Coding Agent Template: Integration mehrerer KI-Modelle und einer sicheren Sandbox zum Aufbau automatisierter Programmierintelligenz

Coding Agent Template ist ein von Vercel Labs entwickeltes Open-Source-Projekt, das eine Basisvorlage für den Aufbau von Plattformen für KI-Intelligenzen bietet, die Kodierungsaufgaben automatisieren können. Diese Vorlage integriert eine Vielzahl von KI-Codierungstools wie Claude Code und OpenAI Codex und nutzt den специализированные-Dienst von Vercel, um sicherzustellen, dass der Code in einer sicheren Umgebung läuft.

Der zentrale Teil des Projekts ist die Verwendung der Vercel Sandbox-Technologie. Die Vercel Sandbox schafft eine temporäre, isolierte Laufzeitumgebung, in der KI-generierter Code in einer sicheren Umgebung ausgeführt werden kann, wodurch die Risiken vermieden werden, die mit der direkten Manipulation von lokalen oder Produktionsumgebungsdateien verbunden sein können. Gleichzeitig integriert sie das Vercel AI Gateway, ein Gateway, das die Verwaltung und das Routing von API-Anfragen für verschiedene KI-Modelle vereinheitlichen kann und es Entwicklern erleichtert, zwischen verschiedenen KI-Diensten zu wechseln und diese zu verwalten.

Die Front-End-Schnittstelle der gesamten Plattform wurde mit Next.js entwickelt und ist einfach und intuitiv gestaltet. Nachdem die Nutzer Aufgaben eingereicht haben, können sie den Aufgabenfortschritt und die Protokolle in Echtzeit auf der Oberfläche sehen. Die Aufgabendaten werden in einer PostgreSQL-Datenbank gespeichert, was eine dauerhafte Verwaltung der Aufgaben ermöglicht. Darüber hinaus ist in die Vorlage eine Git-Funktionalität integriert: Nachdem die KI eine Codierungsaufgabe abgeschlossen hat, erstellt sie automatisch einen neuen Code-Zweig und überträgt die Änderungen, was den Prozess der Codeüberprüfung und -zusammenführung vereinfacht.

Funktionsliste

• Unterstützt mehrere KI-IntelligenzenDie Plattform lässt den Nutzern die Freiheit, aus verschiedenen KI-Codierungstools zu wählen, um ihre Aufgaben zu erfüllen, darunter Claude Code von Anthropic, Codex CLI von OpenAI, Cursor CLI und opencode.
• Sichere Sandbox-UmgebungErstellen Sie separate, sichere Remote-Cloud-Umgebungen für jede Aufgabe, um Code mit Vercel Sandbox auszuführen und zu ändern. Dieser Mechanismus isoliert effektiv nicht vertrauenswürdigen Code und verhindert, dass er Host-Anwendungen beeinträchtigt oder sensible Daten ausläuft.
• Integriertes AI-GatewayEingebautes Vercel AI Gateway für eine einheitliche Verwaltung von Anfragen an verschiedene AI-Modelle, Routing und Beobachtung zwischen den Modellen.
• Aufgabenverwaltung und Aktualisierungen in EchtzeitBietet eine visuelle Benutzeroberfläche, mit der Benutzer Codierungsaufgaben erstellen und deren Ausführungsfortschritt mit Echtzeit-Protokollaktualisierungen verfolgen können.
• Dauerhafte Speicherung von DatenInformationen wie die Aufgaben eines Benutzers und ihr Status werden in der Neon-Postgres-Datenbank gespeichert, wodurch Datenpersistenz und Rückverfolgbarkeit gewährleistet sind.
• Automatisierung der Git-IntegrationNachdem der Smart Body die Code-Änderung abgeschlossen hat, erstellt er automatisch einen neuen Zweig im angegebenen Code-Repository und überträgt den Code, so dass die Entwickler die anschließende Code-Überprüfung (Code Review) und das Zusammenführen durchführen können.
• modernes TechnologiepaketDas Front-End-Interface wurde mit Next.js 15 und React 19 erstellt, um die Leistung und Reaktionsfähigkeit der Anwendung zu gewährleisten, und wurde mit Tailwind CSS gestylt.

Hilfe verwenden

Nachfolgend finden Sie eine ausführliche Anleitung für die Installation und Verwendung dieser Vorlage.

Vorbereitung der Umwelt

Bevor Sie beginnen, vergewissern Sie sich, dass Sie über diegitim Gesang antwortenpnpm. Außerdem müssen Sie die folgenden Konten und Berechtigungsnachweise vorbereiten:

• Eine PostgreSQL-Datenbankverbindungsadresse (z. B. von Neon, Supabase oder einem anderen PostgreSQL-Anbieter).
• Anthropisch API-Schlüssel (für das Modell Claude).
• GitHub Personal Access Token und gewährt ihm die Berechtigung zum Lesen und Schreiben im Code-Repository.
• Vercel-Konto und erhalten Sie die Team-ID, die Projekt-ID und das API-Token.

Einbauverfahren

1. Code-Repository klonen
   Öffnen Sie zunächst ein Terminal und verwenden Sie den BefehlgitBefehl, um den Projektcode von GitHub auf Ihren lokalen Computer zu klonen.

   git clone https://github.com/vercel-labs/coding-agent-template.git
   

   Wechseln Sie dann in das Verzeichnis, in dem sich das Projekt befindet:

   cd coding-agent-template
   

2. Projektabhängigkeiten installieren
   Das Projekt verwendetpnpmals Paketmanager. Führen Sie im Stammverzeichnis des Projekts den folgenden Befehl aus, um alle erforderlichen Bibliotheken zu installieren, von denen Sie abhängig sind.

   pnpm install
   

3. Umgebungsvariablen konfigurieren
   Dies ist der kritischste Schritt. Das Projekt muss mehrere API-Schlüssel und Konfigurationsinformationen lesen, um ordnungsgemäß zu funktionieren. Sie müssen die Vorlagendatei.env.exampleErstellen Sie eine Kopie und benennen Sie sie um.env.local.

   cp .env.example .env.local
   

   Als nächstes öffnen Sie mit Ihrem Texteditor die Datei.env.localtragen Sie Ihre eigenen Konfigurationsinformationen ein.

   # 必需的环境变量
   POSTGRES_URL="你的PostgreSQL数据库连接字符串"
   ANTHROPIC_API_KEY="你的Anthropic API密钥"
   GITHUB_TOKEN="你的GitHub个人访问令牌"
   VERCEL_TEAM_ID="你的Vercel团队ID"
   VERCEL_PROJECT_ID="你的Vercel项目ID"
   VERCEL_TOKEN="你的Vercel API令牌"
   # 可选的环境变量（如果需要使用其他AI智能体）
   CURSOR_API_KEY="你的Cursor API密钥"
   OPENAI_API_KEY="你的OpenAI API密钥"
   NPM_TOKEN="你的NPM令牌（用于私有NPM包）"
   

4. Einrichten der Datenbank
   Nachdem Sie die Adresse der Datenbankverbindung konfiguriert haben, müssen Sie die Struktur der Datenbanktabelle initialisieren. Das Projekt verwendet Drizzle ORM, um die Datenbank zu verwalten. Führen Sie den folgenden Befehl aus, um die Migrationsdatei zu erzeugen und sie auf Ihre Datenbank anzuwenden.

   # 生成迁移文件
   pnpm db:generate
   # 将表结构同步到数据库
   pnpm db:push
   

5. Starten des Entwicklungsservers
   Nachdem Sie alle oben genannten Schritte durchgeführt haben, führen Sie den folgenden Befehl aus, um den lokalen Entwicklungsserver zu starten.

   pnpm dev
   

   Nach erfolgreichem Start zeigt das Terminal an, dass die Anwendung ausgeführt wird. Öffnen Sie zu diesem Zeitpunkt das http://localhost:3000 Die Plattform ist zugänglich und kann genutzt werden.

Wie es funktioniert

1. Aufgaben erstellenAuf dem Hauptbildschirm der App sehen Sie ein Eingabefeld. Geben Sie zunächst die URL des GitHub-Code-Repositorys ein, mit dem AI arbeiten soll.
2. Beschreiben Sie die Anforderungen:: Beschreiben Sie in dem Textfeld unten detailliert in natürlicher Sprache die spezifische Programmieraufgabe, die die KI ausführen soll. Zum Beispiel: "Bitte helfen Sie mir, eine Anmeldeschaltfläche hinzuzufügen und eine Sprunglogik zu implementieren, wenn sie angeklickt wird" oder "Reparieren Sie dieutils.jsDieser Sortierfehler in der Datei".
3. Fortschritte überwachenNach der Übermittlung einer Aufgabe zeigt die Anwendungsschnittstelle ein Echtzeit-Ausführungsprotokoll der Aufgabe an. Sie können den gesamten Prozess der KI-Intelligenzen sehen, die die Anforderungen analysieren, Dateien finden, den Code ändern und den Code einreichen.
4. Ergebnisse der ÜberprüfungSobald die Aufgabe abgeschlossen ist, erstellt AI automatisch einen neuen Zweig in Ihrem GitHub-Repository und überträgt alle Codeänderungen an diesen Zweig. Sie können Ihr GitHub-Repository besuchen, diesen neuen Zweig finden und die Änderungen von AI überprüfen, genauso wie Sie den Code eines Kollegen überprüfen würden.
5. ManagementaufgabenIn der Seitenleiste der App sehen Sie eine Liste aller historischen Aufgaben und deren Status (z. B. laufend, abgeschlossen, fehlgeschlagen usw.), um die Verwaltung und Rückverfolgung zu erleichtern.

Anwendungsszenario

1. Automatisiertes Code-Refactoring
   Bei großen Projekten oder historischem Legacy-Code können Entwickler KI-Intelligenzen anweisen, sich wiederholende und zeitaufwändige Refactoring-Aufgaben durchzuführen, z. B. die Migration des gesamten JavaScript-Codes nach TypeScript oder die Vereinheitlichung des Fehlerbehandlungsformats für alle APIs in einem Projekt.
2. Schnelles Prototyping von neuen Funktionen
   Wenn eine Idee für eine neue Funktion validiert werden muss, können Entwickler ein Code-Repository und eine klare Beschreibung der Funktion bereitstellen, so dass KI-Intelligenzen schnell funktionalen Prototyp-Code generieren können. Dadurch wird die Zeit von der Idee bis zum vorführbaren Produkt erheblich verkürzt.
3. Behebung von Fehlern im Programm
   Entwickler können bekannte Fehlerinformationen (z. B. Fehlerprotokolle, Problembeschreibungen) als Aufgabenanweisungen an die KI-Intelligenz weitergeben, damit diese automatisch den problematischen Code findet, die Korrekturlogik schreibt und die Korrektur übermittelt.
4. Lernen und Generierung von Codebeispielen
   Anfänger können dieses Werkzeug nutzen, um neue Techniken zu erlernen. Indem man die KI nach Anforderungen fragt und beobachtet, wie sie in einem vollständigen Projekt neue Funktionen hinzufügt oder Probleme löst, kann man die Organisation des Codes und die Logik seiner Implementierung visuell verstehen.

QA

1. Wie wird bei diesem Projekt sichergestellt, dass KI-Änderungen am Code sicher sind?
   Das Projekt wird durch die Integration der Vercel Sandbox-Technologie gesichert. Jede Codierungsaufgabe wird in einer separaten, Cloud-basierten virtuellen Mikro-Maschine (microVM) ausgeführt. Diese Umgebung ist vollständig von externen Systemen isoliert, und der von der KI erzeugte oder geänderte Code kann nur innerhalb dieser Sandbox ausgeführt werden, ohne Zugriff auf Ihre lokalen Dateien oder Host-Anwendungen, wodurch potenzielle Sicherheitsrisiken vermieden werden. Diese Sandbox wird unmittelbar nach Beendigung der Aufgabe zerstört.
2. Kann ich mein eigenes AI-Modell verwenden?
   Die aktuelle Vorlage ist so konzipiert, dass sie viele der wichtigsten kodierten KI-Dienste wie Claude und OpenAI Codex unterstützt. Obwohl die Vorlage selbst keine "Plug-and-Play"-Schnittstelle zu einem benutzerdefinierten Modell bietet, ist sie quelloffen, so dass erfahrene Entwickler den Quellcode ändern können, um ihre eigenen trainierten oder andere KI-Modelle zu integrieren, indem sie den Quellcode modifizieren.
3. Muss ich für die Verwendung dieser Vorlage bezahlen?
   Das Vorlagenprojekt selbst ist quelloffen und kostenlos. Der Betrieb hängt jedoch von einer Reihe von Diensten Dritter ab, die Kosten verursachen können. So müssen Sie beispielsweise die entsprechenden Gebühren für PostgreSQL-Datenbanken, APIs zum Aufrufen von KI-Modellen (z. B. Anthropic, OpenAI) und Ressourcen zur Nutzung der Vercel-Plattform (z. B. Sandbox, AI Gateway) entrichten.
4. Warum brauche ich so viele API-Schlüssel und Token?
   Jede Taste steht für eine Kernfunktion:POSTGRES_URLDient zur Verbindung mit Datenbankspeicheraufgaben;ANTHROPIC_API_KEYvielleichtOPENAI_API_KEYFür das Aufrufen von KI-Makromodellen zum Denken und Programmieren;GITHUB_TOKENWird zum Lesen und Schreiben in das Code-Repository verwendet;VERCELDie zugehörigen IDs und Token werden dann zur Erstellung und Verwaltung einer sicheren Sandbox-Ausführungsumgebung verwendet.