feat: support per-model Responses API protocol

babel.cfg

@@ -1,2 +1,2 @@
 [python: src/iac_code/**.py]
-keywords = translate_message CompletionEnrichmentError CompletionValidationError ToolCallProtocolError UnsafeStreamProtocolError ProviderRequestLeaseError _localizable_message_id
+keywords = translate_message CompletionEnrichmentError CompletionValidationError ToolCallProtocolError UnsafeStreamProtocolError ProviderRequestLeaseError ResponsesConfigurationError ResponsesProtocolError ResponsesContextLimitError _localizable_message_id

pyproject.toml

@@ -18,7 +18,7 @@ dependencies = [
     "rich>=13.0",
     "pyyaml>=6.0",
     "pyperclip>=1.8.0",
-    "openai>=1.50",
+    "openai>=2.31.0",
     "httpx>=0.27.0",
     "packaging>=24.0",
     "tiktoken>=0.7.0",

scripts/provider-update-guide.zh-CN.md

@@ -179,6 +179,8 @@ SDK schema、另一条 URL 或另一模型推断。UI 只展示稳定的标准
 - 增删 `ModelEntry`，保持官方 model ID 原样。
 - 每个非空 provider 最多一个 `is_default=True`。
 - 仅在当前接入路径确实支持图片输入时设置 `support_multimodal=True`。
+- 核验每个模型的 `api_mode` 和 `chat_completions_tool_efforts`，按“Responses API 与 Chat 工具调用限制”
+  一节维护协议选择与工具调用限制。
 - 检查 `base_url`、`provider_class`、`qwenpaw_provider_ids` 和 `qwenpaw_chat_model`。
 - 模型顺序通常为推荐默认、当前主力、较旧兼容模型；不要把已弃用模型放到默认位。
 
@@ -192,8 +194,8 @@ SDK schema、另一条 URL 或另一模型推断。UI 只展示稳定的标准
 6. 是否存在同 endpoint、同协议、能力足够的 fallback。
 7. 在以上条件都满足时，再参考厂商的默认/推荐模型。
 
-模型可以先进入可选目录但暂不成为默认。例如旗舰模型若只有 Responses API 才支持工具调用，而当前
-adapter 仍使用 Chat Completions，就应保留当前可工作的默认模型，并把 Responses adapter 作为独立需求。
+模型可以先进入可选目录但暂不成为默认。当前已支持按模型选择 Responses API；需要该协议的模型应
+声明 `api_mode="responses"`，再完成上述门禁。不能只加入模型 ID，仍让它进入默认 Chat 工具调用路径。
 标准百炼和 Token Plan 的目录、生命周期与 endpoint 不同，因此可以有不同默认模型。
 
 新增 provider 或全新模型前缀时，还要检查
@@ -226,13 +228,57 @@ adapter 仍使用 Chat Completions，就应保留当前可工作的默认模型
 
 特别注意：能力声明只描述“支持什么”，实际请求格式由 provider adapter 组装。
 
+### Responses API 与 Chat 工具调用限制
+
+一次模型更新要分别核验默认协议、显式切换协议后的可用性，以及思考模式与工具调用的组合：
+
+- `registry.py` 的 `ModelEntry.api_mode` 是未配置时的默认协议，默认值为 `chat_completions`。
+  根据已核验的模型能力声明 `responses`；网站说明默认选择规则，不重复列出模型名单。
+- 用户可在 `settings.yml` 的 `providers.<key>.models.<model_id>.apiMode` 设置
+  `chat_completions` 或 `responses`。默认协议不等于另一个协议也支持该模型的全部能力。
+- `ModelEntry.chat_completions_tool_efforts` 声明 Chat 工具调用允许的实际 `reasoning_effort`：
+  `None` 表示不添加此项限制，空元组 `()` 表示不允许 Chat 工具调用，`("none",)` 表示仅在关闭
+  reasoning 时允许。该声明按 provider 和精确
+  model ID 生效，不应自动复制到 Azure、兼容端点或其他 provider。
+- `openai_provider.py` 读取上述声明，并用归一化后的 effort 校验工具请求；无工具的 Chat 请求不受
+  此限制。新增或替换模型时更新声明，不要在 adapter 中再添加模型 ID 集合、代际前缀或模型名分支。
+  `thinking.py` 中的允许值和默认 effort 也必须同步，否则省略 effort 时会按错误默认值校验。
+- 使用 OpenAI 协议的 provider 可通过模型级配置显式选择 Responses。新增模型应核验服务端能力，
+  不在 adapter 中添加 provider、端点或模型白名单。`validate_responses_endpoint()` 仅检查 HTTP(S)
+  URL 格式，允许自定义网关、本地端口和新增模型；配置不会替服务端补充协议能力，也不自动降级到 Chat。
+  Anthropic/Messages 适配器不能借此切换。
+- Responses 路由复用原 provider 的 SDK 客户端初始化，保留厂商请求头、本地默认凭据和有效端点。
+  `ResponsesProvider.responses_profile` 与 `DashScopeResponsesProvider.responses_profile`
+  区分通用 OpenAI 和百炼请求规则，不以 provider key 代替 wire profile。Token Plan 和识别出的
+  百炼兼容端点使用百炼 profile；原生历史仍按 provider、模型、端点隔离。
+- 标准百炼和 Token Plan 仍默认使用 Chat，只有用户显式配置才切换。
+  [Azure OpenAI](https://learn.microsoft.com/en-us/azure/foundry/openai/api-version-lifecycle) 使用
+  `/openai/v1/` 基础地址和部署名称；[百炼 Token Plan](https://help.aliyun.com/zh/model-studio/codex)
+  的模型支持范围应按套餐独立核验。[阿里云 Coding Plan](https://help.aliyun.com/zh/model-studio/coding-plan-faq)
+  明确不支持 Responses；其他编程套餐需分别核验端点、模型和请求格式，不能直接继承此结论。
+- Responses 的 effort、输出限制、工具 schema 和输入窗口规则由 `responses_provider.py` 组装。
+  更新时核对 `_responses_effort()`、`max_output_tokens` 和 DashScope 输入窗口比例，不能直接复制
+  Chat 的 `enable_thinking`、`thinking_budget` 或 `max_completion_tokens` 请求字段。
+- [`responses_codec.py`](../src/iac_code/providers/responses_codec.py) 维护 Responses input/output 与
+  SSE 转换。只更新已有格式下的模型能力时，应更新配置；官方协议本身变化时才修改 codec/adapter。
+- 用户可见的 Responses 错误使用 `ResponsesConfigurationError`、`ResponsesProtocolError` 或
+  `ResponsesContextLimitError`，首个参数保持英文字符串字面量；`babel.cfg` 已登记这些提取关键词。
+  补齐六套 `messages.po` 并编译，保留英文 `i18n_message_id`，使 A2A 可以按调用者语言重新翻译。
+- 配置方法或支持范围变化时，同步更新网站的 `configuration/llm-providers.md` 和
+  `configuration/runtime-configuration.md`，覆盖英文及 `zh-Hans/es/fr/de/ja/pt` 六套本地化文档。
+
+至少补充默认路由、显式切换、默认/关闭/开启 effort 的 Chat 工具调用、无工具请求，以及同名模型在
+其他 provider 下不受影响的离线用例。Responses 路径还要覆盖连续工具轮次、会话恢复和协议切换后的
+历史回传。下文的日期附录记录当时状态，其中“固定 Chat”“Responses 另行实现”不代表当前实现。
+
 ### 请求协议与响应解析
 
 根据证据修改对应 adapter：
 
 | 协议变化 | 常见文件 |
 | --- | --- |
 | OpenAI `reasoning_effort`、completion token | `openai_provider.py` |
+| OpenAI / DashScope Responses 路由、请求与 SSE | `registry.py`、`manager.py`、`responses_provider.py`、`responses_codec.py` |
 | Anthropic adaptive thinking、legacy budget | `anthropic_provider.py` |
 | DashScope `enable_thinking`、budget、显式缓存 | `dashscope_provider.py` |
 | Kimi 分版本 thinking 行为 | `kimi_provider.py` |
@@ -260,7 +306,8 @@ adapter 仍使用 Chat Completions，就应保留当前可工作的默认模型
 
 | Provider/接入方式 | 典型形态 | 维护注意点 |
 | --- | --- | --- |
-| OpenAI 官方 | `reasoning_effort` | effort 枚举随模型代际变化 |
+| OpenAI 官方 Chat | `reasoning_effort` | effort 枚举与工具调用限制按模型声明 |
+| OpenAI / DashScope Responses | `input`、`reasoning.effort`、`max_output_tokens` | 按模型配置选择；工具与历史使用 Responses item 格式 |
 | Anthropic 新模型 | `thinking.type=adaptive` + `output_config.effort` | 部分模型 adaptive always-on，旧模型仍使用 `budget_tokens` |
 | DashScope 兼容端点 | `extra_body.enable_thinking`，部分模型再带 budget/effort | 托管的 Kimi/GLM 也按 DashScope 协议处理 |
 | Kimi 官方 | 新旧代际可能分别使用 `reasoning_effort`、always-on 或 `extra_body.thinking` | 必须逐模型核验 |
@@ -326,10 +373,10 @@ registry 会驱动多个入口，更新后至少检查：
 
 ### 必测内容
 
-1. registry：新增/移除模型、默认模型、多模态标记、区域/套餐差异。
+1. registry：新增/移除模型、默认模型、多模态标记、区域/套餐差异、`api_mode` 和 Chat 工具 effort 限制。
 2. thinking registry：family、effort 枚举、默认值、budget 和 fallback。
 3. adapter wire format：开启、关闭、默认、非法 effort，以及代际差异。
-4. manager：降级映射和 provider 选择。
+4. manager：降级映射、provider 选择、默认协议及模型级 `apiMode` 覆盖。
 5. UI/auth：终端和 Web 的默认模型、可选模型、effort 标准值、翻译和长列表交互是否一致。
 6. telemetry：新增模型不会被清洗为 `other`。
 7. opaque metadata：流式、非流式、会话序列化、下一轮回传和公开输出隔离。
@@ -340,13 +387,17 @@ registry 会驱动多个入口，更新后至少检查：
 tests/providers/test_provider_model_research_updates.py
 tests/providers/test_thinking_registry.py
 tests/providers/test_openai_provider.py
+tests/providers/test_responses_routing.py
+tests/providers/test_openai_responses_provider.py
+tests/providers/test_dashscope_responses_provider.py
 tests/providers/test_anthropic_provider.py
 tests/providers/test_dashscope_provider.py
 tests/providers/test_deepseek_provider.py
 tests/providers/test_manager.py
 tests/providers/test_new_providers.py
 tests/agent/test_message.py
 tests/agent/test_agent_loop_new.py
+tests/agent/test_responses_session.py
 tests/services/test_token_counter.py
 tests/services/test_context_manager.py
 tests/commands/test_auth_basics.py
@@ -415,6 +466,8 @@ git diff HEAD -- iac-code-rs
 - preview、deprecated、alias 和 dated snapshot 没有混为一谈。
 - 产品版本名、控制台显示名和实际 API model ID 没有混为一谈。
 - 同名模型在不同 provider 下的思考协议没有被错误复用。
+- 新模型的默认 `api_mode`、显式协议切换和 `chat_completions_tool_efforts` 已独立核验；adapter 中没有
+  新增模型名单判断。新增百炼 Responses 模型已核验其服务端能力，未外推到套餐或未核验端点。
 - effort 的 UI 标准值、wire alias、默认值和关闭语义已经分别验证。
 - 新模型已加入遥测白名单和必要的降级链。
 - 终端与 Web 的 model/effort 选择器均已验证，新增标签在所有 locale 中有正确翻译。

src/iac_code/agent/agent_loop.py

@@ -67,6 +67,7 @@
     TOOL_RENDER_VERBOSE_RESULT_IN_TRANSCRIPT_KEY,
     CloudResourceSelectionEvent,
     CompactionEvent,
+    ErrorEvent,
     MessageEndEvent,
     PermissionRequestEvent,
     PermissionWaitOutcome,
@@ -843,14 +844,14 @@ def _sync_tool_definitions(self, system_prompt: str | None = None):
         return tool_definitions
 
     @staticmethod
-    def _provider_message_from_api(api_message: dict[str, Any]):
+    def _provider_message_from_api(api_message: dict[str, Any], metadata: dict[str, Any] | None = None):
         from iac_code.providers.base import ContentBlock
         from iac_code.providers.base import Message as ProviderMessage
 
         role = api_message["role"]
         content = api_message["content"]
         if isinstance(content, str):
-            return ProviderMessage(role=role, content=content)
+            return ProviderMessage(role=role, content=content, metadata=dict(metadata or {}))
         if isinstance(content, list):
             blocks = []
             for block in content:
@@ -875,14 +876,14 @@ def _provider_message_from_api(api_message: dict[str, Any]):
                             ),
                         )
                     )
-            return ProviderMessage(role=role, content=blocks)
+            return ProviderMessage(role=role, content=blocks, metadata=dict(metadata or {}))
         return None
 
     def _get_provider_messages(self):
         """Convert context manager messages to provider Message format."""
         provider_messages = []
         for message in self.context_manager.get_context_messages():
-            provider_message = self._provider_message_from_api(message.to_api_format())
+            provider_message = self._provider_message_from_api(message.to_api_format(), message.metadata)
             if provider_message is not None:
                 provider_messages.append(provider_message)
         return provider_messages
@@ -901,7 +902,7 @@ def _get_provider_messages_with_telemetry(self):
         unmatched: dict[str, deque[str]] = defaultdict(deque)
         telemetry_messages: list[TelemetryInputMessage] = []
         for message in self.context_manager.get_context_messages():
-            provider_message = self._provider_message_from_api(message.to_api_format())
+            provider_message = self._provider_message_from_api(message.to_api_format(), message.metadata)
             if provider_message is not None:
                 provider_messages.append(provider_message)
             if isinstance(message.content, str):
@@ -1914,9 +1915,53 @@ async def _stream_provider(
 
     async def _stream_provider_with_execution_control(self, **kwargs: Any) -> AsyncGenerator[StreamEvent, None]:
         async with execution_activity("llm"):
-            async with aclosing(self._stream_provider(**kwargs)) as provider_stream:
-                async for event in provider_stream:
-                    yield event
+            for attempt in range(2):
+                provider = getattr(kwargs.get("lease"), "provider", None)
+                ratio = getattr(provider, "input_window_ratio", 1.0)
+                if isinstance(ratio, (int, float)) and ratio < 1.0:
+                    # Bailian can silently drop input at ~80% of its window.
+                    # Proactive compaction already ran; reject an oversized tail
+                    # rather than sending a known over-budget tool/history chain.
+                    output_limit = getattr(provider, "_max_completion_tokens", None) or 8192
+                    if self.context_manager.get_total_tokens() + output_limit > self.context_manager.context_window:
+                        self._release_request_lease(
+                            kwargs.get("request_manager") or self._provider_manager, kwargs.get("lease")
+                        )
+                        message_id = "Responses input exceeds the safe context budget after local compaction."
+                        yield ErrorEvent(
+                            error=_("Responses input exceeds the safe context budget after local compaction."),
+                            is_retryable=False,
+                            i18n_message_id=message_id,
+                        )
+                        return
+                context_error: ErrorEvent | None = None
+                async with aclosing(self._stream_provider(**kwargs)) as provider_stream:
+                    async for event in provider_stream:
+                        if isinstance(event, ErrorEvent) and event.context_limit_exceeded and attempt == 0:
+                            context_error = event
+                        else:
+                            yield event
+                if context_error is None:
+                    return
+                yield CompactionEvent(phase="started")
+                compact_event = await self._auto_compact(kwargs.get("request_manager"))
+                if compact_event is None:
+                    yield CompactionEvent(phase="failed", reason="no_result")
+                    yield context_error
+                    return
+                yield compact_event
+                lease, system, tools = self._prepare_request_lease(
+                    kwargs.get("request_manager") or self._provider_manager,
+                    base_system_prompt=kwargs["system"],
+                )
+                try:
+                    messages, telemetry = self._get_provider_messages_with_telemetry()
+                except BaseException:
+                    self._release_request_lease(kwargs.get("request_manager") or self._provider_manager, lease)
+                    raise
+                kwargs.update(
+                    lease=lease, messages=messages, system=system, tools=tools or None, telemetry_messages=telemetry
+                )
 
     async def _execute_tool_batch_with_execution_control(
         self,
@@ -1950,6 +1995,8 @@ def _prepare_request_lease(
                 effective_model = get_model_name() if callable(get_model_name) else None
             if isinstance(effective_model, str) and effective_model:
                 self.context_manager.set_model(effective_model)
+            ratio = getattr(getattr(lease, "provider", None), "input_window_ratio", 1.0)
+            self.context_manager.set_input_window_ratio(ratio if isinstance(ratio, (int, float)) else 1.0)
             self.context_manager.set_system_prompt(effective_system)
             self.context_manager.set_tool_definitions(tool_definitions)
             self._sync_tool_system_prompt(effective_system, tools=tools)
@@ -2011,7 +2058,13 @@ async def _run_streaming_inner(
 
             # Auto-compact if needed
             try:
-                needs_compaction = self.context_manager.needs_compaction()
+                provider = getattr(lease, "provider", None)
+                ratio = getattr(provider, "input_window_ratio", 1.0)
+                if isinstance(ratio, (int, float)) and ratio < 1.0:
+                    output_limit = getattr(provider, "_max_completion_tokens", None) or 8192
+                    needs_compaction = self.context_manager.needs_compaction(reserved_output_tokens=output_limit)
+                else:
+                    needs_compaction = self.context_manager.needs_compaction()
             except BaseException:
                 self._release_request_lease(request_manager, lease)
                 raise
@@ -2047,6 +2100,7 @@ async def _run_streaming_inner(
                 thinking_blocks_by_index: dict[int, dict[str, Any]] = {}
                 message_ended = False
                 turn_stop_reason = "stop"
+                turn_provider_metadata: dict[str, Any] = {}
 
                 try:
                     provider_messages, telemetry_messages = self._get_provider_messages_with_telemetry()
@@ -2132,9 +2186,11 @@ async def _run_streaming_inner(
                             pending_tool_uses_by_id.clear()
                             text_chunks.clear()
                             thinking_blocks_by_index.clear()
+                            turn_provider_metadata.clear()
                         elif isinstance(event, MessageEndEvent):
                             message_ended = True
                             turn_stop_reason = event.stop_reason
+                            turn_provider_metadata = dict(event.provider_metadata)
 
                 if not message_ended:
                     self._accepting_injected_user_messages = False
@@ -2184,15 +2240,14 @@ async def _run_streaming_inner(
                         )
                 self._accepting_injected_user_messages = bool(completed_tools) and _turn < self._max_turns - 1
 
-                if assistant_blocks:
-                    self.context_manager.add_assistant_message(assistant_blocks)
+                if assistant_blocks or turn_provider_metadata:
+                    assistant_message = self.context_manager.add_assistant_message(assistant_blocks)
+                    assistant_message.metadata.update(turn_provider_metadata)
                     if self._session_storage:
-                        from iac_code.agent.message import Message
-
                         self._session_storage.append(
                             self._cwd,
                             self._session_id,
-                            Message(role="assistant", content=assistant_blocks),
+                            assistant_message,
                             git_branch=self._current_git_branch,
                         )