# agent-helm > Fjärrstyr CLI-agent-sessioner (Gemini CLI först) från mobil eller webb — med en > alltid-fungerande terminalkanal i botten och snygga, strukturerade frågekort som > bonus ovanpå. `agent-helm` låter dig köra en agent (Gemini CLI) på valfri maskin, strömma dess session till en server på din Pi5, och styra/svara på den från en webbfrontend (installbar PWA) i mobilen. Du ser alla anslutna instanser på ett ställe och kan hoppa in i vilken som helst, var du än är. --- ## Designprinciper 1. **Graceful degradation — terminalen funkar alltid.** Den råa terminalkanalen (tangenttryck → pty) är *baslinjen* och fungerar oavsett konfiguration. Hooks som ger snygga frågekort är *progressive enhancement* — om en `BeforeTool`/`Notification`-hook saknas, är felkonfigurerad eller kraschar, kan du fortfarande styra sessionen fullt ut genom att skicka **piltangenter + Enter** (och all annan text) rakt in i terminalen. Se [Fallback-navigering](#fallback-navigering). 2. **Två tydligt åtskilda input-vägar.** Fritext/tangenttryck går till pty:ns stdin. Strukturerade hook-svar (allow/deny) går tillbaka via hookens returvärde — aldrig genom att "skriva y i terminalen". Se [Input-kanaler](#input-kanaler). 3. **pty äger agenten, inte tmux.** Appen kör Gemini i en `node-pty`. Persistens är ett *valfritt yttre lager* (tmux eller Docker) — inte en del av integrationen. 4. **Servern äger sessionens minne.** En scrollback-buffert per session gör att en mobil som återansluter ser var den är, inte en tom skärm. --- ## Komponenter | Komponent | Roll | Teknik | |---|---|---| | **daemon** (`packages/daemon`) | "Appen". Spawnar Gemini i en `node-pty`, strömmar pty-bytes utåt över WebSocket, tar emot input och skriver till pty:n. Levererar även hook-frågor och släpper dem när svar kommer. | Node.js, `node-pty`, `ws` | | **server** (`packages/server`) | Control-plane på Pi5. Session-registry (daemon ↔ session-id), WebSocket-mux mot både daemons och frontends, scrollback per session (headless `xterm` + `SerializeAddon`), routing av input till rätt session. | Node.js, `ws`, `@xterm/headless` | | **web** (`packages/web`) | PWA-frontend. `xterm.js` för konversationen, kort-vy för hook-frågor, input-toolbar för fallback-navigering, lista över alla anslutna instanser. | Vue 3, Vite, `@xterm/xterm`, PWA | | **hooks** (`hooks/`) | Gemini CLI-hooks (`BeforeTool`, `Notification`) som postar frågan till daemonen och long-pollar tills ett svar kommer. | Shell/Node-script, `~/.gemini/settings.json` | --- ## Repo-struktur ``` agent-helm/ ├── README.md ├── .gitignore ├── package.json # workspace-rot (npm/pnpm workspaces) ├── packages/ │ ├── daemon/ # node-pty-värd för Gemini + WS-klient mot servern │ │ ├── src/ │ │ └── package.json │ ├── server/ # Pi5 control-plane: WS-mux, registry, scrollback │ │ ├── src/ │ │ └── package.json │ └── web/ # Vue 3 PWA: xterm.js + kort-vy + fallback-input │ ├── src/ │ └── package.json ├── hooks/ │ ├── before-tool.sh # postar verktygsförfrågan till daemonen, blockar │ └── notification.sh # postar agent-notiser (t.ex. "väntar på input") └── docker/ ├── daemon.Dockerfile ├── server.Dockerfile # byggs och pushas till 192.168.0.19:5000 └── compose.pi5.yml # server + ntfy, restart: unless-stopped ``` --- ## Dataflöde ``` [daemon / "appen"] (körs valfritt i tmux eller Docker för persistens) node-pty ── spawnar ── gemini (interaktivt TUI) │ └─ BeforeTool/Notification-hook (körs HÄR, daemon-side) │ pty-bytes (stdout) │ POST {tool_name, tool_input}, blockar tills svar ▼ ▼ ───── WebSocket (utåtgående) ──────────────────► [Pi5-server / control-plane] ◄──── input (text / tangenter / hook-svar) ────── • session-registry: daemon ↔ session-id • headless xterm + SerializeAddon → scrollback • router: text/tangenter → pty.write() hook-svar → släpper blockad hook │ WebSocket ▼ [Vue 3 PWA] • lista över alla anslutna instanser • xterm.js → konversationen (rå, alltid) • kort-vy → hook-frågor (allow/deny) • toolbar → ↑↓←→ Enter Esc Tab Ctrl-C ``` **Steg för steg (en verktygsförfrågan):** 1. Gemini vill köra ett verktyg och fyrar `BeforeTool`-hooken på daemon-sidan. 2. Hooken POST:ar `{tool_name, tool_input, session_id}` till daemonen och **blockar** (long-poll) tills ett beslut kommer. 3. Daemonen vidarebefordrar frågan till servern → servern pushar till alla frontends som tittar på sessionen (och triggar en ntfy-push till mobilen). 4. Du trycker **Tillåt** / **Neka** i kort-vyn → frontend → server → daemon → hooken släpps och returnerar `{"decision":"allow"}` → Gemini fortsätter. 5. **Om hooken inte är uppsatt/fungerar:** inget kort dyker upp. Istället visar Gemini sin egen y/n-prompt i terminalen, och du svarar via fallback-navigeringen (se nedan). --- ## Input-kanaler Två vägar, alltid åtskilda: | Input | Väg | Hamnar i | |---|---|---| | Fritext, piltangenter, Enter, Esc, Tab, Ctrl-C | frontend → server → daemon → `pty.write()` | terminalens **stdin** | | Svar på hook-fråga (allow / deny / val) | frontend → server → **släpper den blockade hooken** | hookens **returvärde** | > ⚠️ Strukturerade godkännanden skickas *aldrig* genom att skriva i terminalen — det > skapar race mot TUI:ns egen prompt. De går tillbaka via hookens returvärde. --- ## Fallback-navigering Detta är ett **förstklassigt krav**, inte en reservplan: frontenden ska alltid kunna styra sessionen även om ingen hook är inblandad. - Frontenden har en **input-toolbar** med `↑ ↓ ← →`, `Enter`, `Esc`, `Tab`, `Ctrl-C` (plus snabbknappar `y`/`n`). Dessa skickar motsvarande **escape-sekvenser** in i pty:n via `pty.write()` (t.ex. piltangent upp = `\x1b[A`, Enter = `\r`). - `xterm.js` vidarebefordrar dessutom riktiga tangenttryck från ett fysiskt tangentbord rakt till samma kanal. - Resultat: när Gemini visar sin **inbyggda** TUI-prompt (verktygsgodkännande, val i en meny, bekräftelse) kan du navigera och svara helt utan hooks. Hooks gör bara frågorna snyggare — de är aldrig en förutsättning för att kunna styra sessionen. Praktiskt innebär det att man kan börja använda systemet **innan** några hooks är konfigurerade, och att en trasig hook aldrig låser en session. --- ## Persistens - **Process-persistens (valfritt):** kör daemonen i `tmux` för ad-hoc ("överlever att jag stänger SSH/laptop"), eller som **Docker-container med `restart: unless-stopped`** / systemd-unit för alltid-på på Pi5. tmux är inte en del av integrationen — bara ett yttre skal. - **Vy-persistens (alltid på):** servern håller en scrollback-buffert per session via en headless `xterm` + `SerializeAddon`. En frontend som ansluter (eller en mobil som väcks ur viloläge) får en ögonblicksbild + live-svans, inte en tom skärm. --- ## Åtkomst, auth & notiser (Pi5) - **Åtkomst:** primärt via **Tailscale** (inget exponerat publikt). Alternativt via din NPM-reverse-proxy på t.ex. `agent.brasse-pc.eu` med auth framför. - **Notiser:** self-hostad **ntfy** på Pi5 pushar till mobilen när en session väntar på input. Servern postar till ett ntfy-topic; PWA:n / ntfy-appen tar emot. - **Registry:** server- och daemon-images byggs och pushas till `192.168.0.19:5000`. --- ## Teknikstack - **Node.js** överallt på backend (`node-pty`, `ws`, `@xterm/headless`). - **Vue 3 + Vite** för frontend, `@xterm/xterm` för terminalrendering, PWA för mobil-installation och push. - **Docker** (compose) för Pi5-deploy, **ntfy** för push, **Tailscale** för åtkomst. - Mål-agent: **Gemini CLI** (headless/hooks), men daemon-lagret är agent-agnostiskt och kan wrappa vilken pty-baserad CLI-agent som helst. --- ## Status 🚧 **Skelett / design.** Detta repo innehåller hittills arkitektur och dataflöde. Nästa steg: scaffolda `packages/daemon`, `packages/server`, `packages/web` och `hooks/`. ### Roadmap - [ ] Monorepo-uppsättning (workspaces) + tomma paket - [ ] `daemon`: node-pty spawnar Gemini, strömmar pty över WS - [ ] `server`: session-registry + WS-mux + scrollback - [ ] `web`: xterm.js-vy + input-toolbar (fallback-navigering) + instans-lista - [ ] `hooks`: `before-tool` long-poll + kort-vy i frontend - [ ] ntfy-integration + Tailscale-/NPM-deploy på Pi5 - [ ] Docker-images → `192.168.0.19:5000`