ایجنت Dropbox چطور از دو پروژهٔ شخصی ساخته شد
خلاصهٔ کاملتر
طبق پست بلاگ مهندسی Dropbox، ایجنتی که تو تجربهٔ جدید Dropbox کارهایی مثل مرتبکردن پوشه، تغییر اسم فایلها و آمادهکردن فایل برای اشتراک رو انجام میده، از دو تا پروژهٔ شخصی شروع شد. Daniel Reiter Horn یه sandbox با نرمافزار مدلسازی سهبعدی ساخت و با rclone (ابزاری که فایلهای آنلاین رو مثل فایل محلی نشون میده) به Dropbox وصلش کرد تا یه مدل شهر برای پسرش طراحی کنه. Rich Chan هم داخل اپ دسکتاپ Dropbox یه رابط گرافیکی ساخت تا ایجنت از روی عکس رسیدها گزارش هزینه دربیاره.
این دو تا مکمل هم بودن: sandbox دنیل جایی برای اجرای نرمافزار میداد و رابط ریچ کنترل دسترسی و دیدن کار ایجنت رو. رابط بر اساس Codex App Server API ساخته شده که آپدیتها رو به شکل پیامهای JSON-RPC خطبهخط (JSONL) میفرسته. این پروتکل کار رو به سه بخش تقسیم میکنه: thread برای کل گفتگو، turn برای کاری که ایجنت در جواب یه پیام انجام میده، و item برای هر دستور یا تغییر فایل. یه adapter هم پیامهای harness دیگهای به اسم Pi رو به همین پروتکل ترجمه میکنه، یعنی میشه موتور ایجنت رو عوض کرد بدون اینکه رابط تغییر کنه.
وقتی درخواست کلیه، ایجنت اول باید یه plan پیشنهاد بده و تا تأیید نشه حق نداره درخواست دسترسی به فایلها بکنه. مثلاً برای مرتبکردن عکسها میپرسه بر اساس مکان، تاریخ یا محتوا. بعد برای هر پوشه یه کارت Allow یا Deny نشون داده میشه و خود ایجنت نمیتونه این دسترسی رو به خودش بده.
محیط کار یه VM اوبونتوئه که روی Riviera اجرا میشه؛ همون پلتفرمی که Dropbox باهاش پیشنمایش فایلهای Office رو میسازه. با QEMU و بازگردوندن snapshot حافظه، VM تو چند ده میلیثانیه بالا میاد. credentialها داخل VM نیستن: همهٔ درخواستها از یه proxy به پروسهای به اسم host_tools بیرون از VM میرن که مقصد و مجوز رو چک میکنه و بعد credential اضافه میکنه. VM دسترسی عمومی به اینترنت هم نداره.
تو تستها، 75 درصد workspaceها ظرف 300 میلیثانیه به Dropbox وصل و آمادهٔ فرستادن اولین درخواست به مدل بودن. برای کمکردن انتظار، سیستم از وقتی کاربر چند کلمه تایپ میکنه آمادهسازی رو شروع میکنه. ابزارهایی مثل rclone هم روی یه دیسک مجازی جدا گذاشته شدن تا آپدیتشون نیاز به ساختن دوبارهٔ snapshot نداشته باشه.
برای undo، Dropbox ثبت میکنه هر نسخه از فایل رو کدوم گفتگو ساخته. اینطوری میشه فقط تغییرات یه turn رو برگردوند و بقیهٔ فایلها دست نخورن. اگه کس دیگهای بعدش اون فایل رو ادیت کرده باشه، نسخهٔ برگشتی بهعنوان یه کپی جدا با اسم دیگه ذخیره میشه تا کار اون آدم از بین نره.
نکات کلیدی:
- هر گفتگو یه VM ایزولهٔ اوبونتو روی پلتفرم Riviera میگیره که با QEMU snapshot تو چند ده میلیثانیه بالا میاد.
- credentialها بیرون از VM و تو host_tools نگه داشته میشن و ایجنت نمیتونه به خودش دسترسی بده.
- 75 درصد workspaceها زیر 300 میلیثانیه آماده بودن.
- رابط روی Codex App Server API و پیامهای JSONL ساخته شده و harness به اسم Pi با یه adapter پشتیبانی میشه.
- undo بر اساس گفتگو کار میکنه و تغییرات بقیه رو با ساختن کپی جدا حفظ میکنه.




