Custom agent imported from pohi99999/mcp-brunella-core (.github/agents/my-agent.agent.md). Copyright stays with the author.

Copilot Instructions — Brunella Agent System (BAS)

Master dokumentum: README.md — ha ellentmondást találsz bármely fájllal, a README az irányadó.

Build, Test, Lint

npm run build      
                   # TypeScript fordítás (tsc + registry.json/TRIZ másolás)
npm run test:fast                     # Gyors tesztek (~1-2 perc) — commit előtt, e2e/phase/swarm NÉLKÜL
npm test                              # Build + teljes Vitest suite (~10 perc) — track lezáráskor/push előtt
npx vitest run test/foo.test.ts       # Egy konkrét teszt fájl
npm run test:watch                    # Vitest watch mód (fejlesztés közben)
npm run lint                          # ESLint (max-warnings=0)
npm run lint:fix                      # ESLint auto-fix
npm run test:e2e                      # Playwright e2e tesztek
npm run smoke                         # Health check: Ollama, Express, FastAPI ellenőrzés
npm run test:coverage                 # Lefedettségi jelentés

Mikor mit futtass:

Python alrendszer:

cd myai && uv sync                    # Python függőségek (uv a csomagkezelő)
cd myai && pytest tests/              # Python tesztek

Rendszer indítás (Windows):

start-full.bat                        # Teljes rendszer indítás (Express + FastAPI + Dashboard)
# Portok: Backend :3000, FastAPI :8000, Dashboard :5173

Architektúra

Hibrid Node.js + Python multi-agent rendszer, Model Context Protocol (MCP) kommunikációval.

Belépési pontok

src/index.ts — Dual-mode szerver: egyszerre indít MCP StdioServerTransport-ot (Claude Desktop / AI kliensek) ÉS Express HTTP szervert (:3000, Dashboard + CLI). Mindkét mód registerAllTools() hívásával regisztrálja az MCP eszközöket.

src/cli.ts — CLI belépési pont (Commander.js, 70+ parancs). Magyar nyelvű, inquirer.js menüvezérelt (nyíl + enter navigáció). Lásd: CLI konvenciók szekció.

Fő komponensek

Node.js backend (src/): TypeScript ESM, Express 4, Socket.IO. ~51 REST API route fájl a src/server/routes/-ban. WebSocket: src/server/SocketService.ts.

Python alrendszer (myai/): FastAPI + FastMCP. Böngésző automatizálás (Playwright/browser-use), vektor DB-k (LanceDB, ChromaDB), ML pipeline-ok. A Node.js pythonShell.ts-en keresztül kommunikál vele.

Dashboard (src/dashboard/): React 19 + Vite + Tailwind v4 + Radix UI. Saját vite.config.ts, külön build: npm run build:ui. Új panelek regisztrációja: src/dashboard/lib/navigation.tsx (NavigationRegistry).

Agent rendszer

50+ agent. Minden agent az IAgent interfészt (src/agents/types.ts) valósítja meg, vagy a BaseAgent absztrakt osztályt (RAG memóriával) terjeszti ki. Regisztráció: src/agents/registry.json (name, module, class, triggers, priority, capabilities). Az AgentManager (src/agents/AgentManager.ts) kezeli a registry-t, Task Queue-t (SQLite), Worker Loop-ot és RBAC-ot.

Agent hierarchia:

OrchestratorAgent / EnterpriseOrchestratorAgent (Koordinátorok)
├── Core: DeveloperAgent, EvaluatorAgent, ResearcherAgent, TaskDecomposerAgent
├── Automation: RobotkezV2Agent (Playwright/LLM), VoiceAgent (Whisper)
├── Engineering: SpecWriterAgent, GenesisOrchestrator, UXDesignerAgent, LintFixerAgent
├── Enterprise Suite (~20 agent): Finance, Sales, HR, Logistics, Admin
├── Swarm: SwarmManager + SwarmAgent (src/agents/swarm/)
├── TOML-alapú DynamicAgent: myai/agents/*.toml
└── Management: ProjectConductorAgent (tracks.md szinkron)

RBAC: src/agents/permissions.ts — Minden agent-hez PermissionProfile definiál jogosultságokat és path-korlátozásokat.

Model Router

src/core/modelRouter.ts — Brain vs Muscle routing (RULE-MR1–4):

• Brain (Cloud): Gemini (1M ctx), GitHub Models GPT-5 mini → complexity: 'high'
• Muscle (Local): Ollama qwen2.5-coder:7b → complexity: 'low' vagy budget=0

Bifrost Gateway (src/core/bifrost_gateway.ts): 4 provider (Ollama, Gemini, GitHub Models, Anthropic) auto-fallbackkel.

Cloudflare Edge

Workers (D1, KV, R2, Vectorize), AI Gateway. Node.js d1Adapter.ts-en keresztül HTTP POST-tal éri el D1-et: Node.js → HTTP POST /d1/query → Cloudflare Worker → D1. Aktiválás: CLOUDFLARE_WORKER_URL + CEAN_API_KEY env változók.

Phoenix Protocol (Öngyógyítás)

src/core/checkpoint.ts + phoenixEventBus.ts — Hiba esetén: 1) Checkpointing (SQLite: executing → failed), 2) Auto-Reset (AgentManager retry: 1s → 3s → 10s, max 3 kísérlet), 3) Git Recovery (sync_foszal.py + commit).

Data Flywheel (5 lépés)

1. Harvest (myai/browser_worker.py) — Webes adatgyűjtés Playwright-tel
2. Refine (myai/refiner_logic.py) — Adat tisztítás, validáció
3. Index (LanceDB) — Vektoros indexelés
4. Learn (RAG Query) — Releváns dokumentumok keresése
5. Execute (OrchestratorAgent) — Feladat végrehajtás → Feedback loop

Egyéb alrendszerek

• Golden Dataset Bridge (src/core/goldenDatasetBridge.ts): Sikeres agent futások mentése D1-be fine-tuning célra
• Safe Zones (config/safe_zones.json): MCP Filesystem whitelist/blacklist, .env/.git/**/*.key automatikusan tiltva
• E2B Sandbox (src/security/e2b_sandbox_manager.ts): Izolált Python kód végrehajtás
• Jules Integration (src/core/julesIntegration.ts): Async task management, 15 párhuzamos test suite

Kód konvenciók

ESM importok — .js kiterjesztés KÖTELEZŐ

import { foo } from './bar.js';      // ✅ Helyes
import { foo } from './bar';          // ❌ Build FAIL — Node16 moduleResolution megköveteli

Típusok — any TILOS

const data: unknown = getData();      // ✅ Helyes — unknown + type guard
const data: any = getData();          // ❌ Kerülendő — strict mode aktív

Logging — console.log TILOS

ESLint no-console: warn szabály. Használd a projekt loggerét:

// Agent kódban:
import { logInfo, logError, setAgentStatus } from '../utils/logger.js';
logInfo('AgentName', 'message');
setAgentStatus('AgentName', 'working', 'task leírás');

// Szerver/utility kódban:
import { Logger } from '../utils/logger.js';
const logger = new Logger('feature.log');
await logger.info('message');

Agent implementáció

1. Egyszerű agent — IAgent interfész:

import { IAgent, AgentResponse } from './types.js';
import { logInfo, logError, setAgentStatus } from '../utils/logger.js';

export class MyAgent implements IAgent {
  name = 'MyAgent';
  role = 'Agent célja';
  description = 'Mit csinál';
  capabilities = ['skill1'];

  async execute(task: string, context?: unknown): Promise<AgentResponse> {
    setAgentStatus(this.name, 'working', task.slice(0, 50));
    try {
      // ... logika ...
      return { status: 'success', data: result };
    } catch (e: unknown) {
      const error = e instanceof Error ? e.message : String(e);
      logError(this.name, error);
      return { status: 'error', error };
    } finally {
      setAgentStatus(this.name, 'idle'); // KÖTELEZŐ finally-ban!
    }
  }
}

2. Komplex agent RAG memóriával — BaseAgent absztrakt osztály:

A BaseAgent Bridge Pattern-t használ: execute(task, context?) az IAgent interfész (külső API), executeTask(context) a belső implementáció. Automatikus status management, logging, RAG memória lekérdezés.

import { BaseAgent, AgentContext, AgentResult } from './BaseAgent.js';

export class MyComplexAgent extends BaseAgent {
  name = 'MyComplex';
  role = 'Szerep';
  description = 'Leírás';
  capabilities = ['skill1'];

  async executeTask(context: AgentContext): Promise<AgentResult> {
    // context.pastExperiences: RAG memória automatikusan betöltve
    // context.task: az eredeti feladat szövege
    return { success: true, message: 'OK', data: result };
  }
}

3. TOML-alapú DynamicAgent:

Konfigurációs fájl: myai/agents/MyAgent.toml (systemPrompt, query template, tags). A registry.json-ban "class": "DynamicAgent" + "tomlPath" mező. Nincs TypeScript kód — a DynamicAgent (src/agents/DynamicAgent.ts) generikusan betölti.

Új agent regisztráció: add hozzá src/agents/registry.json-hoz:

{
  "name": "MyAgent",
  "module": "./agents/MyAgent.js",
  "class": "MyAgent",
  "triggers": ["kulcsszó1", "kulcsszó2"],
  "priority": 5,
  "capabilities": ["skill1"]
}

MCP Tool minta

// src/tools/myTool.ts — Definíció + Handler
export const myToolDefinition = {
  name: 'my_tool',
  description: 'Tool célja',
  inputSchema: { type: 'object', properties: { param: { type: 'string' } }, required: ['param'] }
};

export async function myToolHandler(params: { param: string }) {
  try {
    if (!params.param) return { success: false, error: 'param cannot be empty' };
    const result = await doSomething(params.param);
    return { success: true, data: result };
  } catch (e: unknown) {
    const error = e instanceof Error ? e.message : String(e);
    logError('myTool', error);
    return { success: false, error };
  }
}

// Regisztráció: src/server/registry.ts → registerAllTools() → server.registerTool(myToolDefinition, handler)

CLI konvenció

Minden új CLI parancs magyar nyelvű, inquirer.js menüvezérelt (nyíl + enter navigáció). Színes output: chalk, boxen, ora. Nincs szöveg begépelés — interaktív kiválasztás. Fájlok helye: src/cli/commands/. Regisztráció: src/cli.ts.

Tesztelés — Vitest (NE Jest!)

import { describe, it, expect, vi } from 'vitest';
// Vitest globals is elérhetők a tsconfig "types": ["vitest/globals"] miatt

• Teszt fájlok: test/**/*.test.ts
• Setup: test/setup.ts
• Timeout: 15s
• fileParallelism: false
• Mock-olás: vi.fn(), vi.spyOn(), vi.mock() — NE jest.fn()!

TypeScript konfig

• Target: ES2022, Module: Node16, Strict mode
• rootDir: ./src, outDir: ./build
• Dashboard (src/dashboard/) ki van zárva a fő tsconfig-ból, saját tsconfig.ui.json-ja van

Python konvenciók (myai/)

• Python ≥3.12, csomagkezelő: uv (pyproject.toml)
• Strict Pydantic modellek adatcseréhez
• MCP szerverek: FastMCP ≥2.14.3 (@mcp.tool() dekorátor, stdio transport)
• Böngésző automatizálás: browser_use könyvtár (RobotkezV2)

Commit konvenció

Conventional Commits: feat(scope): subject, fix(scope): subject, stb. Scope példák: agent, cli, api, ui, dashboard, cloudflare, phoenix.

EPP v2 — Engineering Precision Protocol

Teljes dokumentáció: conductor/epp-v2.md. A 7 Arany Szabály:

1. Track Required — Nincs kódírás track nélkül (conductor/tracks/<name>/)
2. Fix Bugs — Fejlesztés közben talált hibák AZONNAL javítandók
3. Commit Often — Minden phase befejezése után git commit
4. TODO List — Track.md checkbox lista folyamatos frissítése
5. All Tests Green — COMPLETED csak ha: build ✅ + test ✅ + manual ✅
6. Dashboard + CLI — Minden új funkció = Dashboard komponens (React, Radix UI) + CLI parancs (magyar, inquirer.js)
7. Final Docs — Track lezárás után: .ai/<agent>.md + python scripts/sync_foszal.py

Track életciklus: PROPOSED → ACTIVE → TESTING → COMPLETED → ARCHIVED

Védett fájlok

Ne módosítsd explicit kérés nélkül: package.json, src/agents/registry.json, src/index.ts, src/core/llm_client.ts, src/server/web.ts, src/server/registry.ts, .env.

Projekt koordináció

• Track rendszer: conductor/tracks.md (aktív fejlesztések, 105+ track). Minden nagyobb feature = track a conductor/tracks/ mappában.
• AI ügynök naplók: .ai/FOSZAL.md (központi napló, auto-generált), .ai/copilot.md (Copilot saját naplója). Szinkronizálás: python scripts/sync_foszal.py.
• Bootstrap: .ai/BOOTSTRAP.md — gyors projekt összefoglaló munkamenet elejére.
• Multi-agent munkamenet: Claude Code, Gemini CLI, GitHub Copilot, Jules, Cursor párhuzamosan dolgoznak. Koordináció a .ai/ naplókon és conductor/tracks.md-n keresztül.
• Log fájlok: logs/ mappa — brunella.db (SQLite), dashboard.log, health.log, http.log, orchestrator.log, startup.log stb.

Copilot ↔ BAS Full Integration

A Copilot CLI teljes hozzaferessel rendelkezik a BAS rendszerhez — 300+ REST endpoint, 95+ agent, 53 MCP tool, 103 befejezett track kepessegeivel.

3 eszkoz — mikor melyiket hasznald

Dashboard Bridge — Teljes rendszer vezérles

28 domain, 200+ muvelet — a BAS OSSZES kepcssege egyetlen CLI-bol:

# Rendszer attekintes
node scripts/copilot-dashboard.js --quick-status     # Health + Agents + Tasks egyben
node scripts/copilot-dashboard.js --domains           # 28 domain listazasa

# Agent muveletek (70+ agent)
node scripts/copilot-dashboard.js agents list
node scripts/copilot-dashboard.js agents execute lint_fixer "Fix ESLint errors"
node scripts/copilot-dashboard.js agents orchestrate "Create marketing campaign"

# PAIOSZ Chat (5 LLM provider)
node scripts/copilot-dashboard.js paios chat "Analyze system health"
node scripts/copilot-dashboard.js paios chat-gemini "Summarize project status"
node scripts/copilot-dashboard.js paios chat-claude "Review this architecture"
node scripts/copilot-dashboard.js paios chat-ollama "Quick code suggestion"

# MCP Tools (53 tool)
node scripts/copilot-dashboard.js mcp tools
node scripts/copilot-dashboard.js mcp execute knowledge_semantic_search '{"query":"auth"}'

# Enterprise (18 modul: Finance, HR, Sales, Legal, Marketing, stb.)
node scripts/copilot-dashboard.js enterprise modules
node scripts/copilot-dashboard.js enterprise execute finance_guardian "Check invoices"

# Browser Automation (Robotkez)
node scripts/copilot-dashboard.js robotkez exec "Navigate to google.com"
node scripts/copilot-dashboard.js robotkez chat "Search for AI trends"
node scripts/copilot-dashboard.js browser navigate "https://example.com"
node scripts/copilot-dashboard.js browser screenshot

# Developer Pipeline (Git, Code Review, Scaffold)
node scripts/copilot-dashboard.js developer execute "Review auth module"
node scripts/copilot-dashboard.js developer scaffold agent

# Knowledge & RAG (LanceDB + ChromaDB)
node scripts/copilot-dashboard.js knowledge semantic "authentication flow"
node scripts/copilot-dashboard.js knowledge index src/auth/login.ts

# Memory & Preferences
node scripts/copilot-dashboard.js memory store default theme "dark"
node scripts/copilot-dashboard.js memory query default

# Swarm (Multi-Agent Colony)
node scripts/copilot-dashboard.js swarm dispatch "Research competitor landscape"

# Tasks & Tracks
node scripts/copilot-dashboard.js tasks stats
node scripts/copilot-dashboard.js tasks decompose "Build new authentication system"
node scripts/copilot-dashboard.js tracks list
node scripts/copilot-dashboard.js tracks todos

# Python Subsystem (FastAPI)
node scripts/copilot-dashboard.js python health
node scripts/copilot-dashboard.js python comet "Execute ML pipeline"
node scripts/copilot-dashboard.js python harvest "https://example.com"

# Invoice & Finance
node scripts/copilot-dashboard.js invoice unpaid
node scripts/copilot-dashboard.js invoice list 50

# Google Workspace
node scripts/copilot-dashboard.js google gmail 20
node scripts/copilot-dashboard.js google calendar

# Web Crawling
node scripts/copilot-dashboard.js crawl fetch "https://example.com"

# Observability & Security
node scripts/copilot-dashboard.js observability stats
node scripts/copilot-dashboard.js security audit

# Cloudflare Edge
node scripts/copilot-dashboard.js cloudflare status

Offline Agent Router (szerver NELKUL)

node scripts/copilot-route.js "Fix TypeScript lint errors"   # → JSON: bestAgent, confidence
node scripts/copilot-route.js --domain marketing              # Domain szures
node scripts/copilot-route.js --list                          # Osszes agent

Mikor delegalj BAS agentre (vs. csinald magad)

Dontesi logika

1. node scripts/copilot-route.js "feladat" → JSON (confidence score)
2. confidence >= 0.7 → delegald: node scripts/copilot-dashboard.js agents execute <name> "<task>"
3. confidence < 0.7 → nezd meg alternativakat, vagy csinald magad
4. Fajl szerkesztes / git → NE delegald (nativ Copilot kepesseg jobb)
5. LLM generacio → hasznald a paios chat parancsot (5 provider)
6. Agent kepesseg index: config/copilot-agents.json

Hibaelharitas

BAS Teljes Kepcsseg Inventar (Deep Audit 2026-03-25)

103 befejezett track, 95+ agent, 300+ endpoint, 53 MCP tool — 2 honap intenziv fejlesztes eredmenye.

RENDSZER MERETEK

✅ ROUTE KONSZOLIDACIO

Minden route regisztrálva van a src/server/routes/index.ts-ben. Nincs többé inaktív route fájl a rendszerben.

✅ DASHBOARD PANEL INTEGRACIO

Minden Dashboard komponens elérhető és regisztrálva van a NavigationRegistry-ben.

// ... (rest of sections) ...

KULCS RENDSZER-KEPCSSGEK (103 archivalt trackbol)

Agent Framework

• Agent Architect 2.0 — Automatikus agent generalas termeszetes nyelvbol (TOML + hot-reload)
• Agent Memory Structured — SQLite memória, pattern reuse, FNV hash + vektor, 30 napos TTL
• Agent Orchestration DAG — DAG workflow engine (parhuzamos vegrehajtás, elágazas, ciklus, budget)
• MCP Tool Discovery — Dinamikus tool registry, semver, tool lancok, per-tool metrikak (latency, p95)
• Task Decomposer — Komplex feladat bontás mikro-lepesekre

Orkesztracio

• Orchestrator State Machine — LangGraph-inspiralt TS impl (IDLE→ANALYZING→ROUTING→EXECUTING→DONE)
• Phoenix Protocol — Ongyogyitas: checkpoint + auto-retry (1s→3s→10s) + git recovery
• Universal Orchestrator — Multi-provider routing + fallback chain + conversational history
• Hungarian Cognition — Magyar nyelvu optimalizacio, multi-turn, kontextus kezelés

Swarm Intelligence v2

• Colony Persistence — SQLite checkpoint auto-save
• Weighted Voting — confidence × experience × recentSuccessRate
• Negotiation Protocol — Max 3 round, >70% consensus
• Dynamic Resizing — Auto-scale 2-10 agent, queue-alapu
• Failure Recovery — Heartbeat + respawn, max 3 retry

Security & Safety

• VM Sandbox — Node.js vm izolacio resource limitekkel
• Network Policy — URL whitelist/blacklist, metadata endpoint blokk
• RBAC — 6 profil: ADMIN, DEVELOPER, RESEARCHER, EVALUATOR, ROBOTKEZ, READONLY
• Cost Tracking — Napi koltseg limit per agent tipus
• Guardrails — Confidence scoring (0.0-1.0), auto-evaluation <0.6 kueszobnel
• PII Redactor — Email, telefon, API key, password, credit card detektalas + redakcio

Observability

• OpenTelemetry — Span instrumentacio: minden agent.execute() = trace span
• Token Counting — Preciz prompt + completion token szamolas per LLM hivas
• Cost Tracking — Provider-specifikus ár × token → USD
• Fallback Tracking — Provider valtasi esemenyek naplozasa
• Dashboard TelemetryPanel — Timeline waterfall, koltseg bontás (napi/heti)

Cloudflare Ecosystem (16+ integracio)

• Workers, D1, KV, Vectorize, Durable Objects, Queues, R2, Workflows
• Analytics Engine, Browser Rendering, Hyperdrive
• Worker fleet fallback policy, token permissions
• CEAN (Cloudflare Edge Agents Network) — elosztott agent vegrehajtás az edge-en

Browser Automation

• CometBrowser — 3-layer: Planner (GPT-4o) → Actor (Playwright) → Critic (Gemini vision)
• RobotkezV2 — Playwright + LLM szelektorok, multi-tab, session persistence
• Chrome DevTools MCP — CDP, network capture, JS error detection, performance metrics
• Computer Use API — 6 endpoint (vision-click, screenshot, navigate, type, scroll, extract)

Data & AI Pipeline

• Golden Dataset Bridge — Sikeres agent futasok → D1 → fine-tuning
• Data Flywheel — Harvest→Refine→Index→Learn→Execute korforgas
• Brunella Incubator — Unsloth QLoRA fine-tuning, Ollama Modelfile
• Structured Memory — SQLite + FNV hash + vektor similarity
• LanceDB/ChromaDB — Vektor indexelés RAG lekerdezeshez

Uzleti Intelligencia (Enterprise Suite)

• 18 modul: Finance, Sales, HR, Logistics, Admin, Marketing, Legal, Procurement, Claims, Pricing
• Lead Intelligence — 550 LOC CF Worker, D1/KV/Google Sheets szinkron
• Invoice OCR — Gemini Vision dokumentum feldolgozas
• Campaign Generators — Marketing + turizmus automatizalas
• Law Detective — Jogi dokumentum elemzes
• Grant Watcher — Palyazat figyelő
• Property Visionary/Analyst — Ingatlan elemzes

Remote Layer (7 fazis kesz, 8-9 folyamatban)

• Phase 1: Foundation (REST + WebSocket)
• Phase 2: Discovery + Auth (MCP autodiscovery, token auth)
• Phase 3: Mobile (responsive + touch)
• Phase 4: Voice (Whisper ASR)
• Phase 5: Distributed Mesh (multi-node)
• Phase 6: Adaptive Swarms (onallo rajok)
• Phase 7: Collective Evolution (kollektiv tanulas)
• Phase 8-9: Planet-Scale + Superintelligence (folyamatban)

KRITIKUS FAJLOK REFERENCIA

Core:

• src/core/dagEngine.ts — DAG workflow motor
• src/core/dynamicToolRegistry.ts — Runtime tool registry
• src/core/toolComposition.ts — Tool lancok transforms-szel
• src/core/structuredMemory.ts — Pattern reuse engine
• src/core/agentStateMachine.ts — Orkesztrator allapot gep
• src/core/telemetry.ts — OpenTelemetry integracio
• src/core/sandbox/wasmSandbox.ts — VM izolacio
• src/core/sandbox/networkPolicy.ts — Halozati policy
• src/core/bifrost_gateway.ts — 4 LLM provider auto-fallback
• src/core/modelRouter.ts — Brain vs Muscle routing
• src/core/checkpoint.ts — Phoenix Protocol
• src/core/goldenDatasetBridge.ts — Fine-tuning adat gyujtes

Security:

• src/security/redactor.ts — PII felismeres + redakcio
• src/core/rbac/agentPermissions.ts — RBAC 6 profil
• src/agents/permissions.ts — Per-agent jogosultsagok

Python alrendszer:

• myai/agents/comet/ — CometBrowser (planner, actor, critic, memory, orchestrator)
• myai/mcp_server.py — FastMCP MCP szerver (stdio)
• myai/server.py — FastAPI (:8000) + Comet endpoints
• myai/browser_worker.py — Playwright browser worker
• myai/refiner_logic.py — Adat tisztitas/validacio

Dashboard:

• src/dashboard/components/dashboard/GuardrailsPanel.tsx
• src/dashboard/components/dashboard/SecurityPanel.tsx
• src/dashboard/components/dashboard/TelemetryPanel.tsx
• src/dashboard/components/dashboard/ToolDiscoveryPanel.tsx
• src/dashboard/components/dashboard/SwarmPanel.tsx

REJTETT KEPCSSGEK (12 azonositott)

1. Swarm Voting & Negotiation — Sullyozott szavazas konszenszus kuszobertekkel
2. Phoenix Protocol Checkpoints — Allapot mentest az orkesztrator helyreallitashoz
3. Golden Dataset Pattern Reuse — FNV hash + vektor minta talalat gyors ujrafelhasznalas
4. Network Policy Enforcement — Granularis URL/domain hozzaferes kontroll sandbox-ban
5. Cost Tracking per RBAC Profile — Napi koltseg limit per agent tipus
6. Tool Composition Chains — Multi-tool pipeline-ok transformokkal
7. DAG Loop & Conditional Support — Komplex elagazas a workflowkban
8. Remote Session Persistence — SQLite session store elosztott agenteknek
9. Confidence Score Thresholds — Auto-evaluation <0.6 trigger
10. Worker Fleet Fallback Policies — Edge worker automatikus failover
11. PII Redaction Audit Log — Redaktalt mezok naplozasa idopecsettel
12. Vectorize Fallback — Alternativ lekcrdezes ha vektor DB nem elerheto

TELJES AGENT KATALOGUS (54 regisztralt + TOML dinamikus)

Az alabbi tablazat a src/agents/registry.json alapjan tartalmazza az OSSZES BAS agent-et. Mindegyik meghivhato a Copilot CLI-bol az agent dispatch <feladat> paranccsal.

Core Agents (10)

Enterprise Suite (20)

Engineering & DevOps (10)

Automation & AI (8)

Specialized (6)

MCP ESZKOZ REFERENCIAK (11 rejtett tool fajl)

Ezek a src/tools/ mappa fajljai amelyek regisztralt MCP eszkozok de nem voltak dokumentalva.

PYTHON FASTAPI ENDPOINT KATALOGUS (35 endpoint — :8000)

A myai/server.py tartalmazza. Elerheto a python <sub> bridge parancson keresztul.

AKTIVALT ROUTE-OK (10 uj — 2026-03-25)

A src/server/routes/index.ts-ben regisztralt uj route-ok:

COPILOT COGNITIVE BRIDGE — 13 Intelligencia Rendszer

src/core/copilotCognitiveBridge.ts — Copilot CLI kozvetlen hozzaferes MINDEN BAS intelligencia reteghez. REST API: /api/v1/cognitive/* — CLI script: node scripts/copilot-dashboard.js cognitive <action>

Hasznalat

# Kontextus gazdagitas (MINDEN reteg egyszerre)
node scripts/copilot-dashboard.js cognitive enrich "média kampány tervezés"

# Tanulasi ciklus (feladat utan)
node scripts/copilot-dashboard.js cognitive reflect task-001 MarketingAgent true "Campaign created"

# Reteg statisztikak
node scripts/copilot-dashboard.js cognitive stats

# Egeszseg ellenorzes
node scripts/copilot-dashboard.js cognitive health

# Kozvetlen reteg lekerdezes
node scripts/copilot-dashboard.js cognitive query structured "marketing campaign"
node scripts/copilot-dashboard.js cognitive query graphrag "user authentication"

13 Osszekotott Rendszer

REST API Endpointok

Mikor hasznald

• enrich: MINDEN uj feladat elott — kontextust ad korabbi tapasztalatokbol, javasol agentet
• reflect: MINDEN feladat utan — elmenti a tanulsagot, noveli az intelligenciat
• stats: Rendszer diagnosztika — hany reteg aktiv, mennyi adat van
• query: Specifikus reteg lekerdezes — pl. "volt mar hasonlo feladat?"