智慧农业生态 Agri-Eco

智慧农业生态 · 全球分区农业 AI 助手

以数据平台分析为基座，孵化多层级农业 AI 关键节点生态

🎯 项目目标口径（单一权威）：见 docs/CORE_OBJECTIVE.md —— 分布式农业的 Agent-native 知识基座。 一句话：把「在哪里种什么、怎么种得好」做成可被任何 AI Agent 直接调用的可执行配置（Env Recipe），以可审计的数据血缘作为可信度资产。 一级目标：让 MCP server 被外部 agent 真实调用（≥500 次 / ≥20 独立调用方）。 阶段门禁数字见 docs/north_star_and_phase_gates.md；全面扫描与提升报告见 docs/full_liftup_assessment_2026-10-08.md。

🚀 已上架官方 MCP Registry：io.github.lm203688/agri-eco v1.1.0（2026-10-08）

curl -s "https://registry.modelcontextprotocol.io/v0.1/servers?search=io.github.lm203688/agri-eco"

🔎 市场入口（4 家全覆盖）：

• 官方 MCP Registry：io.github.lm203688/agri-eco v1.1.0 ✅
• Smithery：smithery.yaml 已就绪，仓库自动发现（搜索入口）✅
• Glama：已提交（2026-10-11，POST /api/mcp/servers/submit.data 200），等 Glama 审批邮件补 Dockerfile 后索引（目录入口）🟡
• LobeHub：lm203688-smart-agri-eco（2026-10-08 自动发现）✅

📋 分发就绪度自检（每次评审/发布前跑一次）：

python scripts/check_distribution_readiness.py

一次性验证 10 类分发入口：MCP server / A2A Card / Agent Plugin / Smithery / 官方 Registry / MCPB 包 / CI workflow / Demo 部署 / 市场材料 / GitHub 同步。

CI：41 步 × Python 3.10/3.11/3.12 全绿 · 单测 956 OK · Demo 端点 14/14 · MCPB 构建确定性可复现 · GitHub 本地=远端（差异 0）· Skill 注册表 11/11 一致 · AgriRecipeBench 69/69 通过（四轴齐全：M1 目标预测 25 + M2 状态滚动 21 + M3 反事实响应 17 + M4 跨情境泛化 6，覆盖 8 分区 × 主要作物 × 边界条件）。

🏆 AgriRecipeBench（benchmarks/agri_recipe_bench/）——Env Recipe 环境配方的可复现评测基准，独立于功能回归测试。M15-B1 把用例从 11 扩到 69（四轴全部达标、覆盖 8 分区、含负例与退化检测）：

python benchmarks/agri_recipe_bench/run_bench.py                # 跑全部
python benchmarks/agri_recipe_bench/run_bench.py --axis target_prediction --strict
python benchmarks/agri_recipe_bench/run_bench.py --case case_luobo_mediterranean --json
python scripts/expand_bench_cases.py                            # 幂等生成器（重新生成新用例）

• M1 target_prediction（25 用例）：预测值 vs 公开农艺基准，覆盖 8 分区 × 主要作物
• M2 state_rolling（21 用例）：数学边界（周期≥1 / harvest≥start / yield>0），含 adapt_score=0 / 冬季播种 / 超短周期 / 无 recipe 等 5 类边界场景
• M3 counterfactual（17 用例）：6 种扰动类型（adapt_score / growth_cycle / env_recipe_temperature / env_recipe_light / zone_climate / 组合扰动）——反事实机制内核直接证据
• M4 generalization（6 用例）：5 作物跨分区泛化，含退化实现检测（不同分区产量完全相同即失败）
• 挂钩：SNWM 神农世界模型四轴协议完整版，详见 benchmarks/agri_recipe_bench/docs/PROTOCOL.md

---

🔐 可验证 AI 三件套（2026-10-11 新增，对标 SNWM 可验证协议与 MCP 2026-08 路线图）：

能力	响应字段	用途
T-3 置信区间	recommendation.prediction_interval.{p10,p50,p90}	产量 / 采收期 / 周期从单点估计变区间；输入越少区间越宽；confidence.uncertainty 显式声明散布系数与惩罚项
T-1 可信标记	_trust_mark.{cert_id, signature, verification_cmd}	所有 MCP 工具输出内嵌 SHA256 证书指纹；外部消费者可 python -m core.trust_layer 独立复算
D-4 A2A Card 签名	.well-known/agent.json.jws	JWS (HS256) compact serialization，零依赖；AGRI_A2A_SIGNING_KEY 环境变量提供密钥；调用方可用 scripts/verify_agent_card.py 检测篡改

# 生成 A2A Card JWS 签名
AGRI_A2A_SIGNING_KEY="your-secret" python scripts/sign_agent_card.py
# 校验（调用方 / CI 都用这条）
AGRI_A2A_SIGNING_KEY="your-secret" python scripts/verify_agent_card.py

---

🌱 受控自进化系统（Bounded Self-Evolution）（2026-10-13 新增，对标 SNWM 可验证协议 + Theseus Labs RSI 五级框架 + PenguinHarness 棘轮门禁）：

能力	实现	用途
S1 不可进化区/可进化区	.well-known/evolution_zones.json	8 项不可进化（可信层/协议契约/schema）+ 7 项可进化（气候/预测/物候/营养/技能）；防止自进化侵蚀诚实性
A1 Köppen 栅格抽象（F5）	core/climate_grid.py	标准库栅格点查询：最近邻 + 3×3 邻居 + 1/d² 权重归一化 → 概率分布（不是单点分类）；climate_agent 双后端接入（栅格优先，无栅格显式降级为启发式，evidence.classification_backend 显式标注）
S2/E1 棘轮 CI 硬门禁	scripts/run_evolution_ratchet.py	内回路飞轮：读 .well-known/evolution_zones.json 的棘轮白名单，跑 evolution benchmark 判分数；不依赖任何外部调用，现在就能转

# 棘轮门禁（CI 硬门禁 / 本地手动跑）
python scripts/run_evolution_ratchet.py                  # 阈值 0.5，默认通过
python scripts/run_evolution_ratchet.py --min-score 0.9  # 提高阈值
python scripts/run_evolution_ratchet.py --check-files    # 只检查白名单文件存在
python scripts/run_evolution_ratchet.py --json           # 供 CI 消费

# Köppen 栅格点查询（抽象层，不依赖真实数据）
python -c "from core.climate_grid import build_synthetic_grid_dict, KoppenGrid; \
g = KoppenGrid(cells=build_synthetic_grid_dict()['cells'], ...); \
print(g.query(40.0, 116.0))"   # → 概率分布 + 项目分区映射

关键设计原则：自进化必须先有"不可进化区"，再有"可进化区"——否则"自我改进"会侵蚀项目唯一真实的资产（诚实性与可复现性）。内回路（离线棘轮）是唯一不依赖任何外部条件、现在就能转起来的飞轮，同时服务三个目的：①保证科学改进不退步；②产出对外可引用的评测资产；③喂养 RSI 度量。

---

🔍 编排层可审计性（Orchestration Audit）（2026-10-14 新增，agent/orchestration_audit.py，29 项单测守卫）：

把「诚实暴露不确定性」的元层能力从单点输出（M11 可信层）扩展到多 Agent 协作层（M10 编排层）。落地 per_module_deep_assessment_2026-10-13.md §M10-O2「跨 Agent 一致性检查」+ §M10-O4「编排 trace 可导出」：

能力	实现	用途
M10-O2 跨 Agent 一致性检查	check_cross_agent_consistency()，5 条规则	检查 Climate/Crop/Growth/Eco 四个 Agent 之间的结论是否自洽（预算超支、季节冲突、设备无匹配等），冲突显式标注严重度（error/warning/info）而非静默消解
M10-O4 编排 trace 可导出	TraceRecord + export_trace_dict/json()	每次 pipeline 生成完整调用图（agent/耗时/输入摘要/输出摘要/verify_report）+ SHA256 summary_hash（同输入稳定，可独立复算）

# 完整 pipeline 会自动带 consistency_audit + orchestration_trace
python -c "
from agent.orchestrator import AgriOrchestrator
r = AgriOrchestrator().run_pipeline(
    {'lat':30.0,'lon':120.0,'scene':'balcony','budget_cny':300},
    verify=True, record_memory=False)
print(r['consistency_audit'])
print(r['orchestration_trace']['trace_id'], r['orchestration_trace']['summary_hash'])"

# 单独跑一致性检查
python -c "
from agent.orchestration_audit import check_cross_agent_consistency
# 传入 pipeline result 会得到冲突列表与严重度分级"

关键设计原则：advisory only——审计不阻断流水线、不写回任何 Agent 输出（与 JEV 门控纪律同构）；冲突显式暴露给用户，让用户判断严重程度，而不是让系统自作主张「消解」矛盾。这是本项目对多 Agent 编排层的诚实性承诺，与单点输出的 T-1/T-3 证书形成同构。

---

🛡️ AgriTrust Verified 公共复算 API（2026-10-14 新增，scripts/verify_trust_mark.py + MCP 工具 agri_verify_trust，34 项单测守卫）：

把 T-1 可信标记从内部纪律升级为对外公共复算资产。落地 per_module_deep_assessment_2026-10-13.md §M11-T1「可信标记产品化」——外部消费者可独立验证任何 AgriTrust 输出，无需依赖私有代码。

能力	实现	用途
公共复算 CLI	python scripts/verify_trust_mark.py <mode>	4 种验证模式：current（导出）/ check-prefix（结构完整性）/ from-mark（端到端）/ from-certificate（内容一致性 + 可选 --verify-artifacts 磁盘哈希）
MCP 工具	agri_decision_path_report（第 23 个工具，v2026-10-16 新增）	M16-B2 决策路径可视化报告：将 bp_screen 评分引擎的 decision_path 归因数据导出为结构化报告，供前端可视化或报告系统消费
AgriTrust Verified 徽章	artifacts/agritrust_badge.svg + docs/agritrust_verified.md	徽章含 signature_prefix + verification_cmd，外部消费者一步到位复算

# 1. 导出当前信任标记供外部下载
python scripts/verify_trust_mark.py current > mark.json

# 2. 用外部 mark 端到端复算（用 issued_at 严格重现 signature）
python scripts/verify_trust_mark.py from-mark mark.json

# 3. 最强验证：不仅证书对象一致，其引用的数据文件也未被修改
python scripts/verify_trust_mark.py current --certificate > cert.json
python scripts/verify_trust_mark.py from-certificate cert.json --verify-artifacts

诚实边界：signature 是内容一致性 SHA256，非密码学签名（无密钥）——它证明"数据未被修改"，不证明"我们就是签发者"。这一边界写进 schema 与 verify API 输出，不静默通过，任何降级/缺失都返回 verified=False + 具体原因。这是本项目"可验证 AI"三件套（T-1/T-3/D-4）在对外接口上的延伸。

---

项目定位

一句话：做分布式农业的 AI 操作系统与数据网络——回答「在哪里种什么、怎么种得好、怎么送到消费者」。

核心架构（对标 SwarmLabs 科研 Agent Infra 的工程路径）：

输入（地块信息 / 种植者需求 / 环境参数）
  │
  ▼
┌──────────────────────────────────────────────────────────┐
│  L0  数据底座层   全球分区气候/土壤/水文元数据               │
│    └─ data/zone_meta/ (Köppen 气候带 + FAO 农业分区)      │
├──────────────────────────────────────────────────────────┤
│  L1  多 Agent 协同层（含 L2/L3 专项 Agent）               │
│    ├─ ClimateAgent  气候/水文/土壤分区匹配                  │
│    ├─ CropAgent     作物-分区适配推荐                       │
│    ├─ GrowthAgent   生长周期管理 + 病虫害诊断               │
│    ├─ EcoAgent      多层级生态撮合（供需/社区/设备）        │
│    ├─ PestAgent / NutritionAgent / SeasonAgent 按需调用    │
│    ├─ ForecastAgent(L2) 采收期 / 产量 / 风险预测           │
│    └─ ControlAgent(L3)  生长计划→执行指令 + 执行补偿        │
├──────────────────────────────────────────────────────────┤
│  L2  Skill 注册表   可复用能力模块                         │
│    └─ skills/registry/ (climate_match / crop_adapt / ...) │
├──────────────────────────────────────────────────────────┤
│  L3  可信输出层  evidence + confidence + constraints        │
│    └─ docs/agent_output_contract.md                       │
└──────────────────────────────────────────────────────────┘

---

---

覆盖边界（已闭环）：分区库现建模 8 个气候带（含 v1.1 新增的热漠 hot_arid 与高原 highland）。 迪拜（波斯湾热漠）→ hot_arid、拉萨（青藏高原）→ highland 现由 ClimateAgent 正确路由（rubric 0.95、给出真实作物推荐）， 不再静默归入「亚热带湿润」给出错误方案；v1.1 之前的「显式拒答」降级路径已随分区补齐而关闭。 两新分区的 Env Recipe 与 P3 校准作物已于 2026-10-06 回填，详见 outputs/zone_coverage_decision_2026-09-23.md（历史背景）。

两个诚实性约定（2026-09-23 起生效，均有测试锁死）：

1. monthly_precip_mm 虽是月度序列，但每个元素是月内日均降水（mm/day），不是月累计量。 NASA POWER 与 Open-Meteo 两条路径口径一致，agent/climate_data.py 统一以 PRECIP_UNITS 声明并透传 monthly_precip_mm_units。生态位校准的降水通道依赖「同口径区间命中」，不得对该字段乘天数换算。
2. 预设城市清单的唯一数据源是 data/preset_cities.json，前端与 MCP Server 均经 agent/preset_cities.py 读取；拉萨/迪拜随 v1.1 已建模（modeled: true），12 城全部有对应分区。

七层生态架构（来自项目战略指引）

⚠️ 口径已修订（2026-10-08）：七层是分析框架，不是交付清单。当前阶段只交付 L0-L3；L4/L5/L6 已正式暂缓（判定依据与重新打开条件见 docs/CORE_OBJECTIVE.md §三 N6/N7、§六）。 下表"本项目状态"列已按实测校正，此前"已落地/进行中"的表述存在与代码不符之处，此处一并修正。

层级	名称	关键节点	本项目状态（实测校正）
L6	运营生态	社区/城市合伙人/数据市场	⏸ 正式暂缓（无实现）
L5	消费服务	采摘即食/本地撮合/认证溯源	⏸ 正式暂缓（仅溯源字段留位，无服务实现）
L4	业务支撑	链路数据/鲜度中枢/损耗预测	⏸ 正式暂缓（仅 schemas/linkage_protocol.schema.json 一个 Schema，0 行实现；此前标注"已落地"有误）
L3	执行控制	水肥一体化/环境调控/执行补偿	✅ 已落地（NutritionAgent 水肥 + ControlAgent L3：生长计划→硬件无关 actuator 指令 + 车载/开放环境/设备故障执行补偿）。缺口：execution_log 0 条，闭环未真实验证；needs_gateway 网关未实现
L2	模型 AI	生长模型/病虫害/决策引擎/世界模型	🟡 部分落地（ForecastAgent L2：采收期/产量/风险预测，诚实标注 model=heuristic + WOFOST 物候 + 病虫害规则诊断）。缺口：世界模型未做；eval_pest_diagnosis_topk / eval_recipe_expert_adoption 两项核心 eval pending
L1	感知层	传感器/摄像头/边缘AI	🟡 最弱环节（agent/vision.py 63 行可插拔后端，未配置即规则降级）。注意：PlantVillage 无 license（原仓库无 LICENSE 文件），不可商用；合规替代为 PlantDoc (CC BY 4.0)。传感接入协议 0 行代码
L0	数据底座	气候/土壤/水文/光照	★ 当前重点（8 分区已闭环 / 152 配方 / 113 双源校准 / 8 源血缘）。缺口：微气候选址未做；CMIP7 未接入；第三源未融合

---

核心模块

模块	路径	用途
多 Agent 协同框架	agent/	气候/作物/生长/生态四 Agent + 病虫害(PestAgent) + 养分(NutritionAgent) 按需调用
统一编排器	agent/orchestrator.py	四 Agent 流水线（run_pipeline）+ call_skill 按需技能路由 + 技能目录（list_skills）
农业分区数据	data/zone_meta/	全球农业分区元数据
Skill 注册表	skills/registry/	可复用农业 AI 能力
可信输出契约	docs/agent_output_contract.md	每条建议的证据/置信度/适用条件
项目评估	docs/project_evaluation.md	评审维度逐项自评
战略指引	docs/planning/项目战略指引.md	七层架构与商业设计
执行方案	docs/planning/项目执行方案.md	分阶段路线图
规划/战略/GOAI 合集	docs/planning/	10 份早期规划、战略与 GOAI 竞品分析（已归档归类，便于溯源）
开源生态对接	docs/OPEN_SOURCE_INTEGRATION.md	七层架构生态位补全映射（扫描→对接）+ 用户分步操作指引（启用 cropgraph MCP / 配置视觉后端 / 提供 PAT 推送）
反馈闭环引擎	engine/flywheel.py	种植结果回流 → 适配评分校准（主动学习）
交互式 Demo	app/	零依赖 http.server 站点：坐标 → 四 Agent 方案 + AgriTrust 证书
数据扩展脚本	scripts/enrich_crop_data.py	每气候带补充适生作物至 ≥18 种
端到端验证	scripts/verify_all.py	多城市 pipeline + Trust 证书 PASS/FAIL
Skill 自动生成	engine/skill_factory.py	新作物/能力点 → 自动生成符合 Schema 的 Skill
单元测试	scripts/test_*.py 系列	700+ 项 unittest（零依赖），覆盖四 Agent + PestAgent + NutritionAgent + SeasonAgent + SoilProfile + ForecastAgent(L2) + ControlAgent(L3) + Orchestrator 统一路由 + 视觉后端降级 + Trust + flywheel + Env Recipe 契约 + 数据完整性守卫 + MCP 23 工具 + A2A Card + Skills Registry 11 项一致 + 编排层可审计性 29 项 + 可信标记公共复算 API 34 项
MCP server（Agent-native 分发）	mcp/	零依赖 JSON-RPC over stdio，暴露 23 个 agri 工具（分区匹配/作物推荐/种植计划/病虫害诊断/养分管理/Env Recipe 配方/物候播期/土壤剖面/BP 投资初筛/多源气候调和/地理编码→配方/数据血缘查询/预设城市/生态对接清单 + 知识检索 agri_search + 知识图谱 agri_knowledge_query（M12-K1 接入）+ 可信标记公共复算 agri_verify_trust（M11-T1 产品化）+ Server Card agri_server_card（M13-P3 ETags 缓存）+ 决策路径报告 agri_decision_path_report（M16-B2 可视化导出））；协议版本 2026-07-28（无状态），兼容 2025-06-18 / 2024-11-05；已适配 SEP-2575（免握手）/ SEP-2567（无 session）/ SEP-2243（Mcp-Method）/ SEP-2549（ttlMs 缓存）/ SEP-414（W3C traceparent）；注册与投递见 mcp/README.md
A2A Agent Card	.well-known/agent.json	A2A v1.0 标准发现入口：标准 skills[] 声明 23 个 skill（与 MCP 工具一一对应，skill.id == MCP 工具名）；扩展字段 x-agri-registry-skills[] 声明 11 个领域技能定义（对应 skills/registry/，内部知识库，不进入 A2A 发现）；securitySchemes={}、输入输出模式与许可红线（NC 来源不得转售）；由 scripts/gen_agent_card.py 从 mcp/server.py 的 TOOLS + skills/registry/*.json 程序化生成；校验 scripts/check_agent_card.py
Agent Plugins 打包	plugin/	Agent Plugins 1.0.0 标准：plugin.json + mcp.json + skills/<id>/SKILL.md × 11（含 Anthropic Agent Skills YAML frontmatter）；由注册表生成，禁止手改，scripts/build_agent_plugin.py 为唯一入口，CI 用 --check 防漂移
Env Recipe 协议	schemas/env_recipe.schema.json + docs/env_recipe_protocol_v1.md	配置协议 v1：作物×阶段×箱体 → 可执行环境参数；day-1 留位 execution_log/outcome/image_consent 独占数据字段；校验 scripts/validate_env_recipe.py
AI 评测基线	engine/eval.py + scripts/run_eval.py	P0-H：分区分类一致率（真实基线）+ 4 个脚手架项（绝不谎报）；评测集 data/eval/zone_checks.json
预览残留清理	scripts/clean_preview_artifacts.py	清除预览工具注入 HTML 的 data-page-node-id 属性（曾一次性注入 115 处）
演示数据重置	scripts/clean_demo_data.py	清空 demo/单测污染的 feedback_log + 剥离作物库假校准标记
Demo 端点冒烟	scripts/check_demo_endpoints.py	零依赖端到端自检：自动选空闲端口拉起 app/demo_server.py，打 14 个端点（8 GET + 6 POST），校验状态码 / 体积下限 / 响应契约键，部署前先在本机消除哑端点风险；已入 CI
同步状态检查	scripts/sync_check.py	本地工作区 vs GitHub main 逐文件 blob sha 比对（本仓非 git clone，无法用 git status）
反馈回流 CLI	scripts/submit_feedback.py	内测用户提交种植结果 → 校准 adapt_score
物候/播期层	agent/phenology.py + agent/plant_calendar.py + agent/season_agent.py	WOFOST 积温物候（7 作物，EUPL 1.2 署名）+ 霜冻锚定播期窗口；技能 season_advisory
L3 执行控制 Agent	agent/control_agent.py	生长计划 → 硬件无关 actuator intents（灌溉/施肥/补光/气候/CO₂/风机）+ needs_gateway 网关标记 + 车载颠簸/开放环境/设备故障执行补偿；技能 control_commands
L2 预测 Agent	agent/forecast_agent.py	采收期（GDD-lite 积温）/ 产量（基准×气候×适配×光照）/ 风险（霜冻/高温/计划）预测，诚实标注 model=heuristic、未知作物安全回退；技能 harvest_forecast
L4 链路数据协议	schemas/linkage_protocol.schema.json	开源标准链路数据（batch→product→7 环节三元组 + 鲜度/损耗/货架期模型），支撑 L5 认证溯源
土壤剖面（降级源）	agent/soil_profile.py	在线 SoilGrids 优先 → 离线分区均值降级；resolution=zone / confidence=low，不虚构指标
文档死链扫描	scripts/check_doc_links.py	全量 md 外链四态判定（ALIVE / DEAD_CONFIRMED / UNREACHABLE / UNPROBEABLE）
回流通路自检	scripts/check_feedback_loop.py	用 AGRI_FEEDBACK_LOG 隔离，13 项验证 record → calibrate → report 全链路，零污染真实数据
巡检报告 diff	scripts/diff_daily_loop.py	报告跨日 diff（--selftest 守护解析器）
生产部署	deploy/	一键部署（deploy_local.sh 上传 + setup_ecs.sh 远端构建启动）+ nginx 反代 + DEPLOY.md
CI	.github/workflows/ci.yml	push 自动跑单测/verify/trust/flywheel/数据自检，Python 3.10-3.12 矩阵

---

工程路径（对标 SwarmLabs）

SwarmLabs 做法	农业项目映射
traceability.py（可追溯层）	每条种植建议的溯源链（数据来源+分区依据+作物研究）
trust_layer.py（可复现证书）	农业建议的可信度评分（rubric + 数据覆盖度）
skills/registry/（机读注册表）	农业 Skill 的 JSON Schema 注册表
docs/agent_output_contract.md	农业可信输出契约
engine/flywheel.py（飞轮主循环）	✅ 已落地：record_feedback() 校准 adapt_score，闭环生效

---

快速验证

工程化入口见 docs/DEVELOPMENT.md；常用命令可用 make（如 make gate = 单测+端到端+数据质量三件套）。

# 查看农业分区数据
python -c "import json; d=json.load(open('data/zone_meta/global_zones.json')); print(len(d))"

# 查看 Skill 注册表
for f in skills/registry/*.json; do python -c "import json; s=json.load(open('$f')); print(s['id'])"; done

---

v2.1 提升项落地（Agent-native 分发 + 配置协议 + 评测）

依据 docs/planning/项目方案评审-商业模式与AI专业分析.md：商业主线重排为「免费资产 → 免费入口换数据 → 产业端收钱」； 模块⑤生成箱降级为「配方大脑授权硬件厂/存量设备」；Env Recipe 协议与 MCP 分发为近期最高优先。

提升项	交付物	验证
P0-G Env Recipe v1 协议	schemas/env_recipe.schema.json（schema v1.1.0）+ docs/env_recipe_protocol_v1.md + data/examples/sample_env_recipe.json	python scripts/validate_env_recipe.py data/env_recipes
P0-E/F 零依赖 MCP server	mcp/server.py（23 工具）+ mcp/README.md（含外部投递模板，对标 aishield 上架 Glama/npm）	python scripts/test_mcp_server.py
P0-H 评测基线	engine/eval.py + scripts/run_eval.py + data/eval/zone_checks.json	python scripts/run_eval.py

决策门（评审 §3.5）：P0-F/G 若 3 个月内零外部调用 / 零社区响应 → 降级为个人知识库项目，停止对外投入。

---

v2.2 提升项落地（分发协议适配，2026-10-08）

依据 docs/full_liftup_assessment_2026-10-08.md §8 P0 路线图；判定铁律——凡是能产生第一次真实外部调用的动作，优先级高于一切新增功能。 权威目标口径见 docs/CORE_OBJECTIVE.md（本项目唯一战略来源）。

提升项	交付物	验证
P0-1 MCP 2026-07-28 无状态适配	mcp/server.py：免 initialize 握手（SEP-2575）、显式 stateless（SEP-2567）、Mcp-Method/Mcp-Name 头校验（SEP-2243，HTTP 形态生效）、ttlMs/cacheScope 缓存提示（SEP-2549）、W3C traceparent 透传与回写（SEP-414）	python scripts/test_mcp_server.py
P0-2 A2A Agent Card	.well-known/agent.json（A2A v1.0）：skills[] 23 个 skill 与 MCP 工具一一对应 + x-agri-registry-skills[] 11 个领域技能定义（对应 skills/registry/）	python scripts/check_agent_card.py
P0-3 Agent Plugins 打包	plugin/plugin.json + plugin/mcp.json + plugin/skills/*/SKILL.md × 11	python scripts/build_agent_plugin.py --check
P0-7 消除硬编码密钥	agent/finance_agent.py / market_agent.py 的 secret_key 占位随模块一并移出主链路	grep -rn "secret_key" --include=*.py . = 0 命中

P0 出口指标：出现第 1 次非本人外部调用。

---

数据卫生（重要）

engine/flywheel.py 的 record_feedback() 真的会写盘——这是为了让反馈闭环真实生效。 代价是：demo 与单测如果不隔离，就会把合成样本混进真实数据。本项目已踩过的两类事故及防护：

事故	现象	防护
单测污染反馈日志	data/feedback_log.json 累积 12 条 unittest/smoke 样本，制造「已有真实数据回流」的假象	单测把 AGRI_FEEDBACK_LOG 重定向到临时文件
作物库假校准标记	34 个作物只有 calibrated: true 却零校准证据，被可信层当成实测数据透出	scripts/clean_demo_data.py 清洗 + CI/单测双门禁

规则：

1. data/feedback_log.json 只允许真实用户反馈。demo 记录带 [demo] 前缀，门禁会拦截未标注的合成数据。
2. python -m engine.flywheel 跑过之后，提交前必须执行：

   python scripts/clean_demo_data.py --dry-run   # 先看会清多少
   python scripts/clean_demo_data.py             # 实际清理
   

3. 隔离运行（不碰仓库数据）：

   AGRI_CROP_DB=<绝对路径>/crop.json AGRI_FEEDBACK_LOG=<绝对路径>/fb.json python -m engine.flywheel
   

   ⚠️ Windows 注意：Git Bash 的 /tmp 映射到 %LOCALAPPDATA%\Temp，Python 按 C:\tmp 解析， 必须用 Windows 风格绝对路径，否则 AGRI_CROP_DB 找不到文件会直接报错（故意 fail fast，避免静默输出全 None）。
4. CI 中的 flywheel 步骤已改为写入 $RUNNER_TEMP 隔离目录，并加了数据完整性门禁。

---

快速启动

1. 交互式 Demo 站点（零依赖，仅标准库）

python app/demo_server.py
# 浏览器打开 http://127.0.0.1:8000
# 选择城市 / 场景 / 预算 → 四 Agent 协同方案 + 可点击 AgriTrust 证书

2. 端到端验证

python scripts/verify_all.py          # 五城市 pipeline + Trust 证书，输出 PASS/FAIL
python -m engine.flywheel              # 跑一次反馈闭环示例，校准「生菜」adapt_score
python scripts/enrich_crop_data.py     # 扩展作物数据密度至每带 ≥18 种

3. Docker 部署

docker compose up --build                                  # 本地 verify 模式（跑端到端验证即退出）
docker compose -f deploy/docker-compose.prod.yml up -d --build   # 生产 serving 模式（宿主机 :8001 → 容器 :8000）

3b. 公网部署（一条命令）

cp deploy/deploy_config.example.sh deploy/deploy_config.sh   # 一次性：按需改 IP/端口
bash deploy/deploy_local.sh                                   # 同步代码 + 远端构建 + 启动 + 验证
# 站点：http://<ECS_IP>:8001   详细流程见 deploy/DEPLOY.md

3b-2. 视觉诊断后端（可选，接 ATEX 多模态网关）

PestAgent 的视觉诊断走可插拔后端：配置以下环境变量（读 agent/vision.py）即启用，未配置则规则降级。 密钥放仓库外的 .env（已被 .gitignore 忽略，部署时由 deploy_local.sh 同步到 ECS，不进 GitHub）：

# .env（项目根目录，不要提交）
AGRI_VISION_URL=http://host.docker.internal:8420/v1   # ATEX 网关，容器内用 host 网桥访问
AGRI_VISION_KEY=<你的 ATEX 网关 Key>
AGRI_VISION_MODEL=gpt-4o                              # 须为多模态模型

deploy/docker-compose.prod.yml 已默认读取这三个变量；若 ATEX 仅监听 127.0.0.1，可把 AGRI_VISION_URL 改为宿主内网 IP。

3c. CI（push 自动验证）

.github/workflows/ci.yml

push 到 main 后自动跑：单测 → verify_all → trust_layer → flywheel（隔离到 $RUNNER_TEMP）→ 数据完整性门禁（禁假校准标记、禁合成反馈样本）→ Skill 注册表合法性 → 数据自检（每带 ≥18 种作物），Python 3.10/3.11/3.12 矩阵。 状态：GitHub Actions 已验证可用（fine-grained PAT 含 Workflows:write，push 后 CI 自动跑通，最近一次 run 结论 success）。

3d. 本地 → GitHub 同步（无 git push 环境）

本机 github.com:443 不可达，且本地目录不是 git clone，不能用 git push / git status。 统一走这两个脚本：

# 1) 查看待推差异（只读，公开仓库可匿名）
python scripts/sync_check.py

# 2) 推送（单 commit，推送后自动回读校验）
python scripts/gh_push.py <token临时文件> "<提交信息>" file1 file2 ...

• 需要 fine-grained PAT（Contents: read/write），建议含 Workflows:write 以便改 CI
• token 放临时文件、用完即删，不要留在命令行历史里
• 推送后 CI 会自动跑；确认 success 再关掉本地改动

4. 单元测试（零依赖）

python -m unittest discover -s scripts -p "test_*.py" -v     # 836 项用例全过

4b. MCP / 协议 / 评测（v2.1 提升项）

python scripts/test_mcp_server.py                  # MCP server 自测：initialize/tools/list/tools/call
python scripts/validate_env_recipe.py data/examples/sample_env_recipe.json  # Env Recipe v1 Schema 校验
python scripts/run_eval.py                          # AI 评测基线（分区一致率真实数字 + 脚手架项）

注册到 Claude Desktop（stdio）：见 mcp/README.md。Env Recipe 协议说明与 AeroGarden 孤儿设备接入路径：见 docs/env_recipe_protocol_v1.md。

5. Skill 自动生成（闭环触发）

python -m engine.skill_factory            # 演示：新作物冰菜 → 自动 Skill
python -m engine.skill_factory --list     # 列出当前所有 Skill

6. 提交种植反馈（内测回流 → flywheel 校准）

python scripts/submit_feedback.py --zone subtropical_wet --crop 生菜 \
  --survival 0.92 --yield 4.5 --rating 5 --issues "梅雨季霜霉病" --note "杭州阳台春播"
# 或直接调用 Demo 站点 POST /api/feedback

---

自动化定时闭环（每日单口巡检）

本仓的每日治理巡检由专属 Automation 承担：「智慧农业生态 每日治理校验」（id c8668b59-2488-4e21-9962-ab3fa7d69d26，每日 05:00，ACTIVE）。

注：列表里另有一个同名风格、名为「AOCI 每日治理校验」（1db296e6）的自动化，实际是 aoci-code 工具对 swarmlabs / 算力共享平台 两个其他仓库的校验（每日 03:00），并非本仓任务——其命名易混淆但职责不属本项目，此处仅说明、不做改动。

闭环	频率	产出文件	作用
智慧农业生态 每日治理校验	每日 05:00	outputs/daily_loop_<YYYY-MM-DD>.md	verify_all + data_quality_gate + 全量单测三件套，非零退出即暴露漂移，只读巡检

执行内容（全部只读，禁改代码 / 禁 git / 禁推送）：

1. 回归十八项（836 项单测 + MCP 自测）：test_engine_v4.py（137 项）、test_engine_v3.py（43 项）、test_engine_v2.py（59 项）、test_agents.py（66 项）、test_engine_v5.py（94 项，BP 初筛引擎）、test_climate_data.py（19 项）、test_climate_reconcile.py（14 项）、test_data_lineage.py（25 项）、test_geo_recipe.py（7 项）、test_audit_analyzer.py（16 项）、test_jev_gate.py（15 项）、test_jev_decision.py（10 项）、test_jev_attribution.py（8 项）、test_mcp_server.py（23 工具）、test_dist_readiness.py（5 项）、test_env_derived_v12.py（8 项）、test_source_provenance.py（5 项）、test_mcp_server_unit.py（3 项）、test_mcp_namespace.py（4 项）、verify_all.py（5 城 PLACEHOLDER=0）、diff_daily_loop.py --selftest
2. 数据源存活探测：GAEZ / WorldClim / SoilGrids(rest.isric.org) / PlantVillage / EPPO / GitHub 等 7 个外部源 —— 防止引用死数据源（Ecocrop / OpenFarm / @pondlog 三次教训）
3. 回流通路健康检查：跑 check_feedback_loop.py，区分「通路故障（≠0 报警）」与「数据量缺口（=0 条、不报警）」（JSON 字段 snapshot.feedback_path = ok/broken）
4. 状态快照 + 跨日 diff：feedback 条数 / recipes 数 / wofost 作物数；与昨日报告对比，零漂移即静默，漂移即暴露

已知长期缺口：data/feedback_log.json 持续 0 条 = 通路可用但无真实用户回流数据（属产品/增长问题，非代码缺陷——不得以合成数据充数）。

---

开源协议

待确定。核心数据标准与协议倾向开源（抢生态话语权），应用层与决策引擎闭源（保利润）。

MCP 工具全表（23 个）

本表由 scripts/gen_tool_table.py 从 mcp/server.py 的 TOOLS 注册表程序化生成，禁止手写。工具总数 23。

#	工具名	分类	一句话说明	必填参数	返回类型
1	agri_list_cities	climate	列出预设城市（经纬度 + 气候带），供 Agent 选点或核对分区。	无	[City] JSON
2	agri_match_zone	climate	输入经纬度，返回气候分区匹配结果（含证据与限制因子）。	lat — 纬度 lon — 经度	Zone Match JSON
3	agri_recommend_crops	crop	根据分区（lat/lon 或 city）与偏好（用途/空间/难度）推荐作物。	见参数详情	JSON
4	agri_growth_plan	phenology	作物 + 场景 + 分区 → 生成种植计划（含微气候修正）。	crop — 作物名，如 番茄	Plan JSON（阶段化）
5	agri_diagnose_pest	pest	病虫害与营养缺乏诊断：输入作物、症状描述（可选图像引用、生长阶段、环境）。	crop	JSON
6	agri_nutrition_plan	nutrition	养分管理：作物 + 阶段 → 阶段化施肥方案。	crop	Plan JSON（阶段化）
7	agri_env_recipe	recipe	（P0-G）作物 + 生长阶段 + 设备类别 → 返回一份 Env Recipe v1 合规配方 JSON。	无	Env Recipe v1 JSON
8	agri_season_advisory	meta	（B1+B2）物候与播期：mode=planting_window 时给 12 个月均温返回无霜期与各作物最早/最晚安全播种日；mode=stage_days 时给作物+日均温返回…	见参数详情	JSON
9	agri_soil_profile	soil	（土壤降级路径）经纬度或分区 → 土壤剖面。优先查 ISRIC SoilGrids v2.0（在线点数据），不可用时降级为离线分区均值并明确标注 resolution=zone、c…	见参数详情	SoilProfile JSON
10	agri_bp_screen	business	（投资初筛）农业项目投资初筛系统：传入 BP/审计/流水文本（text）或已抽取字段（fields），跑九层管线 → 六分类（种业/农机/数字农业/生物投入品/供应链/养殖）+ 五…	见参数详情	BPScreenReport JSON
11	agri_reconcile_climate	climate	（多源气候校准）给定经纬度，并行拉 NASA POWER + Open-Meteo，逐月平均得调和月均温基线，并计算逐月一致度（多源标准差）与分歧月份告警（标准差超 3℃ 标记）。…	lat — 纬度 lon — 经度	Climate Reconcile JSON
12	agri_resolve_recipe	recipe	（地理编码→配方）城市名（中文/英文）或经纬度 → 匹配气候分区 → 检索该分区的 Env Recipe 清单。返回 zone_id / zone_name / 坐标 / 匹配配方…	见参数详情	Env Recipe v1 JSON
13	agri_query_lineage	meta	（数据血缘查询）按作物/分区查配方的数据溯源：外部 API 参与情况 + 本地权威文件 SHA256 指纹 + 校准实证（壁垒④）。传入 crop+zone_id 做单点追踪；仅 …	见参数详情	Lineage JSON
14	agri_list_ecosystem	meta	（生态对接清单）返回智慧农业生态对接的开源/商业生态清单（config/ecosystem.json），含对接状态（integrated/partial/planned_mappi…	见参数详情	[Ecosystem] JSON
15	agri_search	knowledge	（知识检索 M12-K1）跨 4 语料（crops/zones/pests/recipes，共 335 条）做词法+向量混合检索，底层是 stdlib-only 的 char n-…	query — 查询串（必填）	SearchResult JSON
16	agri_knowledge_query	knowledge	（知识图谱查询 M12-K1）查 261 实体 / 446 边的农业知识图谱（engine/knowledge_graph.py）。支持 5 种 kind：summary=整体统计…	见参数详情	KnowledgeGraph JSON
17	agri_forecast	forecast	（独立预测 M13-P1）产量/采收期预测，含 T-3 置信区间（P10/P50/P90）。底层与 agri_growth_plan 内的推荐部分同源（ForecastAgent）…	crop — 作物中文名（必填）	Forecast JSON（含 P10/P50/P90）
18	agri_recipe_profile	recipe	（配方 profile 五件套 M8-R2 + M13-P2）152 份 Env Recipe 资产的浏览、检索、比对、导出、加载。支持 6 种 kind：list=列出所有配方元…	见参数详情	Profile JSON（多 mode）
19	agri_verify_trust	meta	（可信标记公共复算 API M11-T1）外部独立验证 AgriTrust 可信标记 / 证书。支持 3 种 mode：current=返回当前信任标记（含 signature 与…	mode — 验证模式：current/check_prefi	Verification JSON（含 signature 校验）
20	agri_server_card	meta	（Server Card + ETags M13-P3）返回 MCP 服务元数据卡（能力/分类/协议/URL 等），带稳定 ETag（sha256 前 16 hex）。客户端可缓存…	见参数详情	ServerCard JSON（含 ETag）
21	agri_decision_path_report	bp_screen	（决策路径可视化报告 M16-B2）将 bp_screen 评分引擎的 decision_path 归因数据导出为可视化报告。返回结构化 JSON：每个案例含 verdict/de…	见参数详情	DecisionPathReport JSON
22	agri_counterfactual_trajectory	counterfactual	（反事实轨迹 API · Phase N+1 #6）给定作物与基线动作序列，用 AgriWorld-Lite 机理内核（光截获 Beer-Lambert + CO2 同化 + Q1…	crop — 作物名，如 potato/番茄/生菜	Trajectory JSON（数组 + CI）
23	agri_verify_recommendation	verify	（Verify-as-a-Service · Phase N+3 #14 · 支柱五）作为「农业 Agent 的裁判」验证第三方（另一个 Agent、大模型、BP、农艺师）给出的农…	claim — 被验证主张，如 {crop, yield_g_m context — 上下文，如 {dli_mj_m2_d, days	Verdict JSON（含 trust_mark）

每个工具的详细参数说明见 mcp/README.md 对应章节。