (毫秒)

4. 控制面前端 (Vue 3) 交互设计规范

前端的核心目标是隐藏 JavaScript 的编写复杂度。对于清洗规则 (ai_wash_script) 的配置页面，需实现以下三层交互降级方案：

AI Copilot 生成（主推）：页面提供左侧输入“原始 JSON 样例”，上方输入“自然语言提取需求”，点击按钮后，后台调用大模型生成 JS 代码并填充。
可视化勾选表单（中阶）：提供“保留字段白名单”、“移除 Null 值”、“拍平数组”等勾选项，前端根据勾选自动拼接为 JS 字符串。
Monaco Editor 兜底（高阶）：提供类似 VS Code 的代码编辑框，允许懂代码的开发人员直接修正在线生成的 JavaScript 规则。

5. 数据面网关 Pipeline (责任链/Filter Chain 设计)

To Antigravity: 在生成网关核心转发逻辑时，请严格按照以下 Filter 顺序构建职责链模式。

Config Watcher (配置加载)：定时从 MySQL 拉取 ai_tool_registry、权限与 js_script，加载至 Caffeine 内存。
Auth & Rate Limiting (鉴权限流)：校验 app_key，拦截非法调用；利用 Redis 执行令牌桶限流。
Identity OBO (权限穿透)：若包含终端用户 Token，将该身份附加至 Downstream Header 中。
HITL Suspender (审批挂起)：若 action_type == 'WRITE'，拦截当前线程，向外部（如企微/钉钉）发送包含审批链接的 Webhook，当前请求挂起等待回调。
Proxy Execution (代理转发)：组装参数，向 target_url 发起真实的 HTTP 内部请求。
GraalVM Washing (洗涤瘦身)：拿到原始大 JSON，在限制了内存与执行时间（如 max 100ms）的 GraalVM 沙箱中执行对应的 js_script，返回瘦身结果。
Async Audit (异步审计)：无论成功失败，将完整上下文抛入线程池，落库至 ai_audit_log。

6. 核心资产：AI 辅助生成清洗脚本的 System Prompt

针对控制面的“AI 自动生成 JS 规则”功能，后端需要内置以下 System Prompt。

# Role
你是一个资深的 JavaScript 数据处理专家与大模型工程架构师。

# Objective
你的任务是根据用户提供的【原始庞大 JSON 样例】和【自然语言提取要求】，编写一段精简、安全、高效的 JavaScript 代码，用于在 GraalVM 环境下对 JSON 进行瘦身清洗。这段清洗后的数据将被直接喂给大模型（LLM）作为上下文。

# Constraints & Rules
1. 你的输出必须且只能包含一个名为 `wash` 的 JavaScript 函数。
2. 该函数的入参必须是 `rawJsonString` (字符串类型)。
3. 该函数的返回值必须是清洗并序列化后的 JSON 字符串，以确保后续直接使用。
4. 代码必须健壮，需处理常见的空指针（undefined/null）和数组越界异常。
5. 必须剔除所有无业务价值的字段（如 HTML 标签、内部 traceId、全 null 字段等），最大限度节省 LLM 的 Token。
6. 不要使用任何外部依赖或 npm 包，只能使用 ES6+ 标准原生语法。

# Output Format Example
```javascript
function wash(rawJsonString) {
    try {
        const data = JSON.parse(rawJsonString);
        if (!data || !data.list) return "[]";
        
        const result = data.list.map(item => ({
            eventName: item.event_name || '未知',
            date: item.timestamp ? new Date(item.timestamp).toISOString().split('T')[0] : '',
            coreProfit: item.financial_data?.net_profit ?? 0
        }));
        
        return JSON.stringify(result);
    } catch (e) {
        return JSON.stringify({ error: "数据清洗失败" });
    }
}

把这份文档丢给 Antigravity 后，你可以直接下达指令：“请先根据第 3 节生成所有 MySQL 建表语句，然后生成第 5 节的 Filter 责任链代码骨架。” 期待你的架构早日跑通！

7.4 KiB Raw Blame History Unescape Escape