CLI 参考手册

jamjet CLI 是管理项目、运行工作流和检查执行过程的主要接口。

安装

pip install jamjet
jamjet --version

# JamJet CLI 0.1.0

全局标志

标志	说明
`--runtime URL`	运行时 URL(默认:`http://localhost:7700`)
`--api-key KEY`	托管运行时的 API 密钥
`--output json`	以 JSON 格式输出(用于脚本)
`-v, --verbose`	详细输出

`jamjet init`

搭建新项目或将 JamJet 添加到现有项目。


# 在新目录中创建新项目

jamjet init my-agent
cd my-agent

# 添加到当前目录(类似 git init)

jamjet init

创建:

workflow.yaml — 入门工作流模板
jamjet.toml — 项目配置
README.md — 项目说明文档

`jamjet dev`

启动本地开发运行时。

jamjet dev

▶ JamJet Dev Runtime
  Port:  7700
  Mode:  local (SQLite)
  API:   http://localhost:7700

按 Ctrl+C 停止。

标志	说明
`--port N`	在端口 N 上监听(默认:7700)
`--db PATH`	SQLite 文件路径(默认:`.jamjet/dev.db`)
`--with-mcp-server`	同时启动 MCP 服务器
`--with-a2a-server`	同时启动 A2A 代理服务器
`--reload`	工作流文件变更时自动重载

`jamjet validate`

验证工作流文件,不运行它。

jamjet validate workflow.yaml

有效。workflow_id=hello-agent version=0.1.0
  节点:4  边:3

`jamjet run`

提交工作流执行并等待结果。

jamjet run workflow.yaml --input '{"query": "What is JamJet?"}'

✓ 执行已启动:exec_01JM4X8NKWP2
  状态:运行中
✓ node_completed   think   claude-haiku  512ms
✓ 执行已完成。

标志	说明
`--input JSON`	初始状态,JSON 格式
`--input-file PATH`	从 JSON 文件读取初始状态
`--stream`	实时流式传输事件
`--wait / --no-wait`	等待完成(默认:等待)
`--timeout N`	超时时间(秒)(默认:300)

使用 --stream:

jamjet run workflow.yaml --input '{"query": "Explain event sourcing"}' --stream

✓ exec_01JM5Y9... 已启动
 → node_started    think
✓ node_completed   think   claude-haiku  489ms  (64→312 tokens)
✓ 流式传输完成

`jamjet inspect`

查看执行的完整状态和事件时间线。

jamjet inspect exec_01JM4X8NKWP2

执行：exec_01JM4X8NKWP2
  工作流：hello-agent v0.1.0
  状态：  已完成
  耗时：  512ms

状态：
  query:  "什么是 JamJet？"
  answer: "JamJet 是一个原生智能体运行时..."

事件：
  09:31:00.001  execution_started
  09:31:00.012  node_started      think
  09:31:00.524  node_completed    think    claude-haiku（64 输入 / 312 输出 tokens）
  09:31:00.525  execution_completed

Token 用量：
  输入：  64
  输出：  312
  成本：  约 $0.00012

`jamjet ls`

列出最近的执行记录。

jamjet ls

ID                        工作流          状态        耗时      开始时间
exec_01JM5Y9NKWP3        research-agent   已完成      2.1s      2分钟前
exec_01JM4X8NKWP2        hello-agent      已完成      512ms     5分钟前
exec_01JM3W7MKVM1        research-agent   失败        8.3s      12分钟前

标志	说明
`--workflow ID`	按工作流 ID 筛选
`--status STATUS`	按状态筛选（running、completed、failed）
`--limit N`	显示 N 条结果（默认：20）

`jamjet resume`

恢复等待中或失败的执行。


# 恢复等待中的执行（例如，在人工批准后）

jamjet resume exec_01JM4X8NKWP2 --event human_approved --data '{"approved": true}'

# 从最后检查点重试失败的执行

jamjet resume exec_01JM3W7MKVM1 --retry

`jamjet cancel`

取消正在运行的执行。

jamjet cancel exec_01JM4X8NKWP2

`jamjet tools`

检查和测试 MCP 工具服务器。


# 列出所有可用工具

jamjet tools list

# 直接调用工具（用于测试）

jamjet tools call brave-search web_search --args '{"query": "JamJet"}'

## `jamjet agents`

检查 A2A 智能体卡片。

```bash

# 检查远程智能体

jamjet agents inspect https://agents.example.com/research-agent

# 列出本地暴露的智能体

jamjet agents list

`jamjet eval run`

对工作流运行评估数据集。

jamjet eval run dataset.jsonl \
  --workflow workflow.yaml \
  --rubric "Is the answer accurate and complete?" \
  --min-score 4 \
  --assert "len(output.answer) > 0" \
  --fail-below 0.9

Running 50 eval rows... ████████████████████ 50/50

┌─────────┬────────────┬───────┬──────────┬────────────────────┐
│ Row     │ Status     │ Score │ Latency  │ Note               │
├─────────┼────────────┼───────┼──────────┼────────────────────┤
│ row_001 │ ✓ passed   │ 4.8   │  512ms   │                    │
│ row_002 │ ✗ failed   │ 2.1   │  891ms   │ Answer too vague   │
│ ...     │ ...        │ ...   │ ...      │ ...                │
└─────────┴────────────┴───────┴──────────┴────────────────────┘

Results: 47/50 passed (94.0%) — above threshold 90.0% ✓

选项	说明
`--workflow PATH`	要运行的工作流文件
`--rubric TEXT`	LLM 评判标准
`--model MODEL`	LLM 评判使用的模型(默认:claude-haiku-4-5-20251001)
`--min-score N`	最低分数 1–5(默认:4)
`--assert EXPR`	Python 断言(可重复)
`--latency-ms N`	最大延迟阈值
`--cost-usd N`	每行最大成本
`--concurrency N`	并行行数(默认:5)
`--fail-below N`	通过率低于 N 时退出码为 1(默认:1.0)
`--output PATH`	将结果 JSON 写入文件

CLI 参考

On this page