设备上的常驻运行时：用共同的身份与能力目录连接 CLI、MCP 和 Provider，以 Context 组织材料，以 EAL 编排任务，并让状态、调用结果与恢复路径可检查。
你在笔记本上整理实验材料，实验室工作站负责计算，Codex 帮你读结果、改脚本。任务能否顺利推进，取决于几个具体问题：目标设备是否可达，材料放在哪里，下一步应等待哪个结果，以及刚才那次调用究竟有没有完成。EasyNet Runtime 把这些准备工作放到设备上的常驻服务里，让一次接入能够服务后续的命令行操作、AI 工具调用和多步任务。
仓库虽然叫 EasyNet-Cli，核心却是 Rust 编写的 easynet-daemon。easynet 命令负责登录、设备加入、启动、查询和任务管理；daemon 持有设备侧运行状态，组织能力目录、身份验证与调用路由。设备模式通过出站会话连接 Hub，本机客户端使用本地套接字。因此，一台位于实验室内网的机器可以接入协作网络，无须为每个设备操作单独开放公网端口。实际执行由对应 Provider 承担，Runtime 负责把任务送到有权处理它的目标。
这个入口也能承载日常桌面工作。Context 将主动映射的项目目录、剪贴板条目和设备采集记录组织成可选择的材料；终端能力提供交互会话，当前生产 supervisor 通道需要 Unix 系统、相应辅助程序及启动 shell 的权限；浏览器输入、页面快照与视口捕获需要构建并加载浏览器插件，以及可启动的 Chrome/Chromium。若任务涉及设备屏幕、摄像头或麦克风采集，还需原生媒体构建、可用硬件和对应系统授权。用户可以先找到需要的材料，再让 Agent 调用对应工具，最后把重复操作整理成 EAL 程序。比如把“提取数据、清洗、写入报告”表达为有输入输出关系的步骤，后续运行就不必依赖一段聊天记录来还原操作顺序。
MCP 连接这套运行时与现有 AI 客户端：一侧将 daemon 的能力投影为工具描述，供 Codex、Claude Code 使用；另一侧把外部 MCP 服务的工具接入能力目录。工具的参数说明、归属与调用路径能够一起进入这条链路，Agent 因而能根据实际目录选择动作，并把取得的材料继续传给后续步骤。
这里最重要的设计判断，是让“能继续工作”成为可以检查的事实。账号登录、设备成员关系、Runtime 连通和具体调用结果分别记录：登录成功但加入失败，可以保留账号状态继续恢复；目录出现工具后，仍由调用准入和实际执行给出结果。它适合逐渐把个人设备、研究脚本和 Agent 工作流接到一起，也让故障定位成为工作流程的一部分。