feat: Agent 运行时、对话 API、作业助手与引擎修复及前端执行超时

- agent_runtime 模块与 agent_chat API，前端 AgentChat 视图与路由对接
- workflow_engine: code 节点命名空间与 json 引用修复
- llm_service: 工具调用 extra_body（如 DeepSeek）
- create_homework_manager_agent / _3 脚本与测试脚本扩展
- frontend: WORKFLOW_EXECUTION_HTTP_TIMEOUT_MS、AgentChatPreview/MainLayout 等
- 文档：架构说明与自主 Agent 改造完成情况

Made-with: Cursor

backend/app/agent_runtime/workflow_integration.py

@@ -0,0 +1,115 @@
+"""
+Agent Runtime ⇄ WorkflowEngine 桥接。
+
+让 workflow_engine.execute_node() 通过寥寥几行调用 Agent Runtime。
+"""
+from __future__ import annotations
+
+import logging
+from typing import Any, Dict, Optional
+
+from app.agent_runtime.core import AgentRuntime
+from app.agent_runtime.schemas import (
+    AgentConfig,
+    AgentLLMConfig,
+    AgentToolConfig,
+)
+
+logger = logging.getLogger(__name__)
+
+
+async def run_agent_node(
+    node_data: Dict[str, Any],
+    input_data: Dict[str, Any],
+    execution_logger: Optional[Any] = None,
+    user_id: Optional[str] = None,
+    on_tool_executed: Optional[Any] = None,
+) -> Dict[str, Any]:
+    """
+    在工作流中执行 Agent 节点。
+
+    node_data 支持的字段：
+        system_prompt  — Agent 人格/指令（支持 {{variable}} 模板）
+        tools          — 可选工具白名单，默认全部
+        exclude_tools  — 可选工具黑名单
+        model          — 模型名称
+        provider       — 提供商（openai/deepseek）
+        temperature    — 温度
+        max_iterations — ReAct 最大步数
+        memory         — 是否启用长期记忆
+
+    input_data 中的 "query" 或 "input" 字段作为用户输入。
+    """
+    # 1. 解析配置
+    query = (
+        input_data.get("query")
+        or input_data.get("input")
+        or input_data.get("text", "")
+    )
+    if not isinstance(query, str):
+        query = str(query) if query else ""
+
+    if not query:
+        return {"output": "错误：Agent 节点未收到用户输入", "status": "error"}
+
+    # 2. 解析 system_prompt（支持模板变量）
+    raw_prompt = node_data.get("system_prompt", "你是一个有用的AI助手。")
+    try:
+        formatted_prompt = raw_prompt.format(**input_data)
+    except (KeyError, ValueError):
+        formatted_prompt = raw_prompt
+
+    # 3. 构建 Agent 配置
+    llm_config = AgentLLMConfig(
+        provider=node_data.get("provider", "openai"),
+        model=node_data.get("model", "gpt-4o-mini"),
+        temperature=float(node_data.get("temperature", 0.7)),
+        max_iterations=int(node_data.get("max_iterations", 10)),
+    )
+    # 允许节点内联 api_key/base_url
+    if node_data.get("api_key"):
+        llm_config.api_key = node_data["api_key"]
+    if node_data.get("base_url"):
+        llm_config.base_url = node_data["base_url"]
+
+    agent_config = AgentConfig(
+        name=node_data.get("label", "agent_node"),
+        system_prompt=formatted_prompt,
+        llm=llm_config,
+        tools=AgentToolConfig(
+            include_tools=node_data.get("tools", []),
+            exclude_tools=node_data.get("exclude_tools", []),
+        ),
+        memory={
+            "enabled": node_data.get("memory", True),
+            "persist_to_db": node_data.get("memory", True),
+        },
+        user_id=user_id,
+    )
+
+    # 4. 执行 Agent
+    runtime = AgentRuntime(
+        config=agent_config,
+        execution_logger=execution_logger,
+        on_tool_executed=on_tool_executed,
+    )
+
+    result = await runtime.run(query)
+
+    # 5. 返回结果（兼容工作流引擎的输出格式）
+    if result.success:
+        return {
+            "output": result.content,
+            "status": "success",
+            "agent_meta": {
+                "iterations": result.iterations_used,
+                "tool_calls": result.tool_calls_made,
+                "truncated": result.truncated,
+            },
+        }
+    else:
+        return {
+            "output": result.content,
+            "status": "error",
+            "error": result.error,
+        }