RAGRAF an SagaAI anbinden

Die Plattform SagaAI

Offene Plattform für ein Team von KI-Mitarbeitern: Chat-Assistenten, autonome Orchestratoren, Wissensbasen (RAG) und der eingebaute Entwickler-Agent DevAgent — in einer Web-Oberfläche (Streamlit), auf dem eigenen Rechner oder Server. MIT-Lizenz; die 1.x-Linie hält öffentliche APIs, Oberfläche und Datenformate abwärtskompatibel. Die Oberfläche gibt es auf Russisch, Englisch und Chinesisch. Alle Fakten dieses Guides wurden gegen den Code des Repositorys TVD2100/sagaai-platform verifiziert (v1.13.1).

Installation und Start

Die Plattform ist eine gewöhnliche Python-Anwendung: Abhängigkeiten aus requirements.txt (streamlit, requests, sqlalchemy, cryptography; optional Dokument-Parser und paramiko für SSH), Start mit streamlit run app.py. Findet der Befehl streamlit nicht — python -m streamlit run app.py. Nach dem Start die API-Schlüssel der Dienste auf der Seite Einstellungen setzen.

git clone https://github.com/TVD2100/sagaai-platform SagaAI
cd SagaAI
pip install -r requirements.txt
streamlit run app.py        # → http://localhost:8501

Wie RAGRAF angebunden wird

Warum das funktioniert

run_code ist die universelle Ausweichlösung der Plattform: Pakete installieren, Shell-Befehle und Skripte ausführen, jede Operation ohne Spezialtool. Das RAGRAF-CLI (tools/ragraf.py) ist ein gewöhnliches Python-Skript: Der Agent ruft es genau wie in jeder Shell auf und liest den Antworttext selbst — keine JSON-RPC-Schema-Interpretation nötig. Der Skill ragraf-core gibt die Reihenfolge vor: zuerst ensure, dann Index-Operationen statt Dateilesen.

RAGRAF ersetzt die eingebauten SagaAI-Wissensbasen nicht und kollidiert nicht mit ihnen: Die Plattformbasen suchen in Dokumenten (bm25/vector/hybrid), RAGRAF ist ein Graph der Code-Fakten (Symbole, Beziehungen, Revisionen, Indexfrische, Schreibkontrolle). Ein Mitarbeiter kann beide nutzen: Dokumente über rag_search, Code über das RAGRAF-CLI.

Anbindung — vier Schritte

1. 1RAGRAF installieren und den Korpus bauenStandardinstallation von RAGRAF (install.ps1 oder pip -e .), dann ensure auf das Projektverzeichnis. Ein Korpus für alle Mitarbeiter: Der Index wird von Agenten read-only geöffnet, mehrere Dialoge und Orchestratoren arbeiten gleichzeitig damit.
2. 2Den Skill ragraf-core in der Bibliothek installierenSeite der Skill-Bibliothek → Installation aus GitHub-URL, ZIP-Archiv oder lokalem Ordner (Register skills/skills.json im Datenverzeichnis; Grenzen: 200 MB pro Archiv, 5000 Dateien, 50 MB pro Datei, Entpacken gegen path traversal geschützt). Ein fremder Skill erhält developer=unknown, adapted=False und erreicht den Available-skills-Block des Systemprompts NICHT, bis die Anpassung abgeschlossen ist: Die Schaltfläche „Anpassen“ übergibt die Aufgabe an DevAgent (Skill Developer), der bei Fertigstellung mark_skill_adapted aufruft.
3. 3Das Regime in die Anweisungen aufnehmenDas universelle AGENTS.md-Fragment (Seite Integrationen) in eine Orchestrator-Anweisung aufnehmen (Anweisungen überstehen Neustarts) oder in die AGENT.md des Projekts — DevAgent pflegt diese Datei und liest sie bei der Arbeit im Arbeitsordner. Die Reihenfolge „Index fragen → Umschlag prüfen → write_check vor jedem Schreiben“ ist Pflicht: Ohne Regime fallen Agenten auf search_in_files zurück, sofort in der RAGRAF-Aufrufstatistik sichtbar.
4. 4Mit einem Aufruf im Dialog prüfenDen Mitarbeiter bitten, über run_code auszuführen: catalog (erwartet: Korpusliste), dann ensure <Verzeichnis> (erwartet: status: actual). Skill-Dateien liest der Agent mit get_skill_file — Workspace-Tools (read_file, verify_file) lehnen Pfade außerhalb des Projekts ab: „Path escapes project root“.

# инструменты агента (run_code) вызывают CLI RAGRAF как обычную команду:
python <repo>\tools\ragraf.py catalog
python <repo>\tools\ragraf.py ensure <каталог проекта>
python <repo>\tools\ragraf.py -p <repo>\config\<корпус>.yaml query symbol --name <имя>
python <repo>\tools\ragraf.py -p <repo>\config\<корпус>.yaml check
python <repo>\tools\ragraf.py -p <repo>\config\<корпус>.yaml usage --agent saga-worker

Plattformsicherheit

Im Code v1.13.1 verifiziert — diese Mechanismen bestimmen, wie genau der Agent mit RAGRAF arbeitet:

• run_code führt beliebigen Code in einem isolierten Subprozess aus (Timeout 300 s, run_test — 180 s); Code mit gefährlichen Mustern (destruktive Kommandos, Systemänderungen, Netzwerkoperationen) wird blockiert, bis der Benutzer ihn in der UI ausdrücklich bestätigt.
• Path-Traversal-Schutz: Tools verlassen den Arbeitsordner nicht; der aktive Ordner ist an den Dialog gebunden und wird beim Wiedereröffnen wiederhergestellt.
• Nicht vertrauenswürdige Daten werden markiert (Ergebnis-Sanitization, Tag [DATA_FROM_WEB_SEARCH]), heuristischer Prompt-Injection-Schutz.
• API-Schlüssel werden geschützt gespeichert (oder über Umgebungsvariablen gesetzt und nie in der DB gespeichert); TLS-Verifizierung ist standardmäßig aktiv; Sekrete werden in der Oberfläche nicht angezeigt.
• DevAgent-Änderungen sind versioniert: Datei-Backups, Projekt-Snapshots und voller Rückbau — Agentenhandlungen sind umkehrbar.

Telemetrie

Bei jedem CLI-Aufruf --agent <Mitarbeitername> mitgeben (saga-worker, saga-reviewer, …): usage_call trennt die Aufrufprofile pro Agent bei gemeinsamem kind=external. Ein gesundes Profil ist von symbol/search/write_check dominiert und hat null komplette Dateilesungen. Abgleich mit der Statistik-Seite der Plattform (Tokenverbrauch nach Periode, Anbieter und Modell): Die Ersparnis bei der Navigation zeigt sich in beiden Metriken.

MCP-Ausblick

Sollte die Plattform einen MCP-Client bekommen, ändert sich der RAGRAF-Vertrag nicht: stdio-Server, JSON-RPC, 24 ragraf_*-Tools. Es genügt, den Start zu registrieren — Konfiguration unten. --project kann entfallen: Der Korpus wird über das Arbeitsverzeichnis aus dem Entwicklungsregister bestimmt, das Umschalten auf ein fremdes Projekt übernimmt ragraf_use_project.

{
  "mcpServers": {
    "ragraf": {
      "command": "python",
      "args": [
        "<repo>/tools/ragraf-mcp.py",
        "--agent", "saga-worker",
        "--agent-kind", "external"
      ]
    }
  }
}

Plattformfakten gegen den Code von github.com/TVD2100/sagaai-platform verifiziert (v1.13.1, MIT): MCP-Client-Suche, Tool-Kataloge (dev_agent/tool_executor.py, universal_agent.py), Skill-Bibliothek (core/skills_library.py), Bestätigungsregeln (core/dangerous.py), README und AGENT.md. Die Kopplung RAGRAF × SagaAI ist nach Plattformmechanismen beschrieben; eine Live-Sitzung wurde nicht gemessen — anders als bei AutoClaw und DeepSeek Harness.