当前位置：首页 > news >正文

Synapse Term：让 AI 直接操作你已经连好的 SSH、容器和 WSL 终端

news 2026/8/4 5:05:13

Synapse Term：让 AI 直接操作你已经连好的 SSH、容器和 WSL 终端

直接下载：https://github.com/422511186/synapse-term/releases
GitHub：https://github.com/422511186/synapse-term

先说一个常见场景

你要排查一台生产机器：

本机 → 跳板机 → 二次认证 → 目标机 → docker exec → 切换用户

折腾一圈后，终端环境终于准备好了。接下来，你想让 AI 帮忙看日志、执行诊断命令，或者修改配置。

这时通常有几个选择：

使用 IDE 内的 AI，但当前环境可能藏在多层 SSH 或容器之后；
使用 CLI Agent，但可能需要另外配置远端连接和凭据；
把日志复制给网页端 AI，再把建议的命令逐条贴回终端。

我不太满意这种割裂的工作流，所以做了Synapse Term。

核心思路：连接由你建立，AI 复用当前终端

一句话概括：

你负责进入目标环境，AI 只操作你已经打开的终端会话。

你 → SSH → 跳板机 → SSH → 目标机 → docker exec → 容器 ↑ Synapse Term 在当前会话中 观察输出、执行命令、修改文件

无论你是通过 SSH、跳板机、容器、WSL，还是kubectl exec进入目标环境，对 Agent 来说都一样。

Synapse Term 不负责建立 SSH 连接，也不需要持有远端 SSH Key。AI 对远端环境的操作必须经过你当前打开的终端会话完成。

这也是 Synapse Term 想解决的核心问题：

在不把远端连接凭据交给 Agent 的前提下，让 AI 操作复杂的终端环境。

需要说明的是，这并不意味着模型服务看不到命令和终端输出。发送给模型的内容仍受你所选模型服务及其隐私政策约束。

Synapse Term 主要解决的是：

远端凭据由谁持有；
AI 能否自行建立远端连接；
命令如何审批、执行和审计。

它并不等于让远端模型天然获得数据保密能力。

和现有工具有什么不同

IDE Agent、CLI Agent 和 Synapse Term 的侧重点不同：

IDE Agent	CLI Agent	Synapse Term
主要工作环境	编辑器和项目目录	Agent 所在的运行环境	当前终端会话
多层远端环境	通常依赖远程开发能力	通常需要单独建立连接	复用你已经建立的连接
远端凭据	取决于远程开发配置	可能需要提供给 Agent 进程	Agent 不负责持有远端凭据
命令控制	取决于具体产品	取决于具体产品和模式	统一策略、审批和审计
典型场景	项目开发	自动化编码任务	SSH、容器、WSL、生产排障

Synapse Term 并不是要替代 Claude Code、Codex CLI 或 Cursor，而是针对另一类问题：

目标环境已经在某个终端里准备好了，怎样让 AI 可控地进入这个现成会话工作？

目前做了哪些事情

1. 命令必须经过事务和审批链路

Agent 不能绕过平台，直接向 PTY 写入任意包装脚本。

每条命令都要经过完整的执行链路：

Agent 请求执行命令 → 校验 Session 归属 → 校验执行环境和 Shell 方言 → 获取命令租约 → 执行策略检查和用户审批 → 分发明文命令 → 写入 PTY → 通过 nonce 识别完成状态和退出码 → 写入审计记录

对于控制字符、伪造完成序列和跨事务边界等异常输入，默认拒绝执行。

同一个 Session 在同一时间只允许一个活动命令，避免多个调用同时争用终端。

2. Agent 不会默认读取终端

普通对话不会自动读取终端屏幕，也不会因为你发送了一条消息，就自动获得终端控制权。

Agent 想知道当前环境的状态，必须显式调用“观察终端”工具。终端观察、命令执行和普通对话是分开的操作。

这样可以明确区分：

Agent 实际观察到了什么；
Agent 根据上下文推测了什么；
Agent 是否获得了执行权限。

3. 工具能力保持克制

目前，内置 Agent 固定使用 9 个工具：

4 个终端工具：观察、执行、等待、中断；
5 个文件工具：列目录、搜索、读取、写入、编辑。

工具边界固定，便于做权限控制、用户审批和行为审计。

4. 支持三类模型协议

目前支持：

OpenAI Responses API；
OpenAI 兼容的 Chat Completions API；
Anthropic Messages API。

不同协议会被统一适配到同一套 Agent 工具和执行流程。

API Key 存储在 Windows Credential Manager 或 macOS Keychain 中，不写入项目数据库、界面状态或审计日志。

5. 外部 AI 也可以接入

如果不想使用内置 Agent，还可以通过 MCP 或 ACP 接入外部客户端。

MCP

Synapse Term 会提供一个仅监听127.0.0.1的本地 HTTP 端点，并使用 Bearer Token 鉴权。

Session 默认不对外共享。只有手动将指定 Session 标记为共享后，外部 MCP 客户端才能访问。

例如，Codex 等没有 ACP 接口的客户端可以通过 MCP 接入。

ACP（当前存在已知问题，待修复）

平台支持启动本机的opencode acp子进程，并向其提供受控的终端能力和只读文件能力。

不过，v0.3.2 的 ACP 接入目前存在已知 Bug，还在修复中。如果你想体验外部 AI 接入，现阶段建议优先使用 MCP。

无论调用来自内置 Agent、MCP 还是 ACP，设计上都会经过同一套权限、审批和审计机制。

下载和使用

直接下载

不想从源码构建，可以直接下载：

https://github.com/422511186/synapse-term/releases

目前支持 Windows 和 macOS (arm架构)。

从源码运行

环境要求：

Windows 或 macOS；
Node.js 24+；
pnpm。

corepackenablepnpminstall--frozen-lockfile# 启动浏览器 Mock UI，不连接真实桌面能力pnpmdev# 构建并启动桌面端pnpmbuildpnpmstart

基本使用流程：

创建 Terminal Session，选择系统发现的 Shell；
在终端中自行执行ssh、docker exec、kubectl exec或wsl；
选择执行方言：POSIX、PowerShell 或仅观察；
进入新环境后，重新验证执行方言；
配置并启用模型；
在 Agent 面板提交任务。

项目状态

当前版本为v0.3.2，采用 MIT License。

目前已经具备：

Windows 和 macOS 构建支持；
OpenAI Responses、Chat Completions 和 Anthropic Messages 协议支持；
内置 Agent 与 MCP 外部接入；
命令审批、租约和审计机制；
单元测试、集成测试和 E2E 测试；
真实模型验收测试；
31 篇架构决策记录；
架构、安全和运行手册。

项目仍在快速迭代，目前也有一些已知问题：

ACP 接入仍需修复；
一些旧界面中还保留着Terminal Agent的历史名称；
部分功能和交互仍在持续打磨。

欢迎试用，但如果要用于生产环境，建议先充分验证审批策略、模型配置和实际命令行为。

希望获得哪些反馈

目前尤其希望了解以下几类需求和问题：

复杂环境测试：多层 SSH、容器、WSL、kubectl exec等场景；
安全审阅：命令事务、租约、审批和审计机制；
外部接入：MCP、ACP 的兼容性和使用体验；
模型协议：Gemini、Grok 或其他兼容服务的接入需求；
Shell 支持：fish、nushell 等方言是否值得优先支持；
实际体验：哪些步骤仍然繁琐，哪些边界行为不符合预期。

遇到问题可以直接提交 Issue。安全机制和架构设计也欢迎大家审阅、讨论。

Synapse Term：让 AI 直接操作你已经连好的 SSH、容器和 WSL 终端