# fastcontextc

**Repository Path**: uesoft/fastcontextc

## Basic Information

- **Project Name**: fastcontextc
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-22
- **Last Updated**: 2026-06-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# FastContext-C

> C port of [microsoft/fastcontext](https://github.com/microsoft/fastcontext) — codebase exploration subagent that returns `file:line` citations to the main agent.

**状态**：✅ 端到端跑通（GLM-5.2，2 turn 找到目标）

## 为什么有这个

FastContext Python 版（830 行）通过 OpenAI tool calling 让 LLM 用 Read/Glob/Grep 探索仓库，最后输出 `<final_answer>file:line</final_answer>` 给主 agent。

C 版目标：
- 把这个能力嵌入 C/C++ LLM agent 平台（AIBuddy、MRAgentC、DSuE_RSI）
- 0 Python 依赖，单二进制 / 静态库
- 复用 MRAgentC 的成熟移植模式（curl + popen + json_min）

## 文件结构

```
~/fastcontextc/
├── include/fastcontext.h     # 公共 C API
├── main.c                    # CLI 入口
├── CMakeLists.txt            # CMake 构建（给 AIBuddy 集成用）
├── Makefile                  # 直接 make
├── examples/
│   └── aibuddy_wrapper.cpp   # C++ 集成示例
└── src/
    ├── buf.h                 # 共享的 growable byte buffer
    ├── agent.{c,h}           # fc_agent_t 探索主循环
    ├── llm.{c,h}             # curl + OpenAI 兼容 chat completions
    ├── prompts.{c,h}         # system prompt + tool schemas
    ├── tool.{c,h}            # Read / Glob / Grep 实现
    └── json_min.{c,h}        # 极简 JSON 解析器（抄自 MRAgentC）
```

## 构建

### Make（最简单）

```bash
cd ~/fastcontextc
make            # → bin/fastcontext
```

### CMake（给 AIBuddy 集成）

```bash
cd ~/fastcontextc
mkdir build && cd build
cmake ..
make
```

## 使用

### CLI

```bash
export BASE_URL="https://open.bigmodel.cn/api/coding/paas/v4"
export API_KEY="your-key"
export MODEL="GLM-5.2"

./bin/fastcontext \
  --work-dir ~/fastcontext \
  --query "Where is the GrepTool ripgrep path defined?" \
  --max-turns 4
```

输出：

```
=== FastContext-C Result ===
Turns used: 2

/home/ligb/fastcontext/src/fastcontext/agent/tool/grep.py:69-74 (ripgrep path resolution logic)
```

### 程序化调用（C）

```c
#include "fastcontext.h"

fc_config_t cfg = {
    .base_url = "https://...", .api_key = "sk-...",
    .model = "GLM-5.2", .work_dir = "/path/to/repo",
    .max_turns = 6,
};
fc_agent_t* a = fc_agent_create(&cfg);
fc_result_t* r = NULL;
fc_explore(a, "Find authentication logic", &r);
printf("%s\n", r->final_answer);
fc_result_free(r);
fc_agent_free(a);
```

### 程序化调用（C++ / AIBuddy 集成）

见 `examples/aibuddy_wrapper.cpp`，提供 RAII 封装 `aibuddy::tools::FastContextSubagent`。

## Python → C 模块映射

| Python (`fastcontext/`) | C (`fastcontextc/`) |
|---|---|
| `cli.py` | `main.c` |
| `agent/agent.py` | `src/agent.c` |
| `agent/llm.py` | `src/llm.c` |
| `agent/context.py` | `src/agent.c`（trajectory 部分）|
| `agent/system.md` | `src/prompts.c` |
| `agent/tool/read.py` | `src/tool.c` (`tool_read`) |
| `agent/tool/glob.py` | `src/tool.c` (`tool_glob`) |
| `agent/tool/grep.py` | `src/tool.c` (`tool_grep`) |

## 关键设计

### async → sync

Python 的 `async def acall()` 改成同步 `fc_llm_chat()`，多轮探索用 for 循环 + 检测 `<final_answer>` 终止。curl 本来就是阻塞的，async 在这里没有收益。

### 工具沙箱

所有 Read/Glob/Grep 都强制 `path` 在 `--work-dir` 内（`sandbox_path()`），防止 LLM 乱读 `/etc/passwd` 之类。

### HTTP 调用

`curl_post()` 用 mkstemp + popen 模式（MRAgentC 验证过）：
1. 把 request body 写到 `/tmp/fc_body_XXXXXX`
2. popen 起一个 `curl --data-binary @tmpfile`，stdout 读响应
3. 关闭 popen 后再 unlink tmpfile

### 与上游 Python 版的差异

- **少 1 个依赖**：不要 aiofiles/openai/pydantic，只要 curl 二进制 + glibc
- **少 80% 行数**：830 → ~1400 行 C（含 json_min），但功能等价
- **更快启动**：无 Python 解释器初始化，冷启动 ~5ms

## 集成路径（AIBuddy 三步走）

详见 `~/AIBuddy/FASTCONTEXT_INTEGRATION.md`：

1. **Phase 1（1-2 天）**：AIBuddy 用 exec tool 调起 `bin/fastcontext`
2. **Phase 2（3-5 天）**：链入 `libfastcontextc.a` 作为内部 Tool
3. **Phase 3（长期）**：与 DSuE_RSI 联动，作为小脑的探索器

## 已知限制

- 没实现并行 tool 调用（Python 版的 asyncio.gather）——C 版串行执行 LLM 一次返回的多个 tool_calls
- 没实现 OpenAI 的 streaming response（fastcontext Python 版也不用）
- Grep 依赖系统装的 `rg`（已在 sandbox 代码里检测）

## 测试

```bash
# 端到端实测（需要 BASE_URL/API_KEY/MODEL 环境变量）
./bin/fastcontext --work-dir ~/fastcontext --query "..." --max-turns 4
```

—— WU，2026-06-22，基于 MRAgentC 已验证的 Python→C 移植方法论