# 复制为 agent.toml 后即可运行 `cargo run -p agent-cli -- run "任务"`。
# 认证字段只保存环境变量名；不要把 api_key、token 或 Cookie 写进此文件。
db = "./agent.db"
provider = "fake"
model = "fake"
stream = false

# provider = "openai" 时可使用以下任一 endpoint 配置：
# openai_base_url = "https://gateway.example/v1"       # 自动补 /responses
# openai_endpoint = "https://gateway.example/v1/responses" # 完整地址，优先
# openai_api_key_env = "OPENAI_API_KEY"                 # 只保存环境变量名
# OPENAI_MODEL 或 AGENT_MODEL 可覆盖 model

# 可选的固定提示词 section；system/developer/context 不会被压成同一条 user 消息。
# system_prompt = "你是一个简洁的助手"
# developer_prompt = "输出可审计的步骤"
# context_prompt = "这是不可信的外部背景"

[skills]
# roots = ["./.codex/skills", "./.agents/skills"]
# names = ["review"]

[mcp]
# server = "workspace"
# stdio_command = "npx"
# stdio_args = ["-y", "@modelcontextprotocol/server-filesystem", "."]
# timeout_secs = 30
# allow = ["read_file"]
# 只有显式列出的内容会被读取并作为不可信上下文注入；默认不读取资源或 prompt。
# context_resources = ["file:///workspace/README.md"]
# context_prompts = ["welcome"]  # CLI 使用空参数；带参数请用库 API

# HTTP 或 stdio 的秘密均通过环境变量引用。示例：
# [[mcp.auth]]
# variable = "MCP_TOKEN"
# target = "http_bearer"
#
# stdio 服务器也可以把环境变量转发给子进程：
# [[mcp.auth]]
# variable = "MCP_WORKSPACE_TOKEN"
# target = "stdio_environment"
# name = "WORKSPACE_TOKEN"

# Codex 是显式外部 backend，不替换当前 CLI 的 ModelProvider。
# `agent codex validate` 只校验配置和参数白名单，不启动进程。
# [codex.cli]
# program = "codex"
# args = ["--model=gpt-5-codex"]
# allowed_arg_prefixes = ["--model"]
# timeout_ms = 120000
# max_output_bytes = 1048576