LangBot/docs/multi-tenant/cloud-v2-pending-verification.md

Cloud v2 仍待验证事项

状态：NOT APPROVED FOR SAAS ACTIVATION

更新日期：2026-07-29

本文是 Cloud v2 首期上线前的剩余验证清单。它只记录尚不能由当前代码审查、 单元测试、集成测试、合成容量探针或短时 Linux 容器实验替代的证据。

相关文档：

• 多租户架构决策
• 实现决策记录
• Runtime 资源安全审查
• 24 小时资源 Soak 门禁

1. 当前已形成的交付基线

• LangBot Core 全量 2811 passed, 33 skipped，Plugin SDK 全量 1317 passed；两仓 Ruff、git diff --check 已通过。
• Plugin Runtime 和 Box Runtime 的公开健康接口、event-loop lag 与有界 blocking executor 指标已经过真实进程短时验证。
• 仓库 Dockerfile 构建的 Linux/cgroup v2 短时探针已证明 CPU、memory、 swap 和 PID 限制代码路径可工作。
• PostgreSQL 16 + RLS 的 1,000 Workspace 真实启动测试，以及 5,000 Workspace 三代替换合成探针已通过。
• Core 已精确钉住 Plugin SDK 提交 c7893f8f94e83cb09ebcc98e25490fa699b0fb69。最终验证必须使用包含该提交的 Core、Plugin Runtime 和 Box Runtime 镜像，不能混用旧 SDK。
• 独立资源复核已经移除 Cloud MCP 每会话 5 秒查询执行绑定的轮询，改由签名目录 投影提交后向一个合并回收任务发布代次变化；工具与资源调用前后仍使用数据库 execution fence。Plugin restart 冷却等待者、MCP 投影回收、消息聚合 buffer/scope 均已纳入健康快照和 soak 归零门禁。

以上结果是进入生产候选验证的前提，不是 SaaS 上线批准。

2. 尚有实现前置条件的阻断项

以下项目不是“再跑一次测试”即可关闭。必须先完成实现，再执行对应验收。

编号	阻断项	完成实现后的最低验收证据
B-01	Cloud 插件缺少生产 egress policy	证明插件只能访问允许的公网目标，不能访问 Core/Box/数据库、其他内部服务、loopback、link-local 或云 metadata endpoint
B-02	Plugin installation 与 Box Workspace/Skill/root/tmp/home 缺少真实的 byte 和 inode 硬配额 provider	在写入边界原子拒绝超额；并发写入、重启和配额耗尽后不能越界，也不能用目录扫描或事后清理冒充硬配额
B-03	普通业务写入尚未具备贯穿 commit 的 generation-aware fence、同事务 business outbox，以及 generation cutover 后稳定的 durable-object 引用	在旧 generation 与新 generation 并发、事务提交竞态和重复投递下，旧 owner 不产生业务写入或外部副作用，outbox 可幂等恢复

任一 B 类项目未关闭时，不得把 24 小时 soak 的通过结果解释为可以上线。

3. 最终部署环境验证

V-01：Plugin Runtime 与 Box 的 Linux 隔离

必须在最终 Cloud Pod security context、容器 runtime 和 cgroup 拓扑中验证， 不能使用开发机或权限不同的一次性容器替代。

验证内容：

1. nsjail 可以建立 mount、PID、IPC、UTS namespace 和 private /proc。
2. delegated cgroup v2 对每个插件进程和 sandbox 强制 CPU、memory、 memory.swap.max=0 和 PID 上限。
3. open files、process 和单文件大小 rlimit 生效。
4. 插件不能枚举、读取或 signal Runtime 及其他 installation 的进程， 不能读取其他 installation 的 home/tmp/data，也不能修改共享只读 artifact/environment。
5. 超额只杀死或拒绝当前 installation/sandbox；Runtime、其他租户和健康接口 继续工作。
6. 进程退出、取消、超时、generation 切换和 Pod SIGTERM 后，cgroup、nsjail 目录、子进程和文件描述符均被回收。
7. 硬限制或 namespace 能力缺失时 readiness 失败关闭，不允许降级成普通进程。

通过证据必须包含实际容器安全配置、cgroup 文件值、探针原始输出和失败注入结果。

V-02：Box 持久卷与硬存储配额

在 B-02 的 quota provider 实现后，必须验证：

1. Core 与 Box Runtime 通过随机 marker challenge 证明使用同一共享持久卷。
2. Workspace、Skill store、ephemeral root/tmp/home 的 byte 和 inode quota 都在写入点生效。
3. 并发写、压缩包展开、文件同步、重启恢复和删除重建不能绕过配额。
4. 配额耗尽只影响目标 Workspace，其他 Workspace 仍能执行。
5. 任一硬存储能力缺失时 /readyz 返回非 2xx，Pod 不进入就绪流量。

V-03：PostgreSQL 与 pgvector 生产边界

必须在最终 PostgreSQL endpoint、凭据和网络策略下验证：

1. migrator 与 runtime 使用不同 role；runtime role 无 superuser、 BYPASSRLS、DDL、对象所有权、role membership 或额外 schema 权限。
2. runtime credential 只能连接目标 business database。需要专用 cluster/endpoint，或经过测试的 HBA/proxy policy；database 内 catalog audit 本身不能证明这一点。
3. release migration Job 的 advisory lock、失败重试、回滚和精确 Alembic head 校验有效；应用启动角色不能执行 migration 或其他 DDL。
4. 若使用 PgBouncer，transaction pooling、异常回滚和连接复用不会残留 tenant context。
5. 故意遗漏应用层 Workspace filter 时，RLS 仍阻止跨租户读写。
6. 两个 Workspace 使用相同 vector_id、猜测其他 Workspace ID、后台任务和 连接复用时，pgvector CRUD 均不能越权。
7. dimension mismatch、extension/schema/ACL drift 或 runtime audit 失败时， Core 启动失败且不回退到其他向量后端。

V-04：最终镜像和配置一致性

生产候选验证前必须固定：

• Core、Plugin Runtime、Box Runtime 的不可变镜像 digest；
• LangBot 与 SDK commit；
• data/config.yaml 的非敏感摘要和所有环境变量覆写；
• PostgreSQL migration revision；
• Cloud Adapter、Space control plane 和 workload 的版本。

滚动更新、节点迁移、配置变化或任一镜像 digest 变化后，旧验证报告失效。

4. 多租户行为与故障注入

V-05：目录、entitlement 与 generation

在真实 Space control plane、闭源 Cloud Adapter 和 Core 之间验证：

1. 注册自动创建个人 Workspace、owner membership、Free subscription、 entitlement snapshot 和 outbox 事件，且重试不重复创建。
2. 邀请、成员变更、套餐变更和 Workspace 撤销只影响目标 Workspace。
3. 全量快照与增量事件覆盖乱序、重复、断点续传、缺页、签名错误、 high-water gap、snapshot coverage 和消费者重启。
4. Core、Plugin Runtime 或 Box 重启后，权威 desired state 可恢复； 本地进程表和缓存不是唯一真相。
5. generation/revision 切换期间，旧 callback、RPC、WebSocket、Box relay、 plugin worker 和缓存写入全部失败关闭。
6. 为未来多副本预留的 replica-local cursor 语义通过故障注入： 一个副本追平不能使另一个副本跳过本地 cache 刷新。
7. 同时使大量 plugin worker 因系统性故障退出，证明 restart launch 全局并发受限、 失败阈值触发 Runtime circuit、冷却后只有一个 half-open probe，且 probe 未稳定前 其他 installation 不会继续重启；冷却计时器/状态等待者数量不得超过全局 restart 并发，取消 probe 不得把 circuit 永久卡在 half-open；24 小时门禁必须把 circuit 打开或 gate_waiters 未归零判为失败。
8. 使用大量空闲 remote MCP session 做 generation 切换，证明目录投影只创建一个 合并回收任务，不产生每 session 周期数据库查询、计时器或同时唤醒；旧 session 最终关闭，mcp_projection_retirements 和 mcp_projection_reconcile_active 在冷却期归零。

V-06：套餐、Box 与 stdio MCP

1. Free/非 Pro Workspace 不会自动获得 managed sandbox。
2. 合资格 Workspace 最多只有一个持久 global sandbox，且新增 Workspace 不创建专属 Runtime、Pod、PVC、database、schema、role 或连接池。
3. Cloud 即使 box.enabled=true，也不能 create/update/test/start stdio MCP； 旧记录和直接 API 调用同样失败关闭，且不创建 mcp-shared session。
4. OSS 默认仍是单 Workspace、多用户，stdio MCP 保持兼容，多租户能力不会被 未签名配置或普通环境变量开启。

V-07：跨租户安全回归

至少使用两个恶意测试 Workspace 验证：

• 同 digest 插件只共享只读代码和依赖；进程、secret、日志及所有可写目录隔离。
• 同 author/name/version 但 digest 不同的 artifact 不共享目录。
• Plugin Host API、Box RPC、对象 key、WebSocket、RAG、storage、model/session cache 和平台回调不能接受调用方伪造的 Workspace scope。
• 撤销 entitlement、删除 installation 或 generation 切换后，已有长连接和 in-flight 请求不能继续访问旧权限。

5. 生产候选容量与 24 小时门禁

V-08：真实容量曲线

现有 fake adapter/requester/Plugin handler 探针不能替代真实容量数据。必须使用 计划上线的平台 SDK、外部 HTTP/WebSocket 连接池、真实插件进程、真实 PostgreSQL/pgvector 和代表性 Workspace 配置分布，测量：

• 空 Workspace、活跃 Workspace、每个启用插件和每个 Pro sandbox 的边际 RSS、线程、文件描述符、连接和 PostgreSQL pool 成本；
• 启动、目录重放、批量 reconcile 和故障恢复的耗时与峰值；
• remote MCP 数量增加及目录 generation 批量切换时的数据库 QPS、回收队列和 event-loop lag，确认不存在与 session 数量成比例的空闲轮询；
• 单实例可批准的 Workspace、活跃 Bot、plugin worker 和 sandbox 上限。

容量上限必须写入生产配置与告警，不能只保留在测试报告中。

V-09：24 小时资源 soak

使用 标准 24 小时命令，并强制 --require-hard-limits。工作负载至少覆盖：

1. 注册、邀请、登录和 entitlement 刷新；
2. plugin reconcile、依赖准备、调用、崩溃与重启；
3. Dashboard/Embed/平台 WebSocket 建连、突发消息和断连；HTTP Bot 覆盖 高基数 session/idempotency、硬容量拒绝、空闲回收及 callback 堵塞； remote MCP 覆盖大量空闲连接、批量 generation 切换和合并回收；
4. Box session、文件同步、并发 exec、输出与清理；
5. PostgreSQL pool 接近容量、事务超时和恢复；
6. Core、Plugin Runtime、Box 分别 SIGTERM 和恢复。

最后至少保留 30 分钟无测试流量冷却。任一健康失败、OOM/memory pressure、 PID limit、blocking executor rejection、超阈值 CPU throttling/event-loop lag、 冷却尾段内存持续增长，或 Plugin restart gate_waiters、MCP 投影回收、 消息聚合 buffer/scope 等临时 gauge 不回落都判为失败。

必须归档：

• 原始 cloud-soak-samples.jsonl；
• 最终 cloud-soak-report.json；
• 三个镜像 digest、Core/SDK commit；
• 生产配置摘要、数据库 migration revision 和 workload 版本；
• 故障注入时间线及关联日志/trace。

6. 本轮不作为验收条件的后续事项

以下能力已明确暂缓，不能混入当前验证结果，也不能以“尚未验证”为理由临时发明方案：

• Workspace export、释放、delete、单 Workspace restore 和在线迁移；
• Workspace 级 BYOK E2B WebUI 配置；
• 多 Core/Plugin Runtime/Box replica 的 lease store 与调度实现；
• PostgreSQL 多 shard、dedicated shard 和跨地域部署；
• 多 CloudInstance、Cell Router 或 Workspace Placement。

这些事项需要后续单独决策。首期实现仍需保留稳定 UUID、generation fence、 幂等事件和无副本地址泄漏的协议边界。

7. 关闭规则

每个 B/V 项只能通过以下方式关闭：

1. 记录被测 commit、镜像 digest、配置摘要和环境拓扑；
2. 保存可复现命令、原始输出和失败注入证据；
3. 由报告明确给出 pass/fail，不能只依赖日志中“看起来正常”；
4. 任一生产候选输入变化后，重跑受影响的验证。

在 B-01 至 B-03 全部实现，且 V-01 至 V-09 均有当前生产候选版本的通过证据前， Cloud v2 状态保持 NOT APPROVED FOR SAAS ACTIVATION。