feat: 添加代码交付 Agent 和 Agent 互调用功能

CLAUDE.md

@@ -68,7 +68,7 @@ Skills 是核心扩展机制，分四类，全部通过 `config.json`（OpenAI f
 - Agent 的 config.json 统一使用 `prompt` 参数接收用户需求
 - Agent handler 应使用 `skills/agents/runner.py` 的 `run_agent_with_tools()` 统一执行入口，它处理 prompt 加载、LLM 迭代、tool call 并发执行、结果回填
 - Agent 通过 `context["ai_client"].request_model()` 调用模型，确保 Token 统计一致
-- 5 个内置 Agent：info_agent, web_agent, file_analysis_agent, naga_code_analysis_agent, entertainment_agent
+- 6 个内置 Agent：info_agent, web_agent, file_analysis_agent, naga_code_analysis_agent, entertainment_agent, code_delivery_agent
 
 ### Anthropic Skills (`skills/anthropic_skills/{skill_name}/SKILL.md`)
 - 遵循 agentskills.io 标准，YAML frontmatter（name + description）+ Markdown 正文

README.md

@@ -81,6 +81,7 @@
 - **会话白名单（群/私聊）**：只需配置 `access.allowed_group_ids` / `access.allowed_private_ids` 两个列表，即可把机器人“锁”在指定群与指定私聊里；避免被拉进陌生群误触发、也避免工具/定时任务把消息误发到不该去的地方（默认留空不限制）。
 - **并行工具执行**：无论是主 AI 还是子 Agent，均支持 `asyncio` 并发工具调用，大幅提升多任务处理速度（如同时读取多个文件或搜索多个关键词）。
 - **智能 Agent 矩阵**：内置多个专业 Agent，分工协作处理复杂任务。
+- **Agent 互调用**：Agent 之间可以相互调用，通过简单的配置文件（`callable.json`）即可让某个 Agent 成为其他 Agent 的工具，支持细粒度的访问控制，实现复杂的多 Agent 协作场景。
 - **Agent 自我介绍自动生成**：启动时按 Agent 代码/配置 hash 生成 `intro.generated.md`（第一人称、结构化），与 `intro.md` 合并后作为描述；减少手动维护，保持能力说明与实现同步，有助于精准调度。
 - **请求上下文管理**：基于 Python `contextvars` 的统一请求上下文系统，自动 UUID 追踪，零竞态条件，完全的并发隔离。
 - **定时任务系统**：支持 Crontab 语法的强大定时任务系统，可自动执行各种操作（如定时提醒、定时搜索）。
@@ -169,12 +170,13 @@ graph TB
             TS_Scheduler["scheduler.*<br/>• create_schedule_task<br/>• delete_schedule_task<br/>• list_schedule_tasks"]
         end
 
-        subgraph IntelligentAgents["智能体 Agents (5个)"]
+        subgraph IntelligentAgents["智能体 Agents (6个)"]
             A_Info["info_agent<br/>信息查询助手<br/>(17个工具)<br/>• weather_query<br/>• *hot 热搜<br/>• bilibili_*<br/>• whois"]
             A_Web["web_agent<br/>网络搜索助手<br/>• MCP Playwright<br/>• web_search<br/>• crawl_webpage"]
             A_File["file_analysis_agent<br/>文件分析助手<br/>(14个工具)<br/>• extract_* (PDF/Word/Excel/PPT)<br/>• analyze_code<br/>• analyze_multimodal"]
             A_Naga["naga_code_analysis_agent<br/>NagaAgent 代码分析<br/>(7个工具)<br/>• read_file / glob<br/>• search_file_content"]
             A_Ent["entertainment_agent<br/>娱乐助手<br/>(9个工具)<br/>• ai_draw_one<br/>• horoscope<br/>• video_random_recommend"]
+            A_Code["code_delivery_agent<br/>代码交付助手<br/>(13个工具)<br/>• Docker 容器隔离<br/>• Git 仓库克隆<br/>• 代码编写验证<br/>• 打包上传"]
         end
 
         MCPRegistry["MCPToolRegistry<br/>MCP 工具注册表<br/>[mcp/registry.py]"]
@@ -596,6 +598,7 @@ Undefined 支持 **MCP (Model Context Protocol)** 协议，可以连接外部 MC
 
 *   **网络搜索**："搜索一下 DeepSeek 的最新动态"
 *   **B站视频**：发送 B 站链接/BV 号自动下载发送视频，或指令 AI "下载这个 B 站视频 BV1xx411c7mD"
+*   **代码交付**："用 Python 写一个 HTTP 服务器，监听 8080 端口，返回 Hello World，打包发到这个群"
 *   **定时任务**："每天早上 8 点提醒我看新闻"
 
 ### 管理员命令
@@ -635,6 +638,8 @@ src/Undefined/
 
 请参考 [src/Undefined/skills/README.md](src/Undefined/skills/README.md) 了解如何编写新的工具和 Agent。
 
+**Agent 互调用功能**：查看 [docs/agent-calling.md](docs/agent-calling.md) 了解如何让 Agent 之间相互调用，实现复杂的多 Agent 协作场景。
+
 ### 开发自检
 
 ```bash

config.toml.example

@@ -383,6 +383,58 @@ auto_extract_group_ids = []
 # en: Private chat allowlist for auto-extraction (empty = follow global access.allowed_private_ids).
 auto_extract_private_ids = []
 
+# zh: Code Delivery Agent 配置（代码交付 Agent，在 Docker 容器中编写代码并打包上传）。
+# en: Code Delivery Agent settings (writes code in Docker containers and delivers packaged results).
+[code_delivery]
+# zh: 是否启用 Code Delivery Agent。
+# en: Enable Code Delivery Agent.
+enabled = true
+# zh: 任务根目录（相对于工作目录）。
+# en: Task root directory (relative to working directory).
+task_root = "data/code_delivery"
+# zh: Docker 镜像名称。
+# en: Docker image name.
+docker_image = "ubuntu:24.04"
+# zh: 容器名前缀。
+# en: Container name prefix.
+container_name_prefix = "code_delivery_"
+# zh: 容器名后缀。
+# en: Container name suffix.
+container_name_suffix = "_runner"
+# zh: 命令默认超时时间（秒），0 表示不限时。
+# en: Default command timeout (seconds), 0 means no limit.
+default_command_timeout_seconds = 0
+# zh: 命令输出最大字符数。
+# en: Max command output characters.
+max_command_output_chars = 20000
+# zh: 默认归档格式（zip 或 tar.gz）。
+# en: Default archive format (zip or tar.gz).
+default_archive_format = "zip"
+# zh: 归档文件最大大小（MB）。
+# en: Max archive file size (MB).
+max_archive_size_mb = 200
+# zh: 任务完成后是否清理工作区和容器。
+# en: Clean up workspace and container after task completion.
+cleanup_on_finish = true
+# zh: 启动前是否清理残留工作区和容器。
+# en: Clean up leftover workspaces and containers on startup.
+cleanup_on_start = true
+# zh: 单次 LLM 请求最大连续失败次数（达到后发送失败通知并终止任务）。
+# en: Max consecutive LLM failures per request (sends failure notification and terminates task when reached).
+llm_max_retries_per_request = 5
+# zh: LLM 连续失败时是否向目标发送通知。
+# en: Send notification to target on consecutive LLM failures.
+notify_on_llm_failure = true
+# zh: 容器内存限制（如 "2g", "512m"），留空表示不限制。
+# en: Container memory limit (e.g., "2g", "512m"), empty means no limit.
+container_memory_limit = ""
+# zh: 容器 CPU 限制（如 "2.0", "0.5"），留空表示不限制。
+# en: Container CPU limit (e.g., "2.0", "0.5"), empty means no limit.
+container_cpu_limit = ""
+# zh: 命令黑名单（禁止执行的命令模式列表，支持通配符）。
+# en: Command blacklist (list of forbidden command patterns, supports wildcards).
+command_blacklist = ["rm -rf /", ":(){ :|:& };:", "mkfs.*", "dd if=/dev/zero"]
+
 # zh: WebUI 设置。仅在使用 `Undefined-webui` 启动 WebUI 时生效；直接运行 `Undefined` 可忽略本段。
 # en: WebUI settings. Only used when starting WebUI via `Undefined-webui`; ignore this section if you run `Undefined` directly.
 [webui]