Skip to content

server.md

Latest commit

 

History

History
158 lines (133 loc) · 4.11 KB

server.md

File metadata and controls

158 lines (133 loc) · 4.11 KB

Toonic Server

Uruchamianie

# Minimalne
python -m toonic.server --source file:./src/ --goal "analyze code"

# Z konfiguracją
python -m toonic.server --config toonic-server.yaml

# Multi-source
python -m toonic.server \
  --source file:./src/ \
  --source log:./logs/app.log \
  --source rtsp://admin:123456@192.168.188.146:554/h264Preview_01_main \
  --goal "code + logs + video monitoring" \
  --interval 30

Opcje CLI

Opcja Domyślnie Opis
--source, -s — Źródło danych (można wielokrotnie)
--goal, -g "analyze..." Cel analizy
--when — NLP → YAML triggers (zapisuje triggers.yaml)
--triggers — Ścieżka do pliku triggers.yaml
--model, -m z .env Model LLM
--interval, -i 30.0 Interwał analizy (0=one-shot)
--port, -p 8900 Port HTTP/WS
--host 0.0.0.0 Adres nasłuchiwania
--config, -c — Plik YAML konfiguracji
--no-web false Wyłącz web UI
--log-level INFO DEBUG/INFO/WARNING/ERROR

Formaty źródeł

file:./src/                    # katalog z kodem
log:./logs/app.log             # plik logów (tail -f)
rtsp://user:pass@host:554/path # kamera RTSP (OpenCV)
config:./config/               # pliki konfiguracyjne
data:./data/                   # pliki danych (CSV, JSON)

Auto-detection kategorii:

  • .py, .js, .go → code
  • .log, .txt z log: prefix → logs
  • rtsp:// → video
  • .env, Dockerfile → config
  • .csv, .json → data

Konfiguracja .env

LLM_API_KEY=sk-or-v1-...
LLM_MODEL=google/gemini-3-flash-preview
TOONIC_PORT=8900
TOONIC_INTERVAL=30
TOONIC_HISTORY_ENABLED=true
TOONIC_DB_PATH=./toonic_history.db
TOONIC_DATA_DIR=./toonic_data  # katalog dla logów i danych

Data Directory

Serwer automatycznie tworzy katalog toonic_data/ (lub $TOONIC_DATA_DIR):

toonic_data/
├── events.jsonl          # Wszystkie eventy (context, trigger, action, status)
├── exchanges.jsonl       # LLM exchanges (podzbiór events)
├── history.db            # SQLite z pełną historią wymian
├── server.log            # Logi serwera (console + file)
├── sources/              # Cache danych ze źródeł
└── exchanges/            # Dodatkowe dane wymian

File logging:

  • Console: stdout (kolorowe logi)
  • File: toonic_data/server.log (duplikat konsoli)
  • Events: toonic_data/events.jsonl (każdy event w osobnej linii JSON)
  • Exchanges: toonic_data/exchanges.jsonl (tylko LLM actions)

Startup info:

Toonic Server
─────────────────────────────────
Web UI:   http://0.0.0.0:8900/
API:      http://0.0.0.0:8900/api/status
WS:       ws://0.0.0.0:8900/ws
Goal:     analyze project
Sources:  3
Interval: 30.0s
Model:    default
Data:     /path/to/toonic_data/
History:  /path/to/toonic_data/history.db
Logs:     /path/to/toonic_data/events.jsonl
Triggers: 2 rule(s)

Konfiguracja YAML

# toonic-server.yaml
host: "0.0.0.0"
port: 8900
goal: "analyze project"
interval: 30.0
max_context_tokens: 100000

models:
  text:
    model: google/gemini-3-flash-preview
    max_tokens: 8192
  code:
    model: google/gemini-3-flash-preview
    max_tokens: 16384
  multimodal:
    model: google/gemini-3-flash-preview
    supports: [text, image, audio]

sources:
  - source_id: "code"
    category: code
    path_or_url: "./src/"
    watch: true
    poll_interval: 2.0
  - source_id: "logs"
    category: logs
    path_or_url: "log:./logs/app.log"
    watch: true
    poll_interval: 1.0

history_enabled: true
history_db_path: "./toonic_data/history.db"

Trigger System

NLP → YAML (--when):

python -m toonic.server \
  --source "rtsp://admin:pass@cam:554/stream" \
  --goal "describe what you see" \
  --when "person detected for 2 seconds, if not send frame every 60s"
# → zapisuje triggers.yaml w CWD

YAML file (--triggers):

python -m toonic.server \
  --source "rtsp://cam:554/stream" \
  --triggers ./triggers.yaml

→ Pełna dokumentacja: triggers.md