Clawnet 重构

Clawnet 重构（协议 + 认证统一）

嗨

嗨 Peter — 方向很好；这将解锁更简单的用户体验 + 更强的安全性。

目的

单一、严谨的文档用于：

• 当前状态：协议、流程、信任边界。
• 痛点：审批、多跳路由、UI 重复。
• 提议的新状态：一个协议、作用域角色、统一的认证/配对、TLS 固定。
• 身份模型：稳定 ID + 可爱的别名。
• 迁移计划、风险、开放问题。

目标（来自讨论）

• 所有客户端使用一个协议（mac 应用、CLI、iOS、Android、无头节点）。
• 每个网络参与者都经过认证 + 配对。
• 角色清晰：节点 vs 操作者。
• 中央审批路由到用户所在位置。
• 所有远程流量使用 TLS 加密 + 可选固定。
• 最小化代码重复。
• 单台机器应该只显示一次（无 UI/节点重复条目）。

非目标（明确）

• 移除能力分离（仍需要最小权限）。
• 不经作用域检查就暴露完整的 Gateway 网关控制平面。
• 使认证依赖于人类标签（别名仍然是非安全性的）。

---

当前状态（现状）

两个协议

1) Gateway 网关 WebSocket（控制平面）

• 完整 API 表面：配置、渠道、模型、会话、智能体运行、日志、节点等。
• 默认绑定：loopback。通过 SSH/Tailscale 远程访问。
• 认证：通过 connect 的令牌/密码。
• 无 TLS 固定（依赖 loopback/隧道）。
• 代码：
  • src/gateway/server/ws-connection/message-handler.ts
  • src/gateway/client.ts
  • docs/gateway/protocol.md

2) Bridge（节点传输）

• 窄允许列表表面，节点身份 + 配对。
• TCP 上的 JSONL；可选 TLS + 证书指纹固定。
• TLS 在设备发现 TXT 中公布指纹。
• 代码：
  • src/infra/bridge/server/connection.ts
  • src/gateway/server-bridge.ts
  • src/node-host/bridge-client.ts
  • docs/gateway/bridge-protocol.md

当前的控制平面客户端

• CLI → 通过 callGateway（src/gateway/call.ts）连接 Gateway 网关 WS。
• macOS 应用 UI → Gateway 网关 WS（GatewayConnection）。
• Web 控制 UI → Gateway 网关 WS。
• ACP → Gateway 网关 WS。
• 浏览器控制使用自己的 HTTP 控制服务器。

当前的节点

• macOS 应用在节点模式下连接到 Gateway 网关 bridge（MacNodeBridgeSession）。
• iOS/Android 应用连接到 Gateway 网关 bridge。
• 配对 + 每节点令牌存储在 Gateway 网关上。

当前审批流程（exec）

• 智能体通过 Gateway 网关使用 system.run。
• Gateway 网关通过 bridge 调用节点。
• 节点运行时决定审批。
• UI 提示由 mac 应用显示（当节点 == mac 应用时）。
• 节点向 Gateway 网关返回 invoke-res。
• 多跳，UI 绑定到节点主机。

当前的在线状态 + 身份

• 来自 WS 客户端的 Gateway 网关在线状态条目。
• 来自 bridge 的节点在线状态条目。
• mac 应用可能为同一台机器显示两个条目（UI + 节点）。
• 节点身份存储在配对存储中；UI 身份是分开的。

---

问题/痛点

• 需要维护两个协议栈（WS + Bridge）。
• 远程节点上的审批：提示出现在节点主机上，而不是用户所在位置。
• TLS 固定仅存在于 bridge；WS 依赖 SSH/Tailscale。
• 身份重复：同一台机器显示为多个实例。
• 角色模糊：UI + 节点 + CLI 能力没有明确分离。

---

提议的新状态（Clawnet）

一个协议，两个角色

带有角色 + 作用域的单一 WS 协议。

• 角色：node（能力宿主）
• 角色：operator（控制平面）
• 操作者的可选作用域：
  • operator.read（状态 + 查看）
  • operator.write（智能体运行、发送）
  • operator.admin（配置、渠道、模型）

角色行为

Node

• 可以注册能力（caps、commands、permissions）。
• 可以接收 invoke 命令（system.run、camera.*、canvas.*、screen.record 等）。
• 可以发送事件：voice.transcript、agent.request、chat.subscribe。
• 不能调用配置/模型/渠道/会话/智能体控制平面 API。

Operator

• 完整控制平面 API，受作用域限制。
• 接收所有审批。
• 不直接执行 OS 操作；路由到节点。

关键规则

角色是按连接的，不是按设备。一个设备可以分别打开两个角色。

---

统一认证 + 配对

客户端身份

每个客户端提供：

• deviceId（稳定的，从设备密钥派生）。
• displayName（人类名称）。
• role + scope + caps + commands。

配对流程（统一）

• 客户端未认证连接。
• Gateway 网关为该 deviceId 创建配对请求。
• 操作者收到提示；批准/拒绝。
• Gateway 网关颁发绑定到以下内容的凭证：
  • 设备公钥
  • 角色
  • 作用域
  • 能力/命令
• 客户端持久化令牌，重新认证连接。

设备绑定认证（避免 bearer 令牌重放）

首选：设备密钥对。

• 设备一次性生成密钥对。
• deviceId = fingerprint(publicKey)。
• Gateway 网关发送 nonce；设备签名；Gateway 网关验证。
• 令牌颁发给公钥（所有权证明），而不是字符串。

替代方案：

• mTLS（客户端证书）：最强，运维复杂度更高。
• 短期 bearer 令牌仅作为临时阶段（早期轮换 + 撤销）。

静默批准（SSH 启发式）

精确定义以避免薄弱环节。优选其一：

• 仅限本地：当客户端通过 loopback/Unix socket 连接时自动配对。
• 通过 SSH 质询：Gateway 网关颁发 nonce；客户端通过获取它来证明 SSH。
• 物理存在窗口：在 Gateway 网关主机 UI 上本地批准后，允许在短窗口内（例如 10 分钟）自动配对。

始终记录 + 记录自动批准。

---

TLS 无处不在（开发 + 生产）

复用现有 bridge TLS

使用当前 TLS 运行时 + 指纹固定：

• src/infra/bridge/server/tls.ts
• src/node-host/bridge-client.ts 中的指纹验证逻辑

应用于 WS

• WS 服务器使用相同的证书/密钥 + 指纹支持 TLS。
• WS 客户端可以固定指纹（可选）。
• 设备发现为所有端点公布 TLS + 指纹。
  • 设备发现仅是定位器提示；永远不是信任锚。

为什么

• 减少对 SSH/Tailscale 的机密性依赖。
• 默认情况下使远程移动连接安全。

---

审批重新设计（集中化）

当前

审批发生在节点主机上（mac 应用节点运行时）。提示出现在节点运行的地方。

提议

审批是 Gateway 网关托管的，UI 传递给操作者客户端。

新流程

1. Gateway 网关接收 system.run 意图（智能体）。
2. Gateway 网关创建审批记录：approval.requested。
3. 操作者 UI 显示提示。
4. 审批决定发送到 Gateway 网关：approval.resolve。
5. 如果批准，Gateway 网关调用节点命令。
6. 节点执行，返回 invoke-res。

审批语义（加固）

• 广播到所有操作者；只有活跃的 UI 显示模态框（其他显示 toast）。
• 先解决者获胜；Gateway 网关拒绝后续解决为已结算。
• 默认超时：N 秒后拒绝（例如 60 秒），记录原因。
• 解决需要 operator.approvals 作用域。

好处

• 提示出现在用户所在位置（mac/手机）。
• 远程节点的一致审批。
• 节点运行时保持无头；无 UI 依赖。

---

角色清晰示例

iPhone 应用

• Node 角色用于：麦克风、相机、语音聊天、位置、一键通话。
• 可选的 operator.read 用于状态和聊天视图。
• 可选的 operator.write/admin 仅在明确启用时。

macOS 应用

• 默认是 Operator 角色（控制 UI）。
• 启用”Mac 节点”时是 Node 角色（system.run、屏幕、相机）。
• 两个连接使用相同的 deviceId → 合并的 UI 条目。

CLI

• 始终是 Operator 角色。
• 作用域按子命令派生：
  • status、logs → read
  • agent、message → write
  • config、channels → admin
  • 审批 + 配对 → operator.approvals / operator.pairing

---

身份 + 别名

稳定 ID

认证必需；永不改变。 首选：

• 密钥对指纹（公钥哈希）。

可爱别名（龙虾主题）

仅人类标签。

• 示例：scarlet-claw、saltwave、mantis-pinch。
• 存储在 Gateway 网关注册表中，可编辑。
• 冲突处理：-2、-3。

UI 分组

跨角色的相同 deviceId → 单个”实例”行：

• 徽章：operator、node。
• 显示能力 + 最后在线。

---

迁移策略

阶段 0：记录 + 对齐

• 发布此文档。
• 盘点所有协议调用 + 审批流程。

阶段 1：向 WS 添加角色/作用域

• 用 role、scope、deviceId 扩展 connect 参数。
• 为 node 角色添加允许列表限制。

阶段 2：Bridge 兼容性

• 保持 bridge 运行。
• 并行添加 WS node 支持。
• 通过配置标志限制功能。

阶段 3：中央审批

• 在 WS 中添加审批请求 + 解决事件。
• 更新 mac 应用 UI 以提示 + 响应。
• 节点运行时停止提示 UI。

阶段 4：TLS 统一

• 使用 bridge TLS 运行时为 WS 添加 TLS 配置。
• 向客户端添加固定。

阶段 5：弃用 bridge

• 将 iOS/Android/mac 节点迁移到 WS。
• 保持 bridge 作为后备；稳定后移除。

阶段 6：设备绑定认证

• 所有非本地连接都需要基于密钥的身份。
• 添加撤销 + 轮换 UI。

---

安全说明

• 角色/允许列表在 Gateway 网关边界强制执行。
• 没有客户端可以在没有 operator 作用域的情况下获得”完整”API。
• 所有连接都需要配对。
• TLS + 固定减少移动设备的 MITM 风险。
• SSH 静默批准是便利措施；仍然记录 + 可撤销。
• 设备发现永远不是信任锚。
• 能力声明通过按平台/类型的服务器允许列表验证。

流式传输 + 大型负载（节点媒体）

WS 控制平面对于小消息没问题，但节点还做：

• 相机剪辑
• 屏幕录制
• 音频流

选项：

1. WS 二进制帧 + 分块 + 背压规则。
2. 单独的流式端点（仍然是 TLS + 认证）。
3. 对于媒体密集型命令保持 bridge 更长时间，最后迁移。

在实现前选择一个以避免漂移。

能力 + 命令策略

• 节点报告的 caps/commands 被视为声明。
• Gateway 网关强制执行每平台允许列表。
• 任何新命令都需要操作者批准或显式允许列表更改。
• 用时间戳审计更改。

审计 + 速率限制

• 记录：配对请求、批准/拒绝、令牌颁发/轮换/撤销。
• 速率限制配对垃圾和审批提示。

协议卫生

• 显式协议版本 + 错误代码。
• 重连规则 + 心跳策略。
• 在线状态 TTL 和最后在线语义。

---

开放问题

1. 同时运行两个角色的单个设备：令牌模型

   • 建议每个角色单独的令牌（node vs operator）。
   • 相同的 deviceId；不同的作用域；更清晰的撤销。

2. 操作者作用域粒度

   • read/write/admin + approvals + pairing（最小可行）。
   • 以后考虑每功能作用域。

3. 令牌轮换 + 撤销 UX

   • 角色更改时自动轮换。
   • 按 deviceId + 角色撤销的 UI。

4. 设备发现

   • 扩展当前 Bonjour TXT 以包含 WS TLS 指纹 + 角色提示。
   • 仅作为定位器提示处理。

5. 跨网络审批

   • 广播到所有操作者客户端；活跃的 UI 显示模态框。
   • 先响应者获胜；Gateway 网关强制原子性。

---

总结（TL;DR）

• 当前：WS 控制平面 + Bridge 节点传输。
• 痛点：审批 + 重复 + 两个栈。
• 提议：一个带有显式角色 + 作用域的 WS 协议，统一配对 + TLS 固定，Gateway 网关托管的审批，稳定设备 ID + 可爱别名。
• 结果：更简单的 UX，更强的安全性，更少的重复，更好的移动路由。