rust-mini-swe-agent

一个尽量对齐 mini-swe-agent 主使用面的 Rust 版复刻。

它提供了一个完整的本地 CLI agent 工作流：模型调用、bash action 执行、benchmark 批量运行、trajectory 保存与回放，以及本地 / 容器 / ConTree 兼容环境。

结构图

flowchart LR
    CLI["CLI (`mini` / `bench` / `inspector`)"] --> Config["Config Loader"]
    Config --> Agent["Agent Loop"]
    Agent --> Model["Model Backend"]
    Agent --> Env["Execution Environment"]
    Model --> Agent
    Env --> Agent
    Agent --> Traj["Trajectory Store"]
    Traj --> Inspector["TUI Inspector"]
    Bench["Benchmark Runner"] --> Agent

Loading

特性

• mini、bench、bench-single、inspector、config
• OpenAI 兼容 /chat/completions 和 /responses
• 单一 bash tool 调用与 text-based bash code block 回退
• human / confirm / yolo 模式
• 本地、Docker、Singularity、Bubblewrap、ConTree 兼容环境
• trajectory 持久化、TUI inspector、benchmark 输出和状态汇总
• 本地 JSON/JSONL、远程 JSON/JSONL、Hugging Face dataset repo

快速开始

先准备 API Key：

export OPENAI_API_KEY=your_key

运行一个最小任务：

cargo run -- mini -m gpt-4.1-mini -t "Inspect the repository and finish immediately"

默认输出 trajectory：

~/.config/rust-mini-swe-agent/last_run.traj.json

运行 mini

直接运行：

cargo run -- mini -m gpt-4.1-mini -t "Create a hello world file and finish the task"

或者从 stdin 读任务：

printf 'Inspect the repository and then finish immediately' | cargo run -- mini -m gpt-4.1-mini

输出的 trajectory 默认保存在：

~/.config/rust-mini-swe-agent/last_run.traj.json

配置

支持通过 -c config.yaml 载入配置，配置结构示例：

agent:
  system_template: "You are a helpful assistant that can interact with a computer."
  instance_template: "Please solve this issue: {{task}}"
  step_limit: 0
  cost_limit: 3.0
  output_path: "./run.traj.json"
  mode: "confirm"
  whitelist_actions: ["^pwd$", "^ls"]
  confirm_exit: true
environment:
  environment_class: "local"
  cwd: "."
  timeout_secs: 30
  image: null
model:
  model_name: "gpt-4.1-mini"
  base_url: "https://api.openai.com/v1"
  api_key_env: "OPENAI_API_KEY"
  temperature: 0.2
run:
  task: null
  env_startup_command: null

仓库里也附带了现成示例：

cargo run -- mini -c config.example.yaml -t "Inspect the repository and then finish immediately"

如果要跑 contree，可以在配置里这样写：

environment:
  environment_class: "contree"
  image: "docker://docker.io/swebench/sweb.eval.x86_64.demo:latest"
  cwd: "/testbed"
  interpreter: ["bash", "-c"]
  contree_config:
    base_url: "https://your-contree-endpoint"
    token: "your-contree-token"

仓库里也带了现成模板：

cargo run -- mini -c contree -t "Inspect the repository and finish immediately"

也支持和原项目类似的多层配置覆盖：

cargo run -- mini -c mini -c model.temperature=0.0 -t "Inspect the repo"

启动时会自动加载全局配置文件：

~/.config/rust-mini-swe-agent/.env

批量运行

数据集可以来自三类来源：

• 本地 json 或 jsonl
• 远程 http(s) JSON/JSONL
• Hugging Face dataset repo id，例如 princeton-nlp/SWE-Bench_Lite

本地记录至少需要：

{"instance_id":"demo-1","problem_statement":"Fix the bug"}

批量运行：

cargo run -- bench --dataset ./instances.json --output-dir ./runs -w 4

直接读取 Hugging Face 数据集：

cargo run -- bench --dataset princeton-nlp/SWE-Bench_Lite --split dev --output-dir ./runs -w 4

单例运行：

cargo run -- bench-single --dataset ./instances.json --instance demo-1

Inspector

cargo run -- inspector ./runs
cargo run -- inspector ./runs --step 2

Config

cargo run -- config setup
cargo run -- config show
cargo run -- config set OPENAI_API_KEY sk-xxx

当前状态

已实现：

• 多子命令 CLI
• 交互模式
• 多 -c 配置和 key=value 覆盖
• 自动加载全局 .env
• 内置 mini.yaml、default.yaml 和 contree.yaml
• bash tool call 校验
• text-based bash code block 解析回退
• openrouter / openrouter_response
• requesty
• portkey / portkey_response
• litellm_response 风格 /responses 兼容
• 远程 http(s) 数据集读取
• Hugging Face dataset repo 读取
• MSWEA_SWEBENCH_DATASET_BASE_URL / MSWEA_SWEBENCH_DATASET_DIR 数据集解析
• MSWEA_HF_DATASET_CONFIG 自定义 Hugging Face dataset config
• cost_tracking / multimodal_regex 配置字段兼容
• 本地和 docker 环境
• singularity / bubblewrap / contree 环境入口
• 更接近原版的 docker 持久容器和 singularity sandbox 生命周期
• 提交哨兵 COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT
• trajectory 持久化
• benchmark runner
• TUI trajectory inspector

已知差距：

• 不是逐 provider 的原生 SDK 全量复刻，部分 provider 仍以兼容层方式实现
• contree 已支持 REST/API 与兼容执行路径，但不是 Python contree_sdk 的原生 session 实现
• inspector 是 ratatui TUI，不是 Python Textual UI
• 仍有少量环境高级参数和边界行为未与 Python 版逐项对齐