# Arcrun for AI Agents

> 給 AI 操盤手（Claude Code、Cursor、Codex、自製 agent）的 onboarding。
> 載入這份就能用 arcrun，不需要讀 SDD 內部架構、不需要 grep codebase、不需要問人。
>
> 對應 SDD：`.agents/specs/llm-interface/`（v0.1，2026-05-16）

---

## 1. Arcrun 是什麼（30 秒）

Arcrun = 用 YAML 把 WASM 零件串成可重複執行 workflow 的平台。**用戶寫 YAML，平台跑**。

- 每個零件是 TinyGo / AssemblyScript 編譯的 `.wasm`，stdin/stdout JSON I/O
- 每個 workflow 是一份 cypher binding YAML，描述「節點 + 邊」的圖
- 觸發機制：HTTP webhook、cron、callback resume
- 部署完成回 `webhook_url`，用戶或下游服務 POST 即可執行

n8n 從手寫程式碼開始，arcrun 從 AI 描述開始：你跟用戶聊出他想要什麼自動化，**你（AI）寫 YAML 部署，之後不需要 AI 也能跑**。

---

## 2. 連線（一步搞定）

加到你的 MCP config（Claude Desktop / Cursor / 任何支援 MCP 的 client）：

```json
{
  "mcpServers": {
    "arcrun": {
      "type": "http",
      "url": "https://mcp.arcrun.dev/mcp",
      "headers": {
        "Authorization": "Bearer ak_YOUR_API_KEY"
      }
    }
  }
}
```

> **暫時**：M5 完成前 URL 仍是 `https://mcp.finally.click/mcp`，預計 2026-06 切。
> Tool 命名暫時仍是 `u6u_*` prefix，M5 一次改 `arcrun_*`。
> 本 doc 描述目標狀態，實際用 `list_*` tool 取得當前可用名單。

取得 ak_ 金鑰：到 https://arcrun.dev/me（OAuth Google / GitHub 登入），右下角複製。

---

## 3. 五個核心概念

| 概念 | 一句話 |
|---|---|
| **Component（零件）** | WASM Worker，獨立部署成 `arcrun-{kebab}.{user}.workers.dev`。用 `list_components` 看可用清單 |
| **Cypher binding** | YAML 三元組 `A >> 關係 >> B`，定義 workflow 圖。常用關係：`ON_SUCCESS` / `對每個 X` / `IF` |
| **FOREACH** | `>> 對每個 item >> next_node` 迭代陣列。`item` 變數自動可用 |
| **Paused-resume** | claude_api 等需等外部 callback 的零件會「paused」，cypher-executor 透過 `/workflows/resume` 接續 |
| **api_key (ak_xxx)** | 所有 call 必帶（MCP header 或 workflow `{{api_key}}`），同時當 partition key |

---

## 4. 你的第一個 workflow（5 分鐘 e2e）

### Step 1：看有什麼零件可用
```
arcrun_list_components()        # 全部零件名單
# 或
arcrun_search_examples('rag')   # 範例庫搜尋（從 use case 找範本）
arcrun_list_skills()            # 看 playbook 清單
arcrun_get_skill('build_watcher_workflow')  # 拿特定 playbook 細節
```
常用零件：`http_request`、`claude_api`、`kbdb_get`、`kbdb_create_block`、`telegram`、`gmail`、`cron`、`filter`、`trigger_workflow`。

### Step 2：寫 minimal YAML（從範例改 > 從零寫）

```yaml
name: hello_world
description: 接 webhook，回個 hi

flow:
  - "input >> ON_SUCCESS >> say_hi"

config:
  say_hi:
    component: http_request
    url: "https://httpbin.org/post"
    method: POST
    body_json:
      hello: "{{input.name}}"
```

### Step 3：dry-run 校驗
```
arcrun_validate_yaml(api_key, graph)
```

### Step 4：部署
```
arcrun_push_workflow(api_key, yaml_content)
```
回 `{name, webhook_url: 'https://cypher.arcrun.dev/webhooks/named/hello_world/trigger'}`。

### Step 5：觸發測試
```
arcrun_run_workflow(api_key, name='hello_world', input={name: 'leo'})
```

### Step 6：看結果 / debug
```
arcrun_list_recent_executions(api_key, workflow_name='hello_world')
# 若 paused：
arcrun_list_paused_executions(api_key)
arcrun_get_execution_trace(api_key, task_id='task_XXX')
```

### Step 7：回報（**必做**，見 §8）
```
arcrun_report_feedback(api_key, issue_type='success_story', description='...')
```

---

## 5. URL 慣例（很重要，搞錯會撞 522）

| URL pattern | 用途 |
|---|---|
| `cypher.arcrun.dev` | Orchestration API（你的 workflow CRUD + trigger 走這） |
| `arcrun-{kebab}.{user}.workers.dev` | 零件 worker（cypher-executor 走 workers.dev 對內 URL，避 CF 同 zone 自循環死鎖） |
| `{kebab}.arcrun.dev` | 零件 worker 對外公開 URL（用戶 / 直接 curl 用，cypher-executor 不要走這） |
| `kbdb-*.arcrun.dev` | KBDB 操作（資料層） |
| `mcp.arcrun.dev` | MCP server（**你**用這個） |
| `mcp.finally.click` | MCP server 舊網址（過渡） |

**踩坑警示**：cypher-executor 自打 `cypher.arcrun.dev` 或自打 `arcrun-cypher-executor.*.workers.dev` 都會撞 CF self-fetch 防護回 1042/522。要 in-process 觸發另一個 workflow，**用內建零件 `trigger_workflow`**（不是 `http_request` 自打）。

---

## 6. 常見錯誤 + 怎麼讀

| error_code | 含義 | 你該做什麼 |
|---|---|---|
| `auth_missing` / `auth_invalid` | ak_ 沒帶 / 錯了 | 去 https://arcrun.dev/me 重拿，更新 MCP config |
| `component_not_found` | 零件名打錯 | call `list_components()` 看正確名 |
| `component_not_in_whitelist` | 零件存在但 cypher-executor 不認 | 告訴用戶聯絡平台維護者（這是平台 bug） |
| `validation_failed` | YAML / schema 不過 | 看 response 的 `next_actions` 陣列，照著修 |
| `paused_awaiting_resume` | workflow 在等 callback（claude_api 等） | **正常**，wait 或 call `get_execution_trace` 看狀態 |
| `dependency_unavailable` | 下游 API（Claude / Gmail / KBDB）掛 | retry，仍掛 → 公告型 issue |

---

## 7. 不確定的時候，按這個順序

1. **不知道有什麼零件可用** → `arcrun_list_components()` / `arcrun_get_component_contract(id)`
2. **不知道用戶有什麼 workflow** → `arcrun_list_workflows(api_key)`
3. **想看零件 input/output schema** → `arcrun_get_component_contract('xxx')`
4. **要不要 dry-run** → 預設 yes，永遠先 `arcrun_validate_yaml` 再 `arcrun_push_workflow`
5. **觸發後不知道結果** → `arcrun_list_recent_executions(api_key, name)` / `arcrun_get_execution_trace(api_key, task_id)`，paused 不算錯
6. **有沒有現成範例可參考** → `arcrun_search_examples('rag llm chain')`（範例庫 10+ 個 workflow）
7. **有沒有 playbook** → `arcrun_list_skills() / arcrun_get_skill(slug)`（5 個 playbook：watcher / paused-debug / migrate-trigger / rag / new-component）
8. **不知道下一步** → 看任何 error response 的 `next_actions` 陣列

### 過渡期 tool 命名注意

LI 開發中（2026-05-16~）。目前 arcrun-mcp 同時提供：
- **`arcrun_*`**（新規範，**主用這套**）：報 feedback / 工作流 CRUD / 執行 trace
- **`u6u_*`**（舊規範，等 M5 一次切）：component 操作、tag 操作、GUI context

舊 `u6u_*` 仍可用。其中 `u6u_deploy_workflow` 是壞的（呼叫不存在的 endpoint），用 `arcrun_push_workflow` 取代。

---

## 8. 回報機制（**必做**）

平台用回饋資料 self-improve。**每次部署 workflow / 卡住 / 解掉問題後**，call：

```typescript
report_feedback({
  workflow_name: "hello_world",         // 你剛做的 workflow
  issue_type:
    | "success_story"        // 順利完成，值得記錄這個 pattern
    | "doc_unclear"          // AGENTS.md / skill / contract 講不清楚
    | "tool_missing"         // 該有的 MCP tool 沒有
    | "error_unhelpful"      // 錯誤訊息看不懂下一步
    | "unexpected_behavior"  // 跟我預期的不一樣
    | "feature_request",     // 我想要 X 功能
  description: "...",
  retry_count: 2,            // 你試了幾次才搞定
  blocked: false,            // 完全擋住嗎
  suggested_fix: "..."       // optional，你建議的修補
})
```

「success_story」也要報，**那是告訴平台「這個 pattern 已經 work，可以推廣」**。

不需要怕回報太多 — 你不報，平台拿 implicit telemetry（每個 deploy / run 平台自己 log）也會看到問題，但 explicit feedback 質感高很多。

---

## 9. KBDB（資料儲存）速覽

arcrun 的「資料庫」是 KBDB（Cloudflare D1）。萬物皆 block：note / wiki-page / chat / triplet / template / skill / feedback / 等，靠 `type` 區分。

工具：
- `kbdb_get(type, block_id?, page_name?, ...)` — 讀
- `kbdb_create_block(type, content, ...)` — 建
- `kbdb_patch_block(block_id, content?, tags?, ...)` — 改
- `kbdb_upsert_block(page_name, content, ...)` — page_name 當 idempotency key

寫 workflow 要 RAG / KM / 用戶資料持久化時，直接用這幾個 component（在 YAML `component: kbdb_get` 等）。

完整 KBDB API 將有獨立 SDD（`kbdb-llm-interface`），目前看 `https://kbdb.finally.click/ui`（Swagger）。

---

## 10. 範例：寫一個 cron watcher（最常見 pattern）

```yaml
name: my_watcher
description: 每 5 分鐘掃未處理資料 → 觸發 wiki_synthesis

flow:
  - "watch_cron >> ON_SUCCESS >> list_unprocessed"
  - "list_unprocessed >> ON_SUCCESS >> filter_new"
  - "filter_new >> 對每個 item >> trigger_synthesis"

config:
  watch_cron:
    component: cron
    cron_expr: "*/5 * * * *"

  list_unprocessed:
    component: kbdb_get
    api_key: "{{api_key}}"
    type: "note"
    source: "user-input"
    limit: 20

  filter_new:
    component: filter
    items: "{{list_unprocessed.blocks}}"
    condition:
      key: "tags_json"
      op: "eq"
      value: "[]"

  trigger_synthesis:
    component: trigger_workflow     # 不要用 http_request 自打 — 會撞 CF self-fetch
    workflow_name: "wiki_synthesis"
    api_key: "{{api_key}}"
    input:
      api_key: "{{api_key}}"
      raw_block_id: "{{item.id}}"
```

部署完每 5 分鐘自動跑。

---

## 11. 給寫 LI 的 AI 自己的 meta-規範

你（AI）在寫 arcrun workflow 時，**遵守以下習慣**會少踩坑：

1. **永遠先 list → validate → push → run → trace**：5 步流程，缺一個都會多繞路
2. **error 一定讀 `next_actions`**：不是讀 `human_message` 然後猜
3. **paused 不是錯**：claude_api、外部 OAuth flow 都會 paused，正常
4. **`{{api_key}}` 是 trigger context 帶進來的**：手動觸發要在 body 帶；cron 觸發 cypher-executor 自動塞
5. **新增零件不在 list_components 出來的清單裡** → 平台沒部署該零件，告訴用戶「我們需要先做 component」，不是你寫 workflow 的鍋
6. **完成後 call `report_feedback`**：哪怕 success_story，也回報。AI 用得順不順不能靠人類事後回顧

---

## 12. 進階參考

- 完整 SDD：`matrix/arcrun/.agents/specs/llm-interface/`
- 平台架構（rules）：`matrix/arcrun/.claude/rules/`
- 零件開發指南：call `get_component_guide()` MCP tool
- KBDB Swagger：https://kbdb.finally.click/ui
- 範例庫（M3 完成後）：`registry/examples/`
- 平台週報（M4 完成後）：KBDB block `type=arcrun-roadmap`

---

> 本 doc 是 source of truth。每次更新後 GH Actions 自動同步 KBDB block (`type=agent-onboarding`)，AI 可透過 `get_onboarding` MCP tool 拿最新版（M1 完成）。