Upgrade litert-api/litert-google/litert-openai to v7 (litertlm-jvm 0.17.0), drop workarounds

docs/STANDALONE.md

@@ -1,6 +1,6 @@
 # Standalone — рантайм агента agentik
 
-`standalone` — это исполняемое JVM-приложение (точка входа `pw.binom.agentik.standalone.MainKt`), которое поднимает реальный агент `ChatAgent` (stateful, SQLite-персистентный) и навешивает на него HTTP+SSE фасад `:server`. LLM-движок выбирается через `AGENTIK_LLM_BACKEND` — на v1 поддерживаются `litert-openai` (любой OpenAI-совместимый endpoint) и `litert-google` (on-device движок LiteRT-LM 0.16.1 через нативную `.so`-библиотеку).
+`standalone` — это исполняемое JVM-приложение (точка входа `pw.binom.agentik.standalone.MainKt`), которое поднимает реальный агент `ChatAgent` (stateful, SQLite-персистентный) и навешивает на него HTTP+SSE фасад `:server`. LLM-движок выбирается через `AGENTIK_LLM_BACKEND` — на v1 поддерживаются `litert-openai` (любой OpenAI-совместимый endpoint) и `litert-google` (on-device движок LiteRT-LM 0.17.0 через нативную `.so`-библиотеку из litertlm-jvm 0.17.0).
 
 Этот документ описывает, как `standalone` собран и как его расширять.
 
@@ -209,7 +209,7 @@ suspend fun touch(id: String, now: Instant)
 `LlmConfig.fromEnv()` парсит env, валидирует обязательные поля и выбирает бэкенд через `AGENTIK_LLM_BACKEND`:
 
 - `openai` (default) — `litert-openai`, текст-онли чат против любого OpenAI-совместимого endpoint.
-- `google` — `litert-google` (LiteRT-LM 0.16.1, on-device `.task`/`.litertlm` модель, требует нативной библиотеки через `litertlm-jvm`).
+- `google` — `litert-google` (LiteRT-LM 0.17.0, on-device `.task`/`.litertlm` модель, требует нативной библиотеки через `litertlm-jvm`).
 
 ### Общие env
 
@@ -238,15 +238,11 @@ suspend fun touch(id: String, now: Instant)
 
 `AGENTIK_DB_PATH=:memory:` создаёт in-memory БД (только для тестов и интеграционных проверок).
 
-### Long-lived LiteConversation — ОБЯЗАТЕЛЬНО для google
+### Long-lived LiteConversation — ОБЯЗАТЕЛЬНО для обоих бэкендов
 
-`LiteConversation` от любого litert-бэкенда — это **долгоживущая stateful ручка**: она держит историю сообщений и (для google) KV-cache/sampler-state. На v1 `ChatConversation` создаёт `LiteConversation` один раз (на первом `send`) и переиспользует на всех последующих turn'ах той же беседы. Пересоздание LiteConversation на каждый send ломает KV-cache для google (и в v1 приводит к ошибке chat template «roles must alternate» после двух user-сообщений).
+`LiteConversation` от любого litert-бэкенда — это **долгоживущая stateful ручка**: она держит историю сообщений и (для google) KV-cache/sampler-state. `ChatConversation` создаёт `LiteConversation` один раз (на первом `send`) и переиспользует на всех последующих turn'ах той же беседы. Пересоздание LiteConversation на каждый send ломает KV-cache для google (LiteRT-LM 0.17.0 умеет правильно восстанавливать state при `systemInstruction + пары User/Assistant` в `initialMessages`).
 
-`AGENTIK_GOOGLE_FOLD_SYSTEM_INTO_FIRST_USER` (default `true` для google) — фолдит системный промпт в первое user-сообщение, чтобы движок увидел только `[User+system, Assistant, User, ...]` и не падал на alternation. Для openai этот режим отключён.
-
-### Workaround для litert-google-jvm 0.16.1
-
-Баг в `sendStreamContents` — поток не закрывается после `isDone = true`. `ChatConversation` оборачивает стрим в `transformWhile { !delta.isDone }`, поэтому SSE получает корректный `End` event.
+`LiteLlm.capabilities: LiteCapabilities?` (litert-api 7+) — `litert-google` читает из заголовка on-disk модели (text/vision/audio, supportsThinking, supportsFunctionCalling, maxVisionTokenBudget); `litert-openai` возвращает `null` (модель не хранится на диске). Используй для фильтрации модальностей в клиенте.
 
 ---
 

gradle/libs.versions.toml

@@ -6,7 +6,7 @@ kotlinx-datetime = "0.8.0"
 ktor = "3.1.3"
 agui = "0.1.0"
 a2a = "1.0.0-SNAPSHOT"
-litert = "6"
+litert = "7"
 sqldelight = "2.3.2"
 
 [plugins]

standalone/src/jvmMain/kotlin/pw/binom/agentik/standalone/agent/ChatAgent.kt

@@ -71,7 +71,7 @@ class ChatAgent(
                 )
             }
         }
-        val conv = ChatConversation(record = rec, stores = stores, llm = llm, systemPrompt = llmConfig.systemPrompt, foldSystemIntoFirstUser = llmConfig.foldSystemIntoFirstUser)
+        val conv = ChatConversation(record = rec, stores = stores, llm = llm, systemPrompt = llmConfig.systemPrompt)
         runBlocking {
             liveLock.withLock { live[conv.id] = conv }
         }
@@ -82,7 +82,7 @@ class ChatAgent(
     override suspend fun getConversation(id: String): ProtoConversation? {
         liveLock.withLock { live[id] }?.let { if (!it.isClosed) return it }
         val rec = stores.conversations.get(id) ?: return null
-        return ChatConversation(record = rec, stores = stores, llm = llm, systemPrompt = llmConfig.systemPrompt, foldSystemIntoFirstUser = llmConfig.foldSystemIntoFirstUser).also {
+        return ChatConversation(record = rec, stores = stores, llm = llm, systemPrompt = llmConfig.systemPrompt).also {
             liveLock.withLock { live[id] = it }
         }
     }

standalone/src/jvmMain/kotlin/pw/binom/agentik/standalone/agent/ChatConversation.kt

@@ -9,7 +9,6 @@ import kotlinx.coroutines.channels.BufferOverflow
 import kotlinx.coroutines.flow.Flow
 import kotlinx.coroutines.flow.MutableSharedFlow
 import kotlinx.coroutines.flow.asSharedFlow
-import kotlinx.coroutines.flow.transformWhile
 import kotlinx.coroutines.launch
 import kotlinx.coroutines.sync.Mutex
 import kotlinx.coroutines.sync.withLock
@@ -59,7 +58,6 @@ class ChatConversation(
     private val stores: SqliteStores,
     private val llm: LiteLlm,
     private val systemPrompt: String,
-    private val foldSystemIntoFirstUser: Boolean = false,
 ) : ProtoConversation, AutoCloseable {
 
     private var record: ConversationRecord = record
@@ -184,12 +182,7 @@ class ChatConversation(
 
         val reply = StringBuilder()
         try {
-            // Некоторые бэкенды (litert-google-jvm 0.16.1) не закрывают стрим после `isDone = true`,
-            // поэтому заворачиваем в transformWhile: видим isDone → отдаём дельту и завершаем flow.
-            liteConv.sendStreamContents(parts).transformWhile { delta ->
-                emit(delta)
-                !delta.isDone
-            }.collect { delta ->
+            liteConv.sendStreamContents(parts).collect { delta ->
                 if (delta.text.isNotEmpty()) {
                     reply.append(delta.text)
                     emitEvent(ProtoEvent.AppendText(date = now(), body = delta.text))
@@ -238,9 +231,6 @@ class ChatConversation(
      * уже записанное в audit + working memory, но ещё не отправленное в LLM — мы отдадим
      * его через [LiteConversation.sendStreamContents]). Это предотвращает дублирование
      * "user → user" в LiteConversation history.
-     *
-     * Если [foldSystemIntoFirstUser] — система не передаётся как `systemInstruction`,
-     * а фолдится в первое user-сообщение (нужно для Gemma-3 шаблона LiteRT-LM 0.16.1).
      */
     private suspend fun getOrCreateLiteConversation(excludeUserSourceId: String? = null): LiteConversation {
         liteConv?.let { return it }
@@ -268,21 +258,8 @@ class ChatConversation(
             }
 
         val config = LiteConversationConfig(
-            systemInstruction = if (foldSystemIntoFirstUser) null else resolvedSystemPrompt.takeIf { it.isNotBlank() },
-            initialMessages = if (foldSystemIntoFirstUser) {
-                val firstUser = pastTurns.firstOrNull { it.role == LiteRole.USER }
-                if (firstUser != null && resolvedSystemPrompt.isNotBlank()) {
-                    val folded = LiteMessage(
-                        role = LiteRole.USER,
-                        contents = listOf(LiteContentPart.Text(resolvedSystemPrompt + "\n\n")) + firstUser.contents,
-                    )
-                    listOf(folded) + pastTurns.drop(1)
-                } else {
-                    pastTurns
-                }
-            } else {
-                pastTurns
-            },
+            systemInstruction = resolvedSystemPrompt.takeIf { it.isNotBlank() },
+            initialMessages = pastTurns,
         )
 
         return llm.createConversation(config).also { liteConv = it }

standalone/src/jvmMain/kotlin/pw/binom/agentik/standalone/llm/LlmConfig.kt

@@ -12,7 +12,6 @@ data class LlmConfig(
     val systemPrompt: String,
     val openai: LitertOpenAiConfig? = null,
     val google: GoogleConfig? = null,
-    val foldSystemIntoFirstUser: Boolean = backend == LlmBackend.GOOGLE,
 ) {
     init {
         when (backend) {

standalone/src/jvmTest/kotlin/pw/binom/agentik/standalone/agent/ChatAgentTest.kt

@@ -326,6 +326,7 @@ class ChatAgentTest {
 
     private fun fakeLiteLlmForReload(): LiteLlm = object : LiteLlm {
         override val backendName: String = "fake"
+        override val capabilities: pw.binom.litert.LiteCapabilities? = null
         override fun isInitialized(): Boolean = true
         override fun createConversation(config: LiteConversationConfig): LiteConversation =
             error("not used in reload test")
@@ -357,6 +358,7 @@ class ChatAgentTest {
 /** Поддельный LiteLlm: возвращает fakeLlm.reply в sendStreamContents, опционально запоминает history. */
 private class FakeLiteLlm : LiteLlm {
     override val backendName: String = "fake"
+    override val capabilities: pw.binom.litert.LiteCapabilities? = null
     var reply: String = ""
     var rememberHistory: Boolean = false
     var slow: Boolean = false