Files

T

wandering 1725244faf feat(mcp): 浏览器分步填报 P3——7 个 browser 工具 + 单线程 actor + 磁盘锁

填报从「一把梭」变成分步：Agent 可以开浏览器、登录、建单、按步填、看页面、关，每步有截图，
中途失败不必从头重来。提交不在本步——提交不可逆，留给 P4 的 submit_preview/submit_execute。

- src/infra/browser/actor.py（新）：Playwright 单线程 actor（sync API 的 greenlet 线程亲和要求所有
  调用回到创建线程）+ 会话注册表 + cases/<id>/.browser.lock（PID/started_at/heartbeat/url，
  心跳 180 秒过期才允许接管；锁文件损坏按无锁处理；atexit 尽力关浏览器）。与 COM actor 分开。
- base.py：login_portal 拆成 submit_login + wait_for_portal（返回布尔不抛异常），新增 portal_reached/
  human_required；_screenshot 支持 screenshot_dir 并按 001-步骤名.png 编号、返回路径、失败只告警
- src/mcp/tools/browser.py（新）：browser_open/login/new_form/fill/steps/page_state/close，工具 17 → 24
  · need_human 用 ok:true + logged_in:false 返回（扫码不是失败，避免宿主当错误重试或另开窗口）
  · 步骤顺序硬约束，跳步拒绝并用 next_action 指回该补的一步；步骤报错回传 detail.screenshot
  · browser_close 明确不提交不存草稿；travel 五步、normal 四步（无 subsidy）
- tests/test_mcp_browser.py（新，17 例，FakeBot/FakePage 不起浏览器）：锁四种情形、need_human 分支与
  截图落点、重复登录幂等、未打开时各工具拒绝、类型推断与两 info 并存时拒猜、未登录拒建单、跳步拦截、
  步骤推进与 remaining、未知步骤、报错截图、close 释放会话与锁、open 复用、steps 两种流程
- 文档：docs/MCP.md 工具段按 wire schema 重生成（24 工具）；AGENTS/SKILL/操作指南/README/浏览器 README
  同步分步流程、锁与心跳、有头默认、提交必须交人工；方案文档 §13 记录实现、取舍与未完成项

验证：
- 联机跑通 open（3.1s 起有头 Chromium）→ 锁写入（pid/heartbeat）→ page_state（about:blank，
  001-state.png 4721 字节）→ 重复 open 复用（already_open=true，不多开窗）→ close（锁释放、注册表清空）
- 登录与填报的联机验证需要用户在场（SSO 可能扫码），本轮未做
- 门禁：ruff / format --check / mypy src / deptry / pytest 129 passed / mcp_smoke 24 工具
  instructions 2109 字节。仍用 --no-verify 提交并手跑等价检查（原因见 AGENTS 提交纪律）。

2026-10-20 00:46:23 +08:00

6.0 KiB

Raw Blame History

last_reviewed

last_reviewed
2026-10-19

财务报销自动化（MCP 服务器）

把发票、支付截图、出差申请单变成财务系统要的结构化数据，顺带生成低值易耗品申购单。

它不是一个应用，而是一个 MCP 服务器：读图、判断、决定下一步交给宿主 Agent（如 DSH），本项目只做确定性的活——PDF 渲染转正、金额匹配、规则校验、Excel 产物、浏览器填报。

为什么改：原来自带一整套前端 + 内置 LLM + 手写状态机（提取-校验-修正循环、轮次上限、SSE 事件流）。灵活性太差——想换个模型、加一类票据、改流程都得动代码。2026-10-19 起全部交给宿主 Agent 编排。

它做什么

环节	谁做
看发票、判断类型、抽字段	宿主 Agent（多模态模型）
页面渲染、PDF 文本层、自动转正	本项目（PyMuPDF）
发票与刷卡记录金额匹配	本项目（确定性贪心 + 业务约束，输出待复核清单）
完整性校验	本项目（`config/validation_rules.json` 声明式规则）
申购单 Excel、财务系统填报	本项目（COM / Playwright）
流程编排、缺料追问、要不要提交	宿主 Agent

快速开始

uv sync                                  # 依赖（要求 Python >= 3.12）
uv run playwright install chromium       # 填报要用（P3 工具接入后需要）

配好 scripts/data/config.json（参考 config.example.json：工号、密码、默认报销人、公务卡号、人员编号、上传 PIN）。该目录整体在 .gitignore 里，别提交。

把服务器注册到宿主（DSH profile patch）：

- insert:
    - id: mcp-arb
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: arb
        transport: stdio
        command: '<项目根>/.venv/Scripts/python.exe'
        args: ['-m', 'src.mcp.server']
        cwd: '<项目根>'

自检（真的起一个子进程走 stdio 握手）：

make mcp-smoke        # 或 python tasks.py mcp-smoke

手机扫码上传材料（独立进程，必须单独起）：

make upload           # 默认 0.0.0.0:5055；--local 只监听 127.0.0.1；--pin 加访问码

case_create 会返回带令牌的手机页地址，上传落 cases/<id>/inbox/，之后由 Agent 收取。上传服务是只写不读的：没有列表也没有下载接口，扩展名白名单 + 25MB + 每会话 200 个文件封顶。

一次报销长什么样

case_create → case_add_files → case_render_pages → case_read_text / 读 PNG
   → case_save_extraction（逐张）→ match_payments（处理 review_required）
   → info_skeleton → save_info → doc_requisition
   →（可选）browser_open → browser_login → browser_new_form → browser_fill × 步骤 → browser_page_state

提交动作不在里面：submit_preview / submit_execute 还没做，填报完成必须交人工核对后自己点提交。

24 个工具的参数表与返回约定：docs/MCP.md。操作步骤（财务口径）：docs/报销操作指南.md。

项目结构

src/
├── mcp/            工具与协议层（server.py 注册；tools/ 分材料·抽取交接·分析·文档）
├── cases.py        会话目录 cases/<id>/ 的唯一实现：阶段由产物推导，无状态机
├── upload/         扫码上传收件器（独立进程，绝不由 MCP 子进程拉起）
├── core/           确定性内核：extraction（缓存·渲染·转正）matching validation
├── infra/          browser（Playwright 填报）documents（CSV·申购单 COM）
├── config.py       scripts/data/config.json + 环境变量
└── exceptions.py   异常定义（MCP 层转成 ok:false 信封，不抛穿协议）
.agents/skills/reimbursement/    宿主侧操作手册与字段判读参考（从旧 LLM 提示词迁移）
docs/MCP.md                      工具契约
config/validation_rules.json     声明式校验规则
templates/低值易耗品申购.xls         申购单空白模板（可用 REQUISITION_TEMPLATE 覆盖）
cases/                           会话产物（gitignore，含个人信息）

开发

make install      # uv sync + pre-commit
make check        # ruff check + format --check + mypy src + deptry
make test         # pytest + 覆盖率
make upload       # 上传收件器
make mcp-smoke    # stdio 自检

测试覆盖：配置加载、发票分类与 CSV、金额匹配、会话模型、分析工具、骨架与规则一致性、申购单取值。

平台与风险

Windows-only：申购单依赖 Microsoft Excel + pywin32 COM；并发驱动 Office 会互抢，所以 COM 调用统一排队在单线程 actor（src/infra/com_thread.py）
填报会打开 Chromium，自动化期间别手动点
cases/ 与 scripts/data/ 含身份证号、卡号、凭据，已在 .gitignore；发布前请自查历史
提交前务必手动跑门禁：本仓库 pre-commit 只跑 ruff，但它会 stash 未暂存改动，中途中断会把工作区文件回滚成 HEAD（本项目改造过程中真发生过，见方案文档 §11）

还没做完

填报已能分步做（browser_*，见 docs/MCP.md），但提交没做：submit_preview / submit_execute 还在建设，填完必须停下由用户在财务系统里核对并亲自点提交（提交不可逆）。 Word 版易耗品出库单已永久下线（模板自 2026-08-31 起不在仓库，此前该路径一直静默失败）。

文档索引

文档	内容
docs/MCP.md	24 个工具的参数、返回信封、会话目录、注册方法
docs/报销操作指南.md	财务侧口径与材料准备要求
AGENTS.md	给 Agent 的项目操作指南（开发命令、约束、坑）
.agents/docs/plans/MCP化改造方案-2026-10-19.md	改造决策、实测数据、踩坑记录

6.0 KiB Raw Blame History Unescape Escape