让开发者与 AI 共享服务、日志、部署与审批上下文，在同一个真实环境里持续协作 —— AI 不再站在代码仓库外猜测，而是进入同一个开发现场。
AI 编程工具已经能读代码、改代码、跑命令，但代码协作只解决了「AI 知道仓库里有什么」。真正的难点是：AI 不知道你此刻正在运行什么。看不见运行态，它就会另起服务、抢占端口、制造一套影子环境。
每次对话都像从零开始，无法持续追踪一项功能的完整生命线。
本地服务、远端主机、日志、pipeline、ingress 收敛成一份本地优先的事实源，经 MCP 暴露给 AI。
AI 先观察已有服务、端口、日志和部署状态，再决定是否请求操作，避免另起一套影子环境。
写操作走 preview → approval → execute；审批 token 与 operation 指纹绑定，短期有效、一次性、不可换目标复用。
统一查看本地进程、Launchd、systemd、Docker、远程主机上的 service / deployment，支持接管与只读两种模式。
实时与历史日志、跨服务搜索、上下文查看、规则过滤、面板分栏、书签区间与折叠重复日志。诊断只给确定性证据。
DAG pipeline、模板组合、变量系统、artifact、run history 与 run log replay；systemd 部署用 release/current 结构，回滚复用同一条路径。
pipeline 管「反复投递产物」，Ingress 管「长期存在的入口状态」：声明域名、DNS、反向代理、HTTPS 与证书托管。
跨服务的实时与历史日志、关键词过滤、上下文查看与错误/警告计数。同一段日志你和 AI 看到的是同一份——诊断只给确定性证据，根因留给 AI 明确推理。
MCP 不绕过 agent 直接读写配置、SQLite、进程或远程机器；安全门禁在 agent 层强制执行，而不是只靠提示词约束 AI。桌面端（Tauri + Vue）与 MCP 共用同一个 agent，看到的是同一份运行态。