TiXL 编辑器参考索引的核心数据源：ui-topics.md UI Topic Registry 全解析
2026/9/19 10:37:44
🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度
1. 任务目标与产物：让 OpenHands 在仓库级完成依赖修复
本文要做的不是“跑一个 demo”，而是让 OpenHands 在一个 Python 编写的 MCP Server 小仓库里，完成一次跨文件、跨层级的仓库级修复：同时改动依赖声明、入口文件和测试目录，最终让测试全绿，并记录三个可复现指标——首次通过率、往返轮数、整轮 Token 支出。
这个任务之所以适合用 Agent 来做，是因为它天然包含“读仓库 → 定位依赖冲突 → 改入口 → 改测试 → 跑测试 → 根据报错回改”的闭环。单靠一次补全很难完成，必须让 Agent 在工具调用中反复观察真实报错。
TaoToken 在这里的角色是默认供应商：你在 TaoToken 官网 创建 Key，把https://taotoken.net/api写进 OpenHands 的模型配置，模型设为 Kimi K2.7 Code，之后整轮任务都由这把 Key 供量。本文会给出可复制的配置片段、完整命令序列，以及每轮工具调用与 Token 支出的日志表。
需要先说明：本文不含排行分数，也不把 TaoToken 当作被评测对象；所有模型 ID、价格与可用性以 TaoToken 官网 与 接入文档 为准。
2. 环境准备与 OpenHands 操作步骤
2.1 仓库结构假设
我们用一个最小但完整的三层结构来复现：
mcp-server-demo/ ├── pyproject.toml # 依赖声明层 ├── src/ │ └── mcp_server/ │ └── main.py # 入口文件层 └── tests/ └── test_tools.py # 测试目录层初始状态故意制造两个问题：pyproject.toml里依赖版本与入口文件实际 import 不匹配；tests/test_tools.py里断言的是旧接口签名。这样 Agent 必须同时改三处才能全绿。
2.2 安装 OpenHands 与启动
# 建议在独立虚拟环境中操作 python -m venv .venv source .venv/bin/activate # 安装 OpenHands（以官方当前发布方式为准） pip install openhands-ai # 进入仓库 cd mcp-server-demo # 启动 OpenHands，指定工作目录为当前仓库 openhands --workspace ./如果你使用容器化运行，也可以按 OpenHands 官方文档用 Docker 启动，把仓库挂载进容器。关键点是：Agent 的工作目录必须是仓库根目录，否则它无法同时看到pyproject.toml、src/和tests/。
2.3 让 Agent 执行任务
在 OpenHands 的会话里输入任务描述，建议写得具体、可验证：
请在这个仓库内完成以下修复： 1. 检查 pyproject.toml 中的依赖声明，与 src/mcp_server/main.py 的实际 import 对齐； 2. 修正入口文件中因依赖版本变化导致的 API 调用错误； 3. 更新 tests/test_tools.py 中的断言，使其匹配修正后的接口； 4. 运行 pytest，直到全部测试通过； 5. 每完成一轮工具调用，输出本轮改动的文件和测试结果。这里不要写“随便修一下”，否则 Agent 容易只改一处就宣布完成。仓库级任务的关键是把验收条件写死：测试全绿才算完成。
2.4 记录三个指标
在 OpenHands 运行过程中，你需要手动或通过日志记录：
| 指标 | 定义 | 记录方式 |
|---|---|---|
| 首次通过率 | 第一次运行 pytest 时通过的用例数 / 总用例数 | 从第一轮工具调用日志读取 |
| 往返轮数 | Agent 从开始到测试全绿之间的工具调用轮次 | 统计 shell / edit 调用次数 |
| 整轮 Token 支出 | 该任务消耗的 input + output token 总量 | 从 TaoToken 控制台或响应 usage 字段读取 |
这三个指标不依赖任何排行榜，只依赖你自己的仓库和日志，因此可复现。
3. TaoToken 接入与 OpenHands 配置
3.1 创建 Key 与确认 API 地址
先在 TaoToken 官网 注册并创建 API Key。创建入口在 API Keys 页面。API 基地址使用：
https://taotoken.net/api注意：API 地址不带 UTM 参数，配置时直接写上面这个。
3.2 OpenHands 模型配置
OpenHands 的模型配置通常通过环境变量或配置文件注入。以环境变量方式为例：
export OPENHANDS_LLM_PROVIDER="openai" export OPENHANDS_LLM_MODEL="Kimi K2.7 Code" export OPENHANDS_LLM_API_KEY="YOUR_TAOTOKEN_API_KEY" export OPENHANDS_LLM_BASE_URL="https://taotoken.net/api"如果你的 OpenHands 版本使用config.toml，则写成：
[llm] provider = "openai" model = "Kimi K2.7 Code" api_key = "YOUR_TAOTOKEN_API_KEY" base_url = "https://taotoken.net/api"模型 ID 请以 TaoToken 模型对话页 当前展示为准。本文示例统一使用 Kimi K2.7 Code，因为它在代码修复类任务上对工具调用的跟随较稳。
3.3 如果你同时用 Claude Code 或 Codex
有些读者会在同一台机器上混用多个 Agent 工具。此时注意配置隔离：
- Claude Code：在
settings.json中配置ANTHROPIC_BASE_URL与ANTHROPIC_API_KEY，指向 TaoToken 的兼容端点； - Codex：在
config.toml中配置对应的 provider 与 base_url； - CC Switch：用三件套（provider / api_key / base_url）做切换，避免不同工具互相覆盖环境变量。
具体字段以 TaoToken 接入文档 为准。如果你在排障时遇到 401/404，优先检查 base_url 是否漏了/api或 Key 是否复制完整。
3.4 验证连通性
在正式跑任务前，先用一条最小请求确认 Key 可用：
curl -s https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer YOUR_TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "Kimi K2.7 Code", "messages": [{"role": "user", "content": "ping"}] }'返回正常即说明 OpenHands 侧配置大概率也能通。
4. 可验证结果与失败分支
4.1 一轮典型日志表
下面是一次可复现运行的日志结构（数值为示例，实际以你本地为准）：
| 轮次 | 工具调用 | 改动文件 | pytest 结果 | 本轮 Token |
|---|---|---|---|---|
| 1 | shell: pytest | 无 | 2 passed / 5 failed | 1,240 |
| 2 | edit: pyproject.toml | 依赖声明 | 未跑 | 980 |
| 3 | edit: main.py | 入口文件 | 未跑 | 1,150 |
| 4 | shell: pytest | 无 | 4 passed / 3 failed | 1,320 |
| 5 | edit: test_tools.py | 测试断言 | 未跑 | 1,010 |
| 6 | shell: pytest | 无 | 7 passed / 0 failed | 1,460 |
据此可算出：
- 首次通过率：2 / 7 ≈ 28.6%
- 往返轮数：6 轮
- 整轮 Token 支出：约 7,160（示例值）
4.2 失败分支
如果 Agent 卡住，常见分支有三类：
- 依赖装不上：
pyproject.toml改完后没有重新安装，导致 import 仍失败。解决：在任务描述里要求 Agent 每改依赖后执行pip install -e .。 - 测试断言改错方向：Agent 为了让测试通过而删断言。解决：在任务里明确“不得删除测试用例，只能修正断言以匹配正确接口”。
- Token 超限或 Key 失效：表现为请求中断。解决：到 TaoToken 控制台 检查额度与 Key 状态。
4.3 复现命令序列
# 1. 准备仓库 git clone <your-mcp-server-repo> cd mcp-server-demo # 2. 配置 TaoToken export OPENHANDS_LLM_BASE_URL="https://taotoken.net/api" export OPENHANDS_LLM_API_KEY="YOUR_TAOTOKEN_API_KEY" export OPENHANDS_LLM_MODEL="Kimi K2.7 Code" # 3. 启动 OpenHands openhands --workspace ./ # 4. 在会话中粘贴第 2.3 节的任务描述 # 5. 任务结束后本地复核 pytest -q5. 限制、成本与模型选择
5.1 限制
- OpenHands 的版本差异会影响配置字段名，本文以环境变量与
config.toml两种常见方式为例，具体以你安装版本的文档为准。 - 仓库级任务的 Token 支出与仓库大小、测试数量强相关，本文的日志表是结构示例，不是固定基准。
- 本文不含排行分数，也不引用任何未标注来源的评测数字。如果你需要看公开榜单，请自行核对榜单名称、日期与页面来源。
5.2 成本
整轮 Token 支出取决于模型单价与轮数。TaoToken 的计费以 TaoToken 官网 展示为准；注意第三方榜单上的标价不等于 TaoToken 售价。控制成本的实用做法：
- 把任务描述写清楚，减少 Agent 无效探索；
- 先跑小测试集，再跑全量；
- 在 TaoToken 控制台 设置额度提醒。
5.3 模型选择
代码修复类任务优先选工具调用稳定的模型。本文用 Kimi K2.7 Code 作为示例，是因为它在“读文件 → 改文件 → 跑命令 → 看报错”这个循环里跟随性较好。你也可以在 TaoToken 模型对话页 对比其他模型，按任务类型切换。
如果你打算长期做 Agent 开发，可以关注 Coding Plan；如果只是接入与排障，先看 API Keys 和 接入文档 即可。
最后提醒：本文的指标来自本地可复现日志，不是公开榜单成绩；模型可用性与价格请以 TaoToken 官网实时信息为准。
🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度