Skip to content

vibe-coding-labs/MonkeyCodeReverseEngineer

BranchesTags

Repository files navigation

Status License Protocol Analysis Author

MonkeyCode Reverse Engineer

MonkeyCode AI 平台的全方位逆向工程与反向代理实现

目标：将 MonkeyCode 平台内建的 AI 编码能力（覆盖 11 个模型提供商、3 种 LLM 接口协议）逆向分析 → 协议文档化 → 以 OpenAI 兼容 API（Chat Completions / Responses）暴露给 Codex 等第三方 AI 工具使用。

📋 目录

🎯 项目背景

MonkeyCode (monkeycode-ai.com) 是一个 AI 编码平台，后端集成了 11 个模型提供商（OpenAI、Anthropic、DeepSeek、SiliconFlow 等），通过 Docker 容器化的 TaskFlow VM 运行 AI Agent，提供代码开发、审查、文档生成等功能。

本仓库的目标是：

  1. 逆向分析 MonkeyCode 平台的全套通信协议（认证、API、WebSocket 流、Agent-Client-Protocol）
  2. 协议文档化 — 将分析结果整理为结构化文档
  3. 实现反向代理 — 将 MonkeyCode 的能力以 OpenAI 标准 API 暴露出来，让 Codex 等工具可以直接使用
  4. Python 验证 — 编写验证脚本确认协议理解正确

为什么需要这个项目？

MonkeyCode 本身是一个闭源 SaaS 平台，没有官方的 OpenAI 兼容 API。通过逆向工程，我们可以：

  • 使用 MonkeyCode 集成的公开模型（如 qwen3.5-plus、kimi-k2.6 等）来驱动 Codex
  • 理解其 Agent 通信协议（ACP）的设计模式
  • 验证其认证体系的安全边界

🏗 架构总览

┌─ Client ──────────────────────────────────────────────────┐
│  Codex / curl / OpenAI SDK                                 │
│  GET  /v1/models                                           │
│  POST /v1/chat/completions {model, messages, stream}       │
│  POST /v1/responses {model, input}         (Codex 原生)    │
└──────────────────────┬─────────────────────────────────────┘
                       │ HTTP / SSE (OpenAI 格式)
┌──────────────────────▼─────────────────────────────────────┐
│  Proxy Layer (OpenAI → MonkeyCode Bridge)                   │
│                                                             │
│  TypeScript (proxy/src/)                 Python (mvp/)     │
│  ┌─────────────────────────────┐   ┌─────────────────────┐  │
│  │ auth.ts         认证模块   │   │ client.py  统一客户端│  │
│  │ models.ts       模型管理   │   │ proxy_real.py 代理   │  │
│  │ task-runner.ts  任务+WS流  │   │ verify_full_flow.py │  │
│  │ api-routes.ts   OpenAI路由 │   │ auth.py      认证    │  │
│  │ account-pool.ts 号池轮转   │   └─────────────────────┘  │
│  │ conversation-manager.ts    │                             │
│  └─────────────────────────────┘                             │
│                                                             │
│  ACP → OpenAI 事件映射引擎:                                  │
│  agent_message_chunk  → delta.content                        │
│  agent_thought_chunk  → [Thinking] 前缀 + content            │
│  tool_call            → tool_calls / function_call           │
│  usage_update         → accumulate → task-ended 输出         │
└──────────────────────┬─────────────────────────────────────┘
                       │ MonkeyCode API + WebSocket
┌──────────────────────▼─────────────────────────────────────┐
│  MonkeyCode Backend (Go / Gin)                              │
│                                                             │
│  POST /api/v1/users/tasks     — 创建 AI 任务               │
│  GET  /api/v1/users/status    — 检查 Session 有效性         │
│  GET  /api/v1/users/models    — 获取可用模型列表             │
│  POST /api/v1/users/password-login  — 密码登录              │
│  WS   /api/v1/users/tasks/stream    — ACP 事件流             │
│  WS   /api/v1/users/tasks/control   — 任务控制通道           │
│  WS   /api/v1/users/hosts/vms/{id}/terminals — 终端通道      │
└──────────────────────┬─────────────────────────────────────┘
                       │ TaskFlow Orchestration
┌──────────────────────▼─────────────────────────────────────┐
│  VM Cluster (Docker Container, 内嵌 Agent)                   │
│                                                             │
│  Agent(Codex/Claude/OpenCode) → LLM Client (Go)            │
│    ├── openai_chat:      POST {baseURL}/chat/completions    │
│    ├── openai_responses: POST {baseURL}/responses           │
│    └── anthropic:        POST {baseURL}/v1/messages         │
│                                                             │
│  Agent 工具: bash 执行 / 文件读写 / git / MCP 协议           │
└──────────────────────┬─────────────────────────────────────┘
                       │
    ┌──────────────────┼──────────────────┐
    ▼                  ▼                  ▼
  OpenAI           Anthropic          DeepSeek
  SiliconFlow      Moonshot           Volcengine...

核心工作流

Browser/Codex → 创建任务 → 后端调度 VM → Agent 初始化
  → 连接 LLM Provider → Agent 开始工作
  → ACP 事件通过 WebSocket 推回 → Proxy 转换为 OpenAI SSE
  → 客户端收到标准 OpenAI 格式响应

📊 项目进度

协议分析状态（31 轮分析完成）

模块 完成度 关键成果
认证协议 98% 5 种登录方式：OAuth / 密码登录 / 团队登录 / Git OAuth / Admin Impersonate
LLM 通信协议 95% 3 种接口类型（openai_chat / openai_responses / anthropic），11 个模型提供商
WebSocket 协议 90% 3 个独立通道（Stream / Control / Terminal），ACP 事件 7 种子类型
API 端点映射 95% 100 个 API 端点（89 个需认证 + 11 个公开）
VM 生命周期 85% 7 种状态、2 种超时策略、VM 热复用
模型定价配额 90% 3 级订阅（basic/pro/ultra），公开/私有/团队三级模型
Conversation API 40% 6 个端点已知，完整 JSON Schema 待确认
号池管理 95% 4 种状态（CREATED/ACTIVE/EXPIRED/INVALID），LRU+轮询+互斥锁

实现状态

组件 语言 文件数 行数 状态
反向代理（完整实现） TypeScript 10 ~2,920 ✅ 已编译通过
统一代理客户端 Python 1 673 ✅ 已完成
OpenAI 兼容代理 Python 1 873 ✅ 已完成
端到端验证脚本 Python 1 471 ✅ 已完成
认证协议验证 Python 1 323 ✅ 已增强
OAuth 自动化登录 Python 2 544 ✅ 已完成
模型管理验证 Python 1 90 ✅ 已完成
WebSocket 聊天验证 Python 1 134 ✅ 已完成

已知待确认项

# 项目 优先级 说明
1 tool_call_update 精确字段 P0 协议文档标记为"-"，需线上验证
2 自动审批 + 提问交互 P0 auto-approve 与 reply-question 是否冲突需实测
3 Conversation API Schema P1 已知 6 端点，请求/响应 JSON 格式待确认
4 session_update 事件 P2 独立 WS 消息类型，非 ACP 事件

📁 仓库结构

MonkeyCodeReverseEngineer/
│
├── proxy/                            # TypeScript 反向代理（完整实现）
│   ├── .env.example                  # 环境变量模板
│   ├── src/
│   │   ├── server.ts                 # 主入口 + Express HTTP 服务器
│   │   ├── auth.ts                   # 认证模块（Cookie-based Session）
│   │   ├── account-pool.ts           # 多账号号池轮转（HTTP 共享 + WS 独占）
│   │   ├── admin-login.ts            # 百智云 OAuth 登录自动化
│   │   ├── models.ts                 # 模型列表获取与缓存
│   │   ├── task-runner.ts            # 任务创建 + WebSocket 流式接收
│   │   ├── api-routes.ts             # OpenAI 兼容 API 路由（完整实现）
│   │   ├── conversation-manager.ts   # 多轮对话管理器
│   │   ├── types.ts                  # 完整类型定义
│   │   └── browser-headers.ts        # 浏览器头欺骗（3 种域名）
│   ├── package.json
│   └── tsconfig.json
│
├── mvp/                              # Python 协议验证与代理工具
│   ├── client.py                     # 🆕 统一客户端（认证 + 模型 + 任务 + WS）
│   ├── proxy_real.py                 # 🆕 真实 OpenAI 兼容代理
│   ├── verify_full_flow.py           # 🆕 端到端链路验证脚本
│   ├── auth.py                       # ✨ 增强版认证模块
│   ├── models.py                     # 模型管理验证
│   ├── chat.py                       # WebSocket 聊天协议验证
│   ├── proxy.py                      # (旧) mock 版代理
│   ├── oauth_login.py                # Playwright OAuth 自动化
│   ├── oauth_http.py                 # HTTP OAuth 授权（含 SCaptcha）
│   ├── config.py                     # 共享配置
│   ├── test_auth.py                  # 认证协议测试（14 用例）
│   ├── test_auth_interactive.py      # 交互式认证测试
│   ├── test_protocol.py              # 端到端协议验证
│   ├── requirements.txt
│   ├── run_mvp.sh                    # 运行脚本
│   └── README.md                     # MVP 使用文档
│
├── docs/                             # 文档
│   ├── protocol/                     # 逆向分析协议文档（核心产出）
│   │   ├── analysis-summary.md       # 分析总结报告
│   │   ├── analysis-round-*.md       # 逐轮分析报告（18 轮）
│   │   ├── auth-protocol-complete.md # 认证协议完整文档
│   │   ├── llm-protocol-complete.md  # LLM 通信协议完整文档
│   │   ├── llm-integration.md        # LLM 集成协议详解
│   │   ├── websocket-protocol.md     # WebSocket 流式协议
│   │   ├── api-endpoints.md          # 完整 API 端点映射（100 个）
│   │   ├── architecture.md           # 系统架构分析
│   │   ├── authorization-matrix.md   # 授权层级与访问控制矩阵
│   │   ├── account-pool-protocol.md  # 账号号池协议
│   │   ├── taskflow-vm-analysis.md   # TaskFlow VM 生命周期分析
│   │   ├── multi-turn-design.md      # 多轮对话设计
│   │   ├── asar-analysis.md          # Electron ASAR 逆向分析
│   │   ├── auth-automation-analysis.md    # 认证自动化分析
│   │   ├── auth-pool-gap-analysis.md      # 认证号池差距分析
│   │   ├── auth-unresolved-verification.md # 认证待验证问题
│   │   └── model-pricing-quota.md    # 模型定价与配额分析
│   └── superpowers/                  # 超能力 / 功能扩展文档
│
├── analysis/                         # 逆向分析素材
│   └── asar-content/                 # Electron ASAR 解包内容
│       ├── electron/                 # Electron 主进程代码
│       └── renderer/                 # 前端渲染层代码（React）
│
├── .gitignore
└── README.md                         # 本文件

📚 文档索引

协议分析报告

文档 内容 完成度
分析总结报告 项目全貌、关键发现、修复列表 ✅ 完整
分析轮次 01 全面状态评估与差距分析 ✅ 完整
分析轮次 02 P0 深度分析 ✅ 完整
分析轮次 03 代码修复实施 ✅ 完整
分析轮次 04 多轮对话设计 ✅ 完整
分析轮次 05 Phase 1 实施 ✅ 完整
分析轮次 06 代码审查 ✅ 完整
分析轮次 07 测试脚本 ✅ 完整
分析轮次 08 ~ 18 持续深入分析 ✅ 完整

认证相关

文档 内容 完成度
认证协议完整文档 5 种登录方式、Session 存储、Redis 结构、Cookie 属性 98%
授权层级与访问控制矩阵 角色体系、5 种中间件、API 访问权限 95%
认证号池差距分析 多账号轮转策略、状态管理、锁机制 95%
认证自动化分析 SCaptcha 绕过、OAuth 自动化全流程 90%
认证待验证问题 线上实测发现的 5 个偏差及源码验证 100%

LLM 通信协议

文档 内容 完成度
LLM 协议完整分析 3 种接口类型、模型管理 API、健康检查、Public API Key 机制 95%
LLM 集成协议详解 Client 架构、接口类型自动检测、11 个提供商配置 98%
模型定价与配额 3 级订阅（basic/pro/ultra）、模型访问逻辑 90%

WebSocket & 通道

文档 内容 完成度
WebSocket 流式协议 3 个独立 WS 通道、ACP 事件 7 种子类型、消息格式 90%
任务协议分析 任务创建格式、TaskStreamMessage 结构 95%

任务流 & VM

文档 内容 完成度
TaskFlow VM 分析 VM 7 种状态、生命周期管理、资源配额 85%
多轮对话设计 Conversation API、attach 模式、历史回放 90%
完整 API 端点映射 100 个 API 端点（含认证要求） 95%

安全分析

文档 内容 完成度
百智云安全测试报告 SCaptcha 漏洞发现、安全评估 已报告

🚀 快速开始

前置条件

  • 一个 已注册 MonkeyCode 的账号
  • Node.js 18+（TypeScript 代理）
  • Python 3.8+（Python 验证工具）

运行 TypeScript 代理（推荐，完整实现）

cd proxy
cp .env.example .env
# 编辑 .env 填入 MONKEYCODE_SESSION_COOKIE 和 MONKEYCODE_IMAGE_ID
npm install
npm run dev

获取 Session Cookie（二选一）

方式 A：浏览器提取（推荐，1 分钟）

  1. 浏览器打开 monkeycode-ai.com 并登录
  2. 按 F12 → Application → Cookies → 找到 monkeycode_ai_session
  3. 复制 Cookie 值
  4. 设置到代理：
export MONKEYCODE_SESSION_COOKIE="你复制的session值"

方式 B：密码登录

export MONKEYCODE_USERNAME="your-email@example.com"
export MONKEYCODE_PASSWORD="your-password"

⚠️ 密码登录需要 captcha_token（go-cap 验证码），建议优先使用方式 A。

获取 IMAGE_ID

  1. 浏览器登录 MonkeyCode 并打开 DevTools → Network
  2. 创建一个任务（输入提示词后点击运行）
  3. 在 Network 中找到 POST /api/v1/users/tasks 请求
  4. 复制请求体中的 image_id 字段值
export MONKEYCODE_IMAGE_ID="你获取的image_id"

验证运行

# 模型列表
curl http://localhost:9090/v1/models | jq

# Chat Completions
curl -X POST http://localhost:9090/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model": "monkeycode/OpenAI/gpt-4o", "messages": [{"role": "user", "content": "你好"}]}'

# 流式 Chat Completions
curl -X POST http://localhost:9090/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model": "monkeycode/OpenAI/gpt-4o", "messages": [{"role": "user", "content": "你好"}], "stream": true}'

# Responses API（Codex 原生）
curl -X POST http://localhost:9090/v1/responses \
  -H "Content-Type: application/json" \
  -d '{"model": "monkeycode/OpenAI/gpt-4o", "input": "你好"}'

🐍 Python 验证工具

mvp/ 目录提供了一套完整的 Python 实现，用于协议验证和完整链路测试。

文件总览

mvp/
├── client.py             # 统一客户端（673 行）
├── proxy_real.py         # 真实代理（873 行）
├── verify_full_flow.py   # 端到端验证（471 行）
├── auth.py               # 认证模块（323 行）
├── models.py             # 模型管理
├── chat.py               # WebSocket 聊天
├── oauth_login.py        # Playwright OAuth
├── oauth_http.py         # HTTP OAuth
├── test_auth.py          # 14 个测试用例
├── test_protocol.py      # 协议验证
├── README.md             # Python 工具使用说明
└── run_mvp.sh            # 启动脚本

运行 Python 代理

cd mvp
export MONKEYCODE_SESSION_COOKIE="xxx"
export MONKEYCODE_IMAGE_ID="xxx"
python proxy_real.py
# 监听 http://0.0.0.0:9091

完整链路验证

python verify_full_flow.py       # 全流程验证（需要 IMAGE_ID）
python verify_full_flow.py --skip-task  # 仅认证+模型

认证对比

方式 难度 有效性 验证码 适用场景
Session Cookie ⭐ 简单 最长 30天 ❌ 不需要 ✅ 推荐，自动化首选
密码登录 ⭐⭐ 中等 30天（刷新） ✅ go-cap 批量账号
OAuth 百智云 ⭐⭐⭐ 复杂 30天 ✅ SCaptcha 手机号登录
团队密码登录 ⭐⭐ 中等 30天 ✅ go-cap 团队管理

🔌 代理与 Codex 集成

Codex CLI 集成

export OPENAI_API_KEY="any-value-works"
export OPENAI_BASE_URL="http://localhost:9090/v1"
codex

OpenAI SDK 集成

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:9090/v1",
    api_key="any",  # MonkeyCode 使用 Cookie 认证，API Key 不校验
)

response = client.chat.completions.create(
    model="monkeycode/OpenAI/gpt-4o",
    messages=[{"role": "user", "content": "Hello"}],
    stream=True,
)

for chunk in response:
    print(chunk.choices[0].delta.content or "", end="")

支持的 OpenAI 端点

端点 方法 流式支持 说明
/v1/models GET — 模型列表
/v1/chat/completions POST ✅ SSE Chat Completions
/v1/responses POST ✅ SSE Responses API（Codex 原生）
/health GET — 健康检查

多轮对话

在请求中添加 conversation_id 扩展字段即可实现多轮对话复用：

{
  "model": "monkeycode/OpenAI/gpt-4o",
  "messages": [{"role": "user", "content": "继续上一步"}],
  "conversation_id": "prev-task-id"
}

🔒 安全说明

  1. 仅供本地开发测试使用 — 所有 API 端点无外部认证保护
  2. 密码明文传输 — MonkeyCode 后端使用 bcrypt 验证，传输层由 HTTPS 保护
  3. Session Cookie 管理 — Session 30 天硬限制，无法刷新，到期需重新登录
  4. SCaptcha 服务不可用 — admin-login.ts 因证书问题临时关闭了 TLS 验证
  5. 账号池安全 — 密码明文存储在内存/配置文件中，生产环境需加密存储

⚠️ 已知限制

限制 影响 解决方案
SCaptcha 余额不足 密码登录 / OAuth 自动化不可用 使用浏览器提取的 Session Cookie
Session 30 天过期 需定期重新获取 Session 设置定时任务重新登录
IMAGE_ID 必须（任务创建） 任务创建失败 从浏览器 DevTools 获取
单用户 WS 独占锁 账号池 WS 锁可能泄漏 健康检查自动释放（已修复）
conversation API schema 未知 多轮对话仅部分支持 使用 mode=new + 手动传 conversation_id

🤝 贡献

欢迎 Issue 和 PR！

  • 如有新的协议发现，请在 docs/protocol/ 下创建分析报告
  • TypeScript 代理代码在 proxy/src/ 中
  • Python 验证脚本在 mvp/ 中

📜 License

MIT License

Built with ❤️ for research and educational purposes.

About

MonkeyCode的逆向分析

vibe-coding-labs.github.io/MonkeyCodeReverseEngineer/

Resources

Readme

License

Apache-2.0 license
Activity
Custom properties

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages