diff --git a/crates/agent-gui/src-tauri/src/commands/integration/mcp.rs b/crates/agent-gui/src-tauri/src/commands/integration/mcp.rs index e96827891..d343f23d0 100644 --- a/crates/agent-gui/src-tauri/src/commands/integration/mcp.rs +++ b/crates/agent-gui/src-tauri/src/commands/integration/mcp.rs @@ -903,7 +903,14 @@ impl SseTransport { let thread_server_id = config.id.trim().to_string(); let thread_server_url = url.to_string(); - let handle = std::thread::spawn(move || loop { + // 失败重连用退避：固定 1s 会在上游不可达时以每秒一次的频率反复建连 + //（DNS + TCP + TLS 握手），而"配置了 SSE server 却连不上"时这个循环是 + // 常驻的。连上一次即复位，避免把瞬时抖动放大成持续退避。 + const SSE_RECONNECT_MIN: Duration = Duration::from_secs(1); + const SSE_RECONNECT_MAX: Duration = Duration::from_secs(30); + let handle = std::thread::spawn(move || { + let mut backoff = SSE_RECONNECT_MIN; + loop { if thread_stop.load(Ordering::Relaxed) { break; } @@ -921,15 +928,22 @@ impl SseTransport { builder = builder.header(ACCEPT, "text/event-stream"); let resp = match builder.send() { - Ok(r) => r, + Ok(r) => { + // 建连成功即复位退避：下一次失败重新从最小间隔起，避免把 + // 瞬时抖动累积成持续 30s 才重连一次。 + backoff = SSE_RECONNECT_MIN; + r + } Err(_) => { - std::thread::sleep(Duration::from_secs(1)); + std::thread::sleep(backoff); + backoff = (backoff * 2).min(SSE_RECONNECT_MAX); continue; } }; if !resp.status().is_success() { - std::thread::sleep(Duration::from_secs(1)); + std::thread::sleep(backoff); + backoff = (backoff * 2).min(SSE_RECONNECT_MAX); continue; } @@ -996,6 +1010,7 @@ impl SseTransport { continue; } } + } }); Ok(Self { diff --git a/crates/agent-gui/src-tauri/src/commands/workspace/fs.rs b/crates/agent-gui/src-tauri/src/commands/workspace/fs.rs index 0d49367fd..963054103 100644 --- a/crates/agent-gui/src-tauri/src/commands/workspace/fs.rs +++ b/crates/agent-gui/src-tauri/src/commands/workspace/fs.rs @@ -3425,8 +3425,11 @@ fn workspace_open_command(target: &Path, mode: &str) -> Command { #[cfg(target_os = "macos")] pub(crate) fn spawn_workspace_open_command(target: &Path, mode: &str) -> Result<(), String> { - workspace_open_command(target, mode) - .spawn() + // 启动器进程不等，但必须收尸：Child 直接丢掉的话，子进程退出后没人 + // wait()，每次在 Finder/资源管理器里打开或显示文件都会在本进程下留一个 + // （实测报告里长会话的僵尸累积就是这条路径）。 + let mut command = workspace_open_command(target, mode); + crate::runtime::process::spawn_and_reap(&mut command) .map(|_| ()) .map_err(|e| format!("Failed to open path with macOS open: {e}")) } @@ -3452,8 +3455,11 @@ fn workspace_open_command(target: &Path, mode: &str) -> Command { #[cfg(target_os = "windows")] pub(crate) fn spawn_workspace_open_command(target: &Path, mode: &str) -> Result<(), String> { - workspace_open_command(target, mode) - .spawn() + // 启动器进程不等，但必须收尸：Child 直接丢掉的话，子进程退出后没人 + // wait()，每次在 Finder/资源管理器里打开或显示文件都会在本进程下留一个 + // （实测报告里长会话的僵尸累积就是这条路径）。 + let mut command = workspace_open_command(target, mode); + crate::runtime::process::spawn_and_reap(&mut command) .map(|_| ()) .map_err(|e| format!("Failed to open path with Windows Explorer: {e}")) } @@ -3472,8 +3478,11 @@ fn workspace_open_command(target: &Path, mode: &str) -> Command { #[cfg(all(not(target_os = "macos"), not(target_os = "windows")))] pub(crate) fn spawn_workspace_open_command(target: &Path, mode: &str) -> Result<(), String> { - workspace_open_command(target, mode) - .spawn() + // 启动器进程不等，但必须收尸：Child 直接丢掉的话，子进程退出后没人 + // wait()，每次在 Finder/资源管理器里打开或显示文件都会在本进程下留一个 + // （实测报告里长会话的僵尸累积就是这条路径）。 + let mut command = workspace_open_command(target, mode); + crate::runtime::process::spawn_and_reap(&mut command) .map(|_| ()) .map_err(|e| format!("Failed to open path with xdg-open: {e}")) } diff --git a/crates/agent-gui/src-tauri/src/commands/workspace/git.rs b/crates/agent-gui/src-tauri/src/commands/workspace/git.rs index 400f0b582..e962fccbc 100644 --- a/crates/agent-gui/src-tauri/src/commands/workspace/git.rs +++ b/crates/agent-gui/src-tauri/src/commands/workspace/git.rs @@ -14,7 +14,7 @@ use wait_timeout::ChildExt; use crate::commands::system::validate_project_folder_name; use crate::runtime::process::{ - configure_child_process_group, kill_child_process_tree_best_effort, + configure_child_process_group, kill_child_process_tree_best_effort, spawn_and_reap, terminate_process_tree_by_pid, }; @@ -1357,9 +1357,10 @@ fn spawn_system_file_manager(program: &str, args: &[String]) -> Result<(), Strin .args(args) .stdin(Stdio::null()) .stdout(Stdio::null()) - .stderr(Stdio::null()) - .spawn() - .map_err(|error| format!("打开系统资源管理器失败：{error}"))?; + .stderr(Stdio::null()); + // 启动器不等，但必须收尸：`Child` 直接丢掉的话，子进程退出后没人 wait()， + // 每次"在文件管理器中显示"都会在本进程下留一个 。 + spawn_and_reap(&mut command).map_err(|error| format!("打开系统资源管理器失败：{error}"))?; Ok(()) } diff --git a/crates/agent-gui/src-tauri/src/runtime/managed_process.rs b/crates/agent-gui/src-tauri/src/runtime/managed_process.rs index 5dd9740b0..dbfc2b3a6 100644 --- a/crates/agent-gui/src-tauri/src/runtime/managed_process.rs +++ b/crates/agent-gui/src-tauri/src/runtime/managed_process.rs @@ -32,7 +32,13 @@ const DEFAULT_WAIT_MS: u64 = 30_000; const MAX_WAIT_MS: u64 = 300_000; const WAIT_POLL_MS: u64 = 50; /// Rate limit for pid-probing restored entries (no Child handle to poll). -const RESTORED_PROBE_INTERVAL_MS: u128 = 2000; +/// +/// 每次探测都是一次 `fork/exec`（`ps -p -o etime=`），而这条 tick 是 +/// 常驻的：只要 journal 里还有上一轮遗留的 isolated 进程，就会一直每 2s 起一个 +/// 子进程。遗留进程的存活粒度不需要秒级——15s 足以在面板上及时反映它退出， +/// 而空闲时少起 7 倍的短命进程（实测报告里主进程无操作也持续占用 CPU 的一条 +/// 来源）。 +const RESTORED_PROBE_INTERVAL_MS: u128 = 15_000; /// `ps -o etime` has second granularity; a restored pid whose probed start /// time drifts beyond this from the journaled one is a reused pid, not ours. const START_TIME_TOLERANCE_MS: i64 = 60_000; diff --git a/crates/agent-gui/src-tauri/src/runtime/process.rs b/crates/agent-gui/src-tauri/src/runtime/process.rs index 45b42a995..9c1aa1c39 100644 --- a/crates/agent-gui/src-tauri/src/runtime/process.rs +++ b/crates/agent-gui/src-tauri/src/runtime/process.rs @@ -217,10 +217,89 @@ pub(crate) fn probe_process_start_time(_pid: u32) -> ProcessProbe { ProcessProbe::Unknown } +/// `ps -o etime=` 只有秒级精度，启动时间换算允许 ±2s 误差。超出即认为这个 pid 已 +/// 被别的进程复用，不能再对它发信号。 +#[cfg(unix)] +const PID_START_TIME_TOLERANCE_MS: i64 = 2_000; + +/// 按 pid 终止进程树，但先确认这个 pid 仍是当初启动的那个进程。 +/// +/// 收尸线程会在子进程退出后立刻 `wait()` 掉它，此后 pid 可以被内核复用—— +/// 对一个"已经不是我们子进程"的 pid 发 TERM/KILL 会误伤无辜。所以调用方在启动时 +/// 记下 `started_at_ms`，这里先比对启动时间：进程已消失（被判 Dead）或启动时间 +/// 对不上（pid 复用）时直接返回。 +pub(crate) fn terminate_process_tree_by_pid_if_same( + pid: u32, + started_at_ms: Option, + grace: Duration, +) { + let Some(expected_started_at_ms) = started_at_ms else { + // 启动时没探测到启动时间（`ps` 失败等）：退回旧的 pid-only 语义， + // 与 managed_process 的既有取舍一致。 + terminate_process_tree_by_pid(pid, grace); + return; + }; + match probe_process_start_time(pid) { + ProcessProbe::Dead => return, + ProcessProbe::Alive { + started_at_ms: actual, + } if (actual - expected_started_at_ms).abs() > PID_START_TIME_TOLERANCE_MS => return, + // Unknown（探测失败）沿用旧行为：保守发信号，宁可多杀一次进程组。 + ProcessProbe::Alive { .. } | ProcessProbe::Unknown => {} + } + terminate_process_tree_by_pid(pid, grace); +} + +/// Spawn a fire-and-forget child and reap it on a detached thread. +/// +/// `std::process::Child` 不实现 drop-reap：`spawn()` 之后把 Child 丢掉，子进程退出 +/// 时没有人 `wait()`，它就会在本进程下挂成 ``，直到本进程退出为止。 +/// 系统启动器（`open` / `explorer.exe` / `xdg-open`）必须"不等它、但要收尸"—— +/// 否则每次在 Finder/资源管理器中显示文件都漏一个僵尸，长会话里 PID 表持续增长。 +/// +/// 返回子进程 pid，供调用方记录与测试观察。 +pub(crate) fn spawn_and_reap(command: &mut Command) -> io::Result { + let child = command.spawn()?; + let pid = child.id(); + spawn_child_reaper(child); + Ok(pid) +} + +/// 在分离线程里 `wait()` 掉一个不再需要句柄的子进程。 +/// +/// 线程创建失败（极端资源耗尽）时这个子进程会退化成未收尸——比在这里 panic +/// 或阻塞调用方都更可接受，且这是可观测的：它会在进程表里显示为 ``。 +pub(crate) fn spawn_child_reaper(mut child: Child) { + let spawned = std::thread::Builder::new() + .name("child-reaper".to_string()) + .spawn(move || { + let _ = child.wait(); + }); + if let Err(error) = spawned { + eprintln!("spawn child reaper failed (child may stay defunct): {error}"); + } +} + #[cfg(all(test, unix))] mod tests { use super::*; + /// `ps -o stat=` 的首字符（`Z` 即僵尸）；进程已消失时返回 None。 + #[cfg(test)] + fn process_state_flag(pid: u32) -> Option { + let output = Command::new("ps") + .arg("-p") + .arg(pid.to_string()) + .arg("-o") + .arg("stat=") + .stdin(Stdio::null()) + .stderr(Stdio::null()) + .output() + .ok()?; + let text = String::from_utf8_lossy(&output.stdout).trim().to_string(); + if text.is_empty() { None } else { Some(text) } + } + #[test] fn parse_ps_etime_handles_all_shapes() { assert_eq!(parse_ps_etime_ms("05"), Some(5_000)); @@ -260,4 +339,29 @@ mod tests { } assert!(gone, "killed process still probes alive"); } + + #[test] + fn detached_child_is_reaped_instead_of_left_defunct() { + // 回归锁：`spawn()` 之后丢掉 Child 的写法会让子进程退出后一直挂在父进程下 + // 当 ``（系统启动器每次调用漏一个）；收尸线程必须把它从进程表里清掉。 + // 旧实现下这个循环会一直读到 "Z"，最终 panic。 + let mut command = Command::new("true"); + command + .stdin(Stdio::null()) + .stdout(Stdio::null()) + .stderr(Stdio::null()); + let pid = spawn_and_reap(&mut command).expect("true should spawn"); + + let mut zombies = Vec::new(); + for _ in 0..150 { + match process_state_flag(pid) { + // 已收尸：进程表里不再有这一项。 + None => return, + Some(state) if !state.starts_with('Z') => return, + Some(state) => zombies.push(state), + } + std::thread::sleep(Duration::from_millis(20)); + } + panic!("detached child stayed defunct for 3s: {zombies:?}"); + } } diff --git a/crates/agent-gui/src-tauri/src/services/browser/launcher.rs b/crates/agent-gui/src-tauri/src/services/browser/launcher.rs index fc399f7ea..217933a1f 100644 --- a/crates/agent-gui/src-tauri/src/services/browser/launcher.rs +++ b/crates/agent-gui/src-tauri/src/services/browser/launcher.rs @@ -3,7 +3,10 @@ use std::path::PathBuf; use std::process::{Child, Command, Stdio}; use std::time::{Duration, Instant}; -use crate::runtime::process::{configure_child_process_group, kill_child_process_tree_best_effort}; +use crate::runtime::process::{ + configure_child_process_group, kill_child_process_tree_best_effort, process_start_time_ms, + spawn_child_reaper, terminate_process_tree_by_pid_if_same, +}; /// 浏览器自动化专用 profile，与用户日常浏览器 profile 隔离（防登录态/凭据暴露）。 /// 见 docs/design/browser-automation.md。 @@ -76,7 +79,12 @@ fn browser_candidates() -> Vec { } pub(crate) struct LaunchedBrowser { - pub child: Child, + /// 进程组 leader 的 pid。Child 句柄不在本结构里——它归收尸线程所有，见 + /// `launch_browser` 与 `runtime::process::spawn_child_reaper`。 + pid: u32, + /// 启动时刻的近似值（由 `ps -o etime` 反推），用于拒绝 pid 复用后的误杀； + /// 探测失败时为 None，此时 Drop 退回 pid-only 语义。 + started_at_ms: Option, pub executable: PathBuf, pub debug_port: u16, } @@ -84,13 +92,17 @@ pub(crate) struct LaunchedBrowser { impl LaunchedBrowser { /// 浏览器主进程 pid（供 BrowserManager 旁路记录，shutdown 兜底 kill 用）。 pub(crate) fn child_pid(&self) -> u32 { - self.child.id() + self.pid } } impl Drop for LaunchedBrowser { fn drop(&mut self) { - kill_child_process_tree_best_effort(&mut self.child); + terminate_process_tree_by_pid_if_same( + self.pid, + self.started_at_ms, + Duration::from_millis(300), + ); } } @@ -123,11 +135,21 @@ pub(crate) fn launch_browser(executable: &PathBuf) -> Result Ok(LaunchedBrowser { - child, - executable: executable.clone(), - debug_port, - }), + Ok(debug_port) => { + let pid = child.id(); + // 浏览器进程的存活期与整个会话相当，期间没有任何 tick 会去 try_wait + // 它。用户手关窗口（或它自己崩掉）之后，不收尸就会在父进程下留一个 + // `` 直到会话结束——实测报告里"每个 Browser 会话漏一个僵尸" + // 就是这条路径。句柄交给收尸线程后，kill 改走 pid + 启动时间比对。 + let started_at_ms = process_start_time_ms(pid); + spawn_child_reaper(child); + Ok(LaunchedBrowser { + pid, + started_at_ms, + executable: executable.clone(), + debug_port, + }) + } Err(error) => { kill_child_process_tree_best_effort(&mut child); Err(error) diff --git a/crates/agent-gui/src-tauri/src/services/gateway/controller.rs b/crates/agent-gui/src-tauri/src/services/gateway/controller.rs index e18df0cce..49d282684 100644 --- a/crates/agent-gui/src-tauri/src/services/gateway/controller.rs +++ b/crates/agent-gui/src-tauri/src/services/gateway/controller.rs @@ -159,6 +159,12 @@ impl GatewayController { tauri::async_runtime::spawn(async move { loop { tokio::time::sleep(GATEWAY_CHAT_LEASE_SWEEP_INTERVAL).await; + // 未连上网关时这些 tick 什么也做不成（inbox 只有远端会写、 + // 租约只服务远端会话），但每条都要抢锁扫一遍。这条循环在未配置 + // 网关的机器上也常驻，所以先按 online 收敛。 + if !controller.status().online { + continue; + } if let Err(error) = controller.expire_remote_chat_leases().await { eprintln!("expire gateway remote chat leases failed: {error}"); } @@ -179,6 +185,11 @@ impl GatewayController { tauri::async_runtime::spawn(async move { loop { tokio::time::sleep(GATEWAY_RUNTIME_STATUS_REPUBLISH_INTERVAL).await; + // 离线时发送本身就是 no-op，但快照构造 + protobuf 编码照旧执行。 + // 这条循环同样在未配置网关时常驻，先按 online 收敛掉。 + if !controller.status().online { + continue; + } let Some((worker_id, state, visible, active_run_count)) = controller.runtime_status_republish_snapshot() else {