131 lines
6.0 KiB
Markdown
131 lines
6.0 KiB
Markdown
# Zielarchitektur des neuen KI-Hosts
|
||
|
||
## Grundsatz
|
||
|
||
Der Host läuft auf Debian 13. Das Betriebssystem darf im Universitätsnetz
|
||
administrierbar bleiben; die KI-Plattform wird ausschließlich an die
|
||
WireGuard-Adresse gebunden. KI-Container erreichen Heimnetz und Internet über
|
||
den Heim-WireGuard-Peer. Bei Tunnelausfall verhindert eine Blackhole-Route den
|
||
unbeabsichtigten Rückfall auf das Universitätsgateway.
|
||
|
||
```text
|
||
Heimnetz / VPN-Clients
|
||
|
|
||
WireGuard
|
||
|
|
||
10.77.0.2:8080 Open WebUI
|
||
10.77.0.2:8081 Profile Router API
|
||
|
|
||
Docker-intern
|
||
+-- Profile Controller -- Docker Socket (feste Allowlist)
|
||
+-- llama-fast --\
|
||
+-- llama-medium > exakt einer aktiv
|
||
+-- llama-long --/
|
||
+-- llama-experimental
|
||
+-- SearXNG + Web-MCP
|
||
```
|
||
|
||
## Container und Vertrauensgrenzen
|
||
|
||
| Komponente | Außen erreichbar | Aufgabe |
|
||
|---|---|---|
|
||
| Open WebUI | nur WireGuard, Port 8080 | Chat-Oberfläche |
|
||
| Profile Router | nur WireGuard, Port 8081 | OpenAI-API und Profilwahl |
|
||
| Profile Controller | nein | startet ausschließlich vier bekannte Profile |
|
||
| llama.cpp Profile | nein | Inferenz, Tool Calling, integrierte Vision |
|
||
| SearXNG | nein | Websuche für den lokalen Web-MCP |
|
||
|
||
Nur der Profile Controller erhält den Docker-Socket. Der Router erhält weder
|
||
Socket noch Shell-Zugriff und kann dem Controller nur `fast`, `medium`, `long`
|
||
oder `experimental` übergeben. Die llama-Container laufen ohne UI,
|
||
Capabilities und Schreibzugriff auf die Modelldateien.
|
||
|
||
## Profilprinzip
|
||
|
||
Alle Profile verwenden dasselbe selbst gebaute llama.cpp-Image. Separate,
|
||
normalerweise gestoppte Containerdefinitionen halten Parameter wie Kontext,
|
||
MTP und CPU-Offload reproduzierbar. Ein Wechsel stoppt das alte Profil und
|
||
startet genau einen bereits angelegten Container. Dadurch lassen sich Profile
|
||
einzeln verändern oder duplizieren, ohne vier Modelle parallel im VRAM zu
|
||
halten.
|
||
|
||
| Profil | Ausgangswert | Zweck |
|
||
|---|---:|---|
|
||
| fast | 76.800 Kontext, MTP | mindestens ungefähr 80 Token/s anstreben |
|
||
| medium | 94.208 Kontext | mehr Kontext ohne CPU-FFN-Offload |
|
||
| long | 131.072 Kontext | maximale Nutzbarkeit, CPU-Offload erlaubt |
|
||
| experimental | 76.800 Kontext | isolierte Tests ohne Produktion zu ändern |
|
||
|
||
Diese Werte sind reproduzierbare Startwerte, keine Garantie. Nach Einbau der
|
||
RTX 3060 werden sie auf dem Zielhost erneut gemessen. Die zweite Karte wird
|
||
nicht automatisch in die Produktionsprofile aufgenommen.
|
||
|
||
## Netzwerk
|
||
|
||
- Docker-Netze liegen ausschließlich unter `172.30.0.0/16`.
|
||
- Open WebUI und Router binden an `AI_BIND_ADDRESS`, die WireGuard-IP.
|
||
- Quellrouting schickt KI-Container in Tabelle 51820 über WireGuard.
|
||
- Eine Blackhole-Default-Route bleibt als Fail-Closed-Fallback bestehen.
|
||
- Firewallregeln gestatten aus dem VPN nur die beiden veröffentlichten Ports.
|
||
- Der Host routet weder Universitätsverkehr ins Heimnetz noch Heimverkehr ins
|
||
Universitätsnetz.
|
||
- Das Heimnetz muss die Rückroute zur WireGuard-Adresse kennen. Soll auch der
|
||
Internetzugang der KI über zuhause laufen, braucht der Heim-Peer zusätzlich
|
||
IP-Forwarding und NAT ins Heim-WAN.
|
||
|
||
## Nicht automatisch installiert
|
||
|
||
Bildgenerierung, Whisper, TTS sowie Home-Assistant-, ARR- und Unraid-MCPs sind
|
||
Erweiterungen. Sie benötigen eigene Modelle, Rechte oder Secrets und bleiben
|
||
im sauberen Basissystem deaktiviert. Multimodale Bildanalyse erfolgt direkt
|
||
über Qwen plus Projektor. Nicht installierte Worker-Endpunkte antworten klar
|
||
mit `feature_disabled`, statt alte systemd-Pfade aufzurufen.
|
||
|
||
## Zentrale MCP-Werkzeugebene
|
||
|
||
Werkzeuge werden nicht fest in Open WebUI, Hermes oder einen anderen Client
|
||
eingebaut. Sie laufen als zentrale, über WireGuard erreichbare MCP-Server. Alle
|
||
MCP-fähigen Oberflächen verwenden dadurch dieselben geprüften Werkzeuge, ohne
|
||
Secrets oder Installationen zu duplizieren.
|
||
|
||
Die Trenneinheit ist **ein Container pro Fachbereich und Vertrauensstufe** –
|
||
nicht ein Container pro einzelner Funktion und nicht ein gemeinsamer
|
||
Allzweck-MCP mit sämtlichen Zugangsdaten.
|
||
|
||
```text
|
||
Open WebUI ──┐
|
||
Hermes Agent ├── mcp-gateway ──┬── web-mcp
|
||
weitere MCP- ┘ ├── home-assistant-mcp-read
|
||
Clients ├── home-assistant-mcp-write
|
||
├── arr-mcp-read
|
||
├── arr-mcp-write
|
||
├── unraid-mcp-read
|
||
├── unraid-mcp-admin
|
||
└── sandbox-mcp
|
||
```
|
||
|
||
| Container | Werkzeugbereich | Standardrecht |
|
||
|---|---|---|
|
||
| `web-mcp` | Websuche, Seitenabruf, GitHub/Hugging Face | nur lesen |
|
||
| `home-assistant-mcp-read` | Entities, Bereiche, Historie, Diagnose | nur lesen |
|
||
| `home-assistant-mcp-write` | kontrollierte HA-Änderungen | Preview/Approval |
|
||
| `arr-mcp-read` | Sonarr/Radarr-Status und Releasesuche | nur lesen |
|
||
| `arr-mcp-write` | Suche, Monitoring und Downloadtrigger | Preview/Approval |
|
||
| `unraid-mcp-read` | System-, Container- und begrenzte Logdiagnose | nur lesen |
|
||
| `unraid-mcp-admin` | eng definierte Verwaltungsaktionen | bewusst aktivieren |
|
||
| `sandbox-mcp` | temporäre Code- und Dateiarbeit | isolierter Arbeitsraum |
|
||
| `mcp-gateway` | Auth, Routing, Limits und Werkzeugauswahl | keine Fach-Secrets |
|
||
|
||
Read- und Write-Instanzen dürfen dasselbe Image verwenden, laufen aber mit
|
||
unterschiedlichen Tokens, Netzwerkzugriffen und Werkzeug-Allowlisten. Der
|
||
Gateway besitzt keine HA-, ARR- oder Unraid-Secrets. Er authentifiziert Clients,
|
||
routet zum zuständigen MCP und begrenzt Antwortgröße, Laufzeit und Aufrufrate.
|
||
|
||
Eine allgemeine Host-Shell ist ausdrücklich ausgeschlossen. `sandbox-mcp`
|
||
läuft ohne Docker-Socket, ohne Infrastruktur-Secrets und nur mit einem
|
||
begrenzten Arbeitsverzeichnis. Administrative Aktionen werden als feste,
|
||
prüfbare Werkzeuge mit Vorschau und Freigabe modelliert.
|
||
|
||
Clients aktivieren nur die für den aktuellen Chat benötigte Werkzeuggruppe.
|
||
Das reduziert Tool-Schemas, Kontextverbrauch und Fehlaufrufe kleiner Modelle.
|