状态: 完整版 最后更新: 2026-02-11
Ship 是 Shipyard 平台中的 容器化沙箱运行时 (Container Runtime)，以独立 Docker 容器形式运行在每个沙箱实例内部。它基于 FastAPI 构建，对外暴露 HTTP/WebSocket API（端口 8123），为上层编排服务 Bay 提供以下核心能力：
- 文件系统操作（CRUD、上传/下载）
- IPython 内核（Python 代码执行、图表渲染）
- Shell 命令执行（前台/后台进程）
- 交互式终端（基于 WebSocket + PTY）
┌──────────────────────────────────────────────┐
│ MCP Client │
│ (AI Agent / IDE) │
└────────────────┬─────────────────────────────┘
│ MCP Protocol
┌────────────────▼─────────────────────────────┐
│ Bay │
│ (编排层 · 管理沙箱生命周期) │
│ ShipAdapter ─── HTTP ──┐ │
└────────────────────────────────┼─────────────┘
│
┌──────────────────▼─────────────┐
│ Ship 容器 │
│ FastAPI :8123 │
│ ┌─────────────────────────┐ │
│ │ /fs/* Filesystem │ │
│ │ /ipython/* IPython │ │
│ │ /shell/* Shell │ │
│ │ /term/ws Terminal │ │
│ └─────────────────────────┘ │
│ /workspace (挂载卷) │
└────────────────────────────────┘
pkgs/ship/
├── run.py # Uvicorn 启动入口
├── Dockerfile # 多阶段构建，基于 python:3.13-slim-bookworm
├── entrypoint.sh # 容器入口：修复 /workspace 权限后启动应用
├── Makefile # 构建/运行/测试快捷命令
├── pyproject.toml # 项目元数据与依赖
├── requirements.txt # pip 兼容依赖列表
├── app/
│ ├── __init__.py
│ ├── main.py # FastAPI 应用定义、路由注册、生命周期
│ ├── workspace.py # 路径安全解析（沙箱根 /workspace）
│ └── components/
│ ├── filesystem.py # 文件系统 CRUD + 上传/下载
│ ├── ipython.py # Jupyter 内核管理 + 代码执行
│ ├── shell.py # Shell 命令路由
│ ├── term.py # WebSocket 交互式终端 (PTY)
│ └── user_manager.py # 命令执行引擎（sudo shipyard、进程管理）
├── skills/ # 内置 skill（构建时打包进镜像，启动时注入 workspace）
│ └── python-sandbox/SKILL.md
└── tests/
├── e2e/ # 端到端测试
└── unit/ # 单元测试
3.1 应用入口 — main.py
- 使用 FastAPI
lifespan在启动时 预热 Jupyter Kernel，避免首次请求冷启动延迟 - 注册四个子路由：
/fs、/ipython、/shell、/term - 提供
/health、/meta、/stat等运维端点 /meta端点返回 runtime 自描述信息，Bay 用此端点校验运行时版本与能力集
3.2 路径安全 — workspace.py
- 固定沙箱根目录
WORKSPACE_ROOT = Path("/workspace") resolve_path()函数对所有用户输入路径做 路径遍历防护：- 相对路径 → 拼接到
/workspace下 - 绝对路径 → 必须在
/workspace子树内 - 违规 → HTTP 403
- 相对路径 → 拼接到
3.3 文件系统组件 — filesystem.py
| 端点 | 方法 | 功能 |
|---|---|---|
/fs/create_file |
POST | 创建文件（支持设置权限模式） |
/fs/read_file |
POST | 读取文件（支持 offset/limit 分页读取） |
/fs/write_file |
POST | 写入/追加文件 |
/fs/edit_file |
POST | 字符串搜索替换编辑 |
/fs/delete_file |
POST | 删除文件或目录（递归） |
/fs/list_dir |
POST | 列出目录内容 |
/fs/upload |
POST | 二进制文件上传（multipart/form-data） |
/fs/download |
GET | 文件下载 |
3.4 IPython 组件 — ipython.py
- 单例内核模式：每个 Ship 容器维护一个
AsyncKernelManager实例 - 启动时通过
start_kernel(cwd="/workspace")将内核工作目录设为沙箱根 - 内核初始化包括 matplotlib 中文字体配置（Noto CJK + Symbola fallback）
- 支持文本输出和 Base64 PNG 图像输出
- 提供内核重启和关闭接口
3.5 Shell 组件 — shell.py + user_manager.py
- 所有命令通过
sudo -u shipyard -H bash -lc "..."以非 root 的shipyard用户执行 - 支持 前台执行（等待完成，返回 stdout/stderr/return_code）
- 支持 后台执行（立即返回 process_id，可查询/终止）
- 后台进程注册表自动清理已完成的进程
3.6 终端组件 — term.py
- WebSocket 端点
/term/ws，面向 xterm.js 前端集成 - 每个连接创建独立 PTY（
pty.fork()→sudo -u shipyard bash -l） - 支持终端尺寸调整（
TIOCSWINSZ） - 连接断开时自动清理 PTY 和子进程
Ship 采用 三层防御 策略来保障沙箱的安全隔离：
每个沙箱是一个独立的 Docker 容器，由 Bay 编排层管理生命周期。容器级别提供：
- 进程隔离: 容器内进程无法访问宿主机或其他容器的进程
- 网络隔离: 容器拥有独立的网络命名空间
- 文件系统隔离: 仅通过
/workspace卷挂载有限的持久化存储
容器内采用 双用户模型：
root (UID 0)
└─ 运行 FastAPI 应用（需要管理内核、子进程）
└─ 通过 sudo 委派命令给 shipyard 用户
shipyard (UID 1000, GID 1000)
└─ 实际执行用户代码和 Shell 命令
└─ HOME=/workspace
└─ 无法修改系统文件
关键实现（见 user_manager.py）：
- Shell 命令执行:
sudo -u shipyard -H bash -lc "cd /workspace && <command>" - 交互式终端:
sudo -u shipyard -H bash -l（通过 PTY fork） - 环境变量被重置为安全默认值（
PATH、HOME、SHELL等）
workspace.py 中的 resolve_path() 对所有文件系统操作做路径遍历防护：
# 防护逻辑伪代码
def resolve_path(path: str) -> Path:
workspace = Path("/workspace").resolve()
candidate = (workspace / path) if not is_absolute(path) else Path(path)
candidate = candidate.resolve() # 解析 .. 和符号链接
if not candidate.is_relative_to(workspace):
raise HTTP 403 # 拒绝访问 workspace 外的路径
return candidate防护场景：
| 输入路径 | 解析结果 | 是否允许 |
|---|---|---|
hello.txt |
/workspace/hello.txt |
✅ |
sub/dir/file.py |
/workspace/sub/dir/file.py |
✅ |
../../etc/passwd |
/etc/passwd |
❌ 403 |
/etc/shadow |
/etc/shadow |
❌ 403 |
/workspace/ok.txt |
/workspace/ok.txt |
✅ |
Shell 命令执行也有独立的路径校验逻辑（cwd 参数必须在 /workspace 内），见 user_manager.py。
Ship 使用 多阶段 Docker 构建（见 Dockerfile），优化镜像体积和构建缓存。
python:3.13-slim-bookworm (builder)
├─ 安装编译工具: gcc, g++, python3-dev, libffi-dev, libpng-dev ...
├─ 使用 uv pip install --prefix=/install 安装依赖到独立目录
└─ 清理 __pycache__、.pyc、.pyo 减小体积
python:3.13-slim-bookworm
├─ 运行时依赖:
│ ├─ 图像处理: libpng16-16, libjpeg62-turbo, libglib2.0-0
│ ├─ XML: libxml2, libxslt1.1
│ ├─ 字体: fontconfig, fonts-noto-cjk, fonts-symbola
│ ├─ 系统: sudo, curl, gnupg, git
│ └─ 调试: vim-tiny, nano, less, procps, htop
│
├─ COPY --from=builder /install → /usr/local (Python 包)
│
├─ Node.js LTS + pnpm + vercel (全局安装)
│
├─ 用户创建:
│ ├─ shipyard (UID 1000, GID 1000)
│ ├─ HOME=/workspace, SHELL=/bin/bash
│ └─ sudoers: root + shipyard NOPASSWD ALL
│
├─ matplotlib 字体缓存预热 (构建时完成)
│
└─ ENTRYPOINT: entrypoint.sh → CMD: python run.py
entrypoint.sh 在容器启动时：
- 修复
/workspace目录所有权为shipyard:shipyard（处理卷挂载权限问题） - 注入内置 skills 到
/workspace/skills/（per-skill overwrite，见 §10） exec "$@"执行 CMD（即python run.py）
python run.py
└─ uvicorn "app.main:app" host=0.0.0.0 port=8123
└─ lifespan 启动:
└─ 预热 Jupyter Kernel (get_or_create_kernel)
├─ AsyncKernelManager().start_kernel(cwd="/workspace")
└─ 初始化 matplotlib 中文字体配置
└─ 注册路由: /fs, /ipython, /shell, /term
└─ 开始接收请求
| 类别 | 工具 | 用途 |
|---|---|---|
| Python | 3.13 | 运行时 + IPython 内核 |
| Node.js | LTS | 前端开发支持 |
| pnpm | 全局 | Node 包管理 |
| vercel | 全局 | 部署工具 |
| Git | 系统包 | 版本控制 |
| matplotlib | Python 包 | 图表绘制（含中文字体） |
| pandas/numpy/scikit-learn | Python 包 | 数据科学 |
| Pillow/OpenCV | Python 包 | 图像处理 |
| pdfplumber/pypdf/reportlab | Python 包 | PDF 处理 |
| python-docx/python-pptx/openpyxl | Python 包 | Office 文档处理 |
| beautifulsoup4/lxml | Python 包 | HTML/XML 解析 |
Bay 通过 ShipAdapter 与 Ship 容器通信。这是一个 纯 HTTP 适配器，使用 httpx.AsyncClient 连接池实现高性能请求复用。
| Bay 能力 | Ship 端点 | 方法 | 说明 |
|---|---|---|---|
python |
/ipython/exec |
POST | IPython 内核执行 Python 代码 |
shell |
/shell/exec |
POST | Shell 命令执行 |
filesystem |
/fs/create_file |
POST | 创建文件 |
filesystem |
/fs/read_file |
POST | 读取文件 |
filesystem |
/fs/write_file |
POST | 写入文件 |
filesystem |
/fs/edit_file |
POST | 编辑文件（搜索替换） |
filesystem |
/fs/delete_file |
POST | 删除文件/目录 |
filesystem |
/fs/list_dir |
POST | 列出目录 |
filesystem |
/fs/upload |
POST | 上传二进制文件 |
filesystem |
/fs/download |
GET | 下载文件 |
terminal |
/term/ws |
WS | WebSocket 交互终端 |
Bay (ShipAdapter) Ship Container
│ │
│──── GET /health ─────────────────────────────▶│ 健康检查
│◀─── 200 {"status": "healthy"} ───────────────│
│ │
│──── GET /meta ───────────────────────────────▶│ 获取运行时元数据
│◀─── 200 {runtime, workspace, capabilities} ──│ (结果会被缓存)
│ │
│──── POST /ipython/exec ──────────────────────▶│ 执行 Python
│ {"code": "...", "timeout": 30} │
│◀─── 200 {success, output, error} ────────────│
│ │
│──── POST /shell/exec ────────────────────────▶│ 执行 Shell
│ {"command": "...", "timeout": 30} │
│◀─── 200 {success, stdout, stderr, ...} ──────│
│ │
│──── POST /fs/upload ─────────────────────────▶│ 上传文件
│ multipart/form-data {file, file_path} │ (Cargo 传输)
│◀─── 200 {success, file_path, size} ──────────│
│ │
ShipAdapter 采用 双层超时：
- 请求超时: 用户指定的
timeout参数（如 30s） - 传输超时:
timeout + 5s（给予网络传输额外缓冲）
# 示例：exec_python 的超时设置
result = await self._post(
"/ipython/exec",
{"code": code, "timeout": timeout, "silent": False},
timeout=timeout + 5, # 传输超时 = 执行超时 + 5s
)Ship 的 /meta 端点返回完整的运行时自描述信息，Bay 用此进行版本校验和能力发现：
{
"runtime": {
"name": "ship",
"version": "0.1.0",
"api_version": "v1",
"build": {
"image": "ship:default",
"image_digest": null,
"git_sha": null
}
},
"workspace": {
"mount_path": "/workspace"
},
"capabilities": {
"filesystem": {
"operations": ["create", "read", "write", "edit", "delete", "list", "upload", "download"],
"path_mode": "relative_to_mount",
"endpoints": { ... }
},
"shell": {
"operations": ["exec", "processes"],
"endpoints": { ... }
},
"python": {
"operations": ["exec"],
"engine": "ipython",
"endpoints": { ... }
},
"terminal": {
"operations": ["ws"],
"protocol": "websocket",
"endpoints": { ... }
}
},
"built_in_skills": [
{
"name": "python-sandbox",
"description": "Ship runtime usage guide for code execution sandboxes...",
"path": "/app/skills/python-sandbox/SKILL.md"
}
]
}注意:
built_in_skills字段由_scan_built_in_skills()在请求时扫描/app/skills/*/SKILL.md并解析 YAML frontmatter 生成。path字段返回的是镜像内路径，用于诊断。
ShipAdapter 优先使用 Bay 全局的 http_client_manager.client（共享 httpx.AsyncClient），实现跨请求的 TCP 连接复用。测试场景下会 fallback 到临时创建的 client。
Ship 的 IPython 内核支持多种输出格式，通过 Jupyter 消息协议采集执行结果。
/ipython/exec 端点返回的 output 字段结构如下：
{
"success": true,
"execution_count": 1,
"output": {
"text": "纯文本输出内容",
"images": [
{"image/png": "<base64-encoded-png>"}
]
},
"error": null
}| Jupyter 消息类型 | 采集内容 | 映射到 output 字段 |
|---|---|---|
stream |
print() 等标准输出 |
text（拼接） |
execute_result |
表达式求值结果 | text/plain → text；image/png → images |
display_data |
plt.show() 等显示数据 |
image/png → images；text/plain → text |
error |
异常 traceback | error 字段 |
用户代码:
import matplotlib.pyplot as plt
plt.plot([1,2,3], [4,5,6])
plt.title("测试图表")
plt.show()
执行流程:
1. IPython 内核执行代码
2. matplotlib 使用 Agg 后端生成 PNG
3. 通过 display_data 消息发送 base64 PNG
4. Ship 采集到 images 数组
5. Bay 通过 ShipAdapter 接收完整 output 对象
6. MCP 层将 base64 PNG 返回给 AI Agent
内核初始化时配置了字体 fallback 链（见 ipython.py）：
Noto Sans CJK SC → Noto Sans CJK JP → Noto Sans CJK TC → Symbola → DejaVu Sans
- CJK 字体: 支持中日韩文字的图表标题和标签
- Symbola: 矢量 emoji 字体（如果可用）
- DejaVu Sans: 最终 fallback
请求体 (CreateFileRequest):
{
"path": "hello.txt", // 相对或绝对路径
"content": "Hello World!", // 文件内容（默认空字符串）
"mode": 420 // Unix 权限模式（默认 0o644 = 420）
}响应:
{
"success": true,
"message": "File created: hello.txt",
"path": "/workspace/hello.txt"
}请求体 (ReadFileRequest):
{
"path": "hello.txt",
"encoding": "utf-8", // 默认 utf-8
"offset": 1, // 起始行号（1-based），null 表示从头
"limit": 100 // 最大读取行数，null 表示全部
}响应 (FileResponse):
{
"content": "Hello World!",
"path": "/workspace/hello.txt",
"size": 12
}请求体 (WriteFileRequest):
{
"path": "hello.txt",
"content": "New content",
"mode": "w", // "w" 覆盖写入，"a" 追加
"encoding": "utf-8"
}请求体 (EditFileRequest):
{
"path": "hello.txt",
"old_string": "Hello", // 要查找的字符串
"new_string": "Hi", // 替换后的字符串
"replace_all": false, // 是否替换所有匹配（默认 false）
"encoding": "utf-8"
}响应:
{
"success": true,
"message": "File edited: hello.txt",
"path": "/workspace/hello.txt",
"replacements": 1,
"size": 10
}注意: 当
old_string出现多次且replace_all=false时，返回 400 错误，要求显式设置replace_all=true。
请求体 (ListDirRequest):
{
"path": ".", // 默认当前目录
"show_hidden": false // 是否显示隐藏文件
}响应 (ListDirResponse):
{
"files": [
{
"name": "src",
"path": "/workspace/src",
"is_file": false,
"is_dir": true,
"size": null,
"modified_time": 1707550000.0
},
{
"name": "main.py",
"path": "/workspace/main.py",
"is_file": true,
"is_dir": false,
"size": 1024,
"modified_time": 1707550000.0
}
],
"current_path": "/workspace"
}结果按 目录优先 排序，同类按名称字母顺序排列。
请求体 (ExecuteCodeRequest):
{
"code": "print('hello')",
"timeout": 30, // 超时秒数（默认 30）
"silent": false // 静默模式不记录历史
}响应 (ExecuteCodeResponse):
{
"success": true,
"execution_count": 1,
"output": {
"text": "hello",
"images": []
},
"error": null
}请求体 (ExecuteShellRequest):
{
"command": "ls -la",
"cwd": null, // 工作目录（相对于 /workspace）
"env": null, // 额外环境变量
"timeout": 30, // 超时秒数
"shell": true, // 是否使用 shell 模式
"background": false // 是否后台执行
}前台响应 (ExecuteShellResponse):
{
"success": true,
"return_code": 0,
"stdout": "total 4\ndrwxr-xr-x 2 ...",
"stderr": "",
"pid": 12345,
"process_id": null,
"error": null
}后台响应（background: true）:
{
"success": true,
"return_code": 0,
"stdout": "",
"stderr": "",
"pid": 12346,
"process_id": "a1b2c3d4",
"error": null
}| 状态码 | 场景 |
|---|---|
| 200 | 请求成功 |
| 400 | 参数错误（如 edit_file 的 old_string 未找到、路径不是文件等） |
| 403 | 路径越界（路径遍历防护触发） |
| 404 | 文件/目录/内核不存在 |
| 500 | 服务器内部错误 |
Ship 使用 FastAPI 标准的 HTTPException，错误响应格式：
{
"detail": "Access denied: path must be within workspace /workspace"
}IPython 执行错误不通过 HTTP 错误码返回，而是在响应体中标识：
{
"success": false,
"execution_count": 2,
"output": {"text": "", "images": []},
"error": "Traceback (most recent call last):\n ...\nNameError: name 'undefined_var' is not defined"
}类似地，Shell 命令执行错误通过 return_code 和 stderr 字段传达：
{
"success": false,
"return_code": 127,
"stdout": "",
"stderr": "bash: nonexistent_command: command not found",
"error": null
}超时情况会设置 error 字段：
{
"success": false,
"return_code": -1,
"stdout": "",
"stderr": "",
"error": "Command timed out"
}Ship 和 Gull 容器各自携带 Built-in Skills（内置技能文件），在容器启动时自动注入到共享 Cargo Volume 的 /workspace/skills/ 目录。Skills 是 结构化的知识文档，用于指导 AI Agent 如何使用容器内预装的工具和库。
每个容器镜像在构建时将 skills 打包到 /app/skills/ 目录，容器启动时通过 entrypoint.sh 注入到共享的 /workspace/skills/：
┌──── Ship 镜像 ────┐ 启动时注入 ┌──── Cargo Volume ────────────────────┐
│ /app/skills/ │ ═══════════════▶ │ /workspace/skills/ │
│ └─ python-sandbox/│ rm -rf + cp │ ├── python-sandbox/ ← Ship 注入 │
│ └─ SKILL.md │ │ │ └── SKILL.md │
└────────────────────┘ │ ├── browser-automation/ ← Gull 注入 │
│ │ ├── SKILL.md │
┌──── Gull 镜像 ────┐ 启动时注入 │ │ └── references/ │
│ /app/skills/ │ ═══════════════▶ │ │ └── browser.md │
│ └─ browser- │ rm -rf + cp │ └── my-custom-skill/ ← Agent 自定义 │
│ automation/ │ │ └── SKILL.md │
│ ├─ SKILL.md │ └──────────────────────────────────────┘
│ └─ references/ │
│ └─ browser.md│
└────────────────────┘
所有 skills 直接放在 /workspace/skills/<skill_name>/ 下，不分 runtime 子目录。Ship 和 Gull 的 built-in skill 使用不同名称避免冲突。上层 agent 也可以在此目录下自由添加自定义 skill。
注入时按 skill 级别逐个覆盖：
for skill_dir in /app/skills/*/; do
skill_name=$(basename "$skill_dir")
rm -rf "/workspace/skills/$skill_name" # 只删除本 skill
cp -r "$skill_dir" "/workspace/skills/$skill_name"
done关键特性：
- 每个容器只覆盖自己管理的 skill，不影响其他容器的 built-in skill 和 agent 的自定义 skill
- 容器重启后 built-in skill 恢复为镜像版本（idempotent）
- 用户修改的 built-in skill 会在下次容器启动时被覆盖（by design）
.dockerignore显式允许skills/**进入镜像Dockerfile使用COPY . .将 skills 目录包含在内entrypoint.sh中实现 shell 注入逻辑，注入后执行chown -R shipyard:shipyard
Dockerfile显式COPY skills ./skillsentrypoint.sh中实现 shell 注入逻辑（与 Ship 一致的 per-skill overwrite）
每个 Skill 目录至少包含一个 SKILL.md 文件，带有 YAML frontmatter：
---
name: python-sandbox
description: "Ship runtime usage guide for code execution sandboxes..."
---可选附加文件：
references/*.md— 更详细的参考资料scripts/— 辅助脚本（未来扩展）assets/— 静态资源（未来扩展）
| 容器 | Skill | 描述 | 文件 |
|---|---|---|---|
| Ship | python-sandbox |
Python/Shell/Filesystem 执行指南 | SKILL.md |
| Gull | browser-automation |
浏览器自动化操作指南 | SKILL.md + references/browser.md |
Ship 和 Gull 的 /meta 端点均返回 built_in_skills 字段，列出镜像内打包的所有 skill 元数据。Bay 和 MCP 层可通过此字段观测容器携带了哪些 built-in skill。
扫描逻辑：_scan_built_in_skills() 遍历 /app/skills/*/SKILL.md，解析 YAML frontmatter 提取 name 和 description。
Shipyard Neo 中有三个层级的 skill，各自独立管理：
| 层级 | 位置（源码） | 位置（运行时） | 管理者 |
|---|---|---|---|
| MCP 层 | skills/shipyard-neo/ |
Agent 本地 .kilocode/skills/ |
MCP Server / Agent 框架 |
| Ship 内置 | pkgs/ship/skills/ |
/workspace/skills/ |
Ship 容器 entrypoint |
| Gull 内置 | pkgs/gull/skills/ |
/workspace/skills/ |
Gull 容器 entrypoint |
Skills 不是可执行代码插件，而是 知识增强 机制：
- AI Agent 在需要特定能力时，读取对应的 SKILL.md
- SKILL.md 提供该领域的完整操作指南、代码模板和安全约束
- Agent 根据指南生成代码，通过
/ipython/exec或/shell/exec执行 - 容器自注入确保 skills 始终与镜像版本一致，无需外部协调
Shipyard 平台有两种容器运行时：Ship（代码执行）和 Gull（浏览器自动化），它们通过 Bay 的 Capability Router 协同工作。
| 维度 | Ship | Gull |
|---|---|---|
| 角色 | 代码执行沙箱 | 浏览器自动化运行时 |
| 核心能力 | filesystem, python, shell, terminal | browser |
| 端口 | 8123 | 8080 |
| API 风格 | 多端点（每个能力独立路由） | 单端点 CLI 透传（POST /exec） |
| 执行引擎 | IPython 内核 + subprocess | agent-browser CLI |
| 状态管理 | IPython 内核状态 + 后台进程表 | 浏览器 Session + Profile 持久化 |
| 用户隔离 | sudo shipyard 用户 | 无（CLI 进程隔离） |
Ship 容器 Gull 容器
┌─────────────────────┐ ┌─────────────────────┐
│ FastAPI :8123 │ │ FastAPI :8080 │
│ /fs/* │ │ /exec │
│ /ipython/exec │ │ /exec_batch │
│ /shell/exec │ │ /health │
│ /term/ws │ │ /meta │
│ /health, /meta │ └─────────┬───────────┘
└─────────┬───────────┘ │
│ agent-browser CLI
Jupyter Kernel │
+ subprocess Chromium Browser
+ PTY │
│ │
/workspace ◀──── Cargo Volume ────▶ /workspace
Ship 和 Gull 共享同一个 Cargo Volume（/workspace），实现跨运行时的文件传递：
- 浏览器截图 → 代码分析: Gull 执行
screenshot /workspace/page.png→ Ship 通过 IPython 分析图片 - 代码生成 → 浏览器部署: Ship 生成前端代码到
/workspace/dist/→ Gull 打开本地文件预览 - 数据抓取 → 数据处理: Gull 抓取网页数据保存到文件 → Ship 用 pandas 处理
| 特性 | ShipAdapter |
GullAdapter |
|---|---|---|
| 通信协议 | HTTP + WebSocket | HTTP |
| 连接池 | 共享 httpx.AsyncClient | 共享 httpx.AsyncClient |
| Meta 缓存 | ✅ | ✅ |
| 支持能力 | python, shell, filesystem, terminal | browser |
| 错误类型 | ShipError, RequestTimeoutError | ShipError (复用) |