读完本章，你应能说明：运行中的 CLI 怎样找到 Adapter，并让一次请求进入对应会话？

以下是阅读伪代码：简写前后步骤，标出本节入口；缩进表示阅读层次，各层实现仍在不同函数中。

generate:
    ...  # Pre-4：模型入口、会话、环境与题目准备
    HARNESS_CLS().run:  # Action 4 组织启动；Action 6 执行并等待 CLI
        # 当前 Action 7：CLI 运行期间，经 HTTP 回连 Adapter
        POST /v1/messages:
            BaseAdapter._run_turn:
                ...  # Action 7：请求接收、会话识别与入口检查
                ...  # Action 2：消息与工具定义转换
                ...  # Action 3：编码、采样与模型生成
                ...  # Action 3.5：响应、本轮轨迹与请求收尾
                return response  # CLI 可继续工具执行或下一轮请求
    ...  # CLI 结束后：收集 diff、评估与结果收尾
# Action 5：提供准备、运行与回收所用的环境能力

在任务生命周期中的位置

本章：CLI 配置 → HTTP 请求 → Adapter 入口；同时定位原图动作 1。

当前位置：动作 7：Make API Calls

返回生命周期总览 · 放大当前位置图

本章解释运行中的 CLI 怎样连接到 Slime 的模型入口：启动配置决定请求地址与会话身份，HTTP 路由把请求交给共享的 _run_turn()。 输入转换、模型生成、响应与轨迹记录分别在动作 2、3、3.5 深入。

本章阅读语境

CLI 已被启动；它在运行期间按配置发起模型请求，可重复进入这条链路。

当前主线
运行中的 CLI → Adapter HTTP 入口
本章展开
地址与凭据如何对应 HTTP 路由、请求 JSON 和会话身份；CLI 内部组装历史和执行工具属于外部程序。
读完返回
进入 _run_turn() 的输入转换，即动作 2；随后 3 和 3.5 完成本轮并响应 CLI。
本章主要源码文件与入口

1 先认清请求的两端

在这个 coding-agent 示例中，请求方是沙箱内的 Claude Code / Codex CLI，接收方是外层 generate() 准备的 Adapter 服务。Claude Code 使用 Anthropic Messages 形状，Codex 使用本版本配置的 OpenAI Chat Completions 形状。

原 CodeWiki 图里的 External Platforms (Anthropic, OpenAI, etc.) 没有对应一个独立的本地组件。在本例中，直接客户端是 CLI；Anthropic / OpenAI 表示接口协议，实际模型生成交给 Slime 的 SGLang 后端。原图动作 1 表示接收客户端请求，动作 7 标明请求来自运行中的 CLI；它们连接的是同一次请求的客户端与接收端。

2 地址与会话身份从哪里来

Harness请求地址的设置会话身份的设置配套 Adapter 路由
Claude CodeANTHROPIC_BASE_URL=ctx.adapter_urlANTHROPIC_AUTH_TOKEN=ctx.session_idPOST /v1/messages
CodexTOML provider 的 base_url=ctx.adapter_url + "/v1"；同时设置 OPENAI_BASE_URLOPENAI_API_KEY=ctx.session_idPOST /v1/chat/completions

这些设置由动作 4 Launch Agent形成，由动作 6 传给运行中的 CLI。会话 ID 已在外层 adapter.open_session() 注册，默认采样设置留在 Adapter 会话里。

Claude 分支的环境字典原样摘录自 slime/agent/harness/claude_code.py:62–67：

env = {
    "ANTHROPIC_BASE_URL": ctx.adapter_url,
    "ANTHROPIC_AUTH_TOKEN": ctx.session_id,
    "ANTHROPIC_MODEL": ctx.model_label,
    **self.static_env,
}

地址、凭据与会话的映射可以在本地源码核对；CLI 如何组织完整请求 body、维护消息历史与执行工具，由外部安装包实现。本章不会把这一段推测成 Slime 内部函数调用。

3 HTTP 路由怎样进入共享流程

Anthropic Adapter 原样注册路由（slime/agent/adapters/anthropic.py:49）：

app.router.add_post("/v1/messages", self._run_turn)

OpenAI Adapter 对应注册（slime/agent/adapters/openai.py:48）：

app.router.add_post("/v1/chat/completions", self._run_turn)

正常请求进入共享 BaseAdapter._run_turn()，先读取 JSON、预处理，并解析请求的会话身份。Anthropic 分支优先读取 Bearer 请求头，再读取 X-Api-Key；OpenAI 分支优先读取 Bearer 请求头，再读取 body 中的 metadata.session_id 或 user。

来源：anthropic.py:192–195、openai.py:287–290、adapters/common.py:318–344。外层的会话默认设置由这个 ID 关联到本次请求。

4 交给下一章的是什么

CLI 按配置发出模型请求
  → Adapter HTTP 路由
  → _run_turn() 读取 body、解析会话、检查请求门禁
  → _translate(body)                         [动作 2]
  → 编码与 SGLang 生成                       [动作 3]
  → 响应返回与本轮轨迹记录                    [3.5，含原图动作 8]
CLI 根据响应继续任务，可能再次请求

动作 7 的交接成果是：HTTP 请求已经找到处理入口，共享流程持有请求 body 与会话状态，准备开始动作 2。 将消息与工具整理成模型输入属于后续处理。

正常主路径之外，Adapter 还处理关闭会话与轮数限制等门禁；具体请求入口和特殊分支见动作 2 的补充阅读。

5 响应返回哪里，是否需要另建一个 External Platforms 阶段

Adapter 将协议响应返回当前 HTTP 请求的客户端，在本例里就是 CLI。客户端继续工作，下一次请求会再次进入 _run_turn()。这是一轮请求的返回路径，不是新启动一个外部平台任务。

原图动作 8 的响应形状与流式封装，在3.5 完成一次模型请求展开；本章只标出返回端。工具执行与 CLI 循环属于外部 CLI 的内部行为。

本章的源码边界

固定源码：8c17b676cb57af1d17ee4402e91e9209af84b60b。路径相对于 Slime 仓库根目录。本篇静态核对 Harness 的配置映射、Adapter 路由及会话识别，没有运行 CLI、发出 HTTP 请求或运行模型。

继续阅读：动作 2 Translate & Forward · 动作 3 Generate Tokens · 3.5 完成一次模型请求。