RFC: `maa-cli` 前后端分离

Nobody has claimed this yet.

## 现状

当前，maa-cli 执行任务主要包括以下步骤：

1. 解析 MaaCore 相关配置 (profile/*.toml);
2. 解析任务：对于自定义任务读取任务定义文件，对于预定义任务处理命令行参数；
3. 根据任务修改部分配置；
4. 加载 MaaCore 并根据配置进行初始化；
5. 向 MaaCore 添加解析任务，并启动；
6. 等待任务完成并推出程序。

## 问题

上述实现比较简单直接，但是存在以下几个问题：

- 每次执行任务都需要加载并配置 MaaCore，这需要耗费一定时间（约几秒）。这在执行比较长的任务可以忽略，但是对于执行简单的任务，尤其是通过命令行连续执行多个任务时，这个开销是不能忽略。
- 目前 maa-cli 启动后没有任何外部干预途径。MaaCore 部分选项允许运行时更改，而 maa-cli 当前实现方式无法做到。
- 未来 maa-cli 可以作为一个后端，给供其他前端调用。这样其他前端就可以避免相对复杂的 MaaCore FFI，同时也可以基于此开发 WebUI。

## 解决办法

为 maa-cli 引入一个 Server 模式，通过 `maa serve` 启动。启动后 `maa-cli` 将作为一个 RPC Server, 并监听某一个 Unix 或者 TCP Socket。`maa run`、`maa startup` 等命令将解析任务后向服务器发送请求。maa-cli 在运行任务时如果 server 未启动，将自行启动一个 server，并将其作为守护程序在后台活跃一段时间，然后通过相应的

## 具体实施

- RPC 框架：JSON-RPC (crate jsonrpsee)。简单，易于调试，浏览器原生支持，易于和已有代码集成。RPC 协议相关的结构体，通过一个单独的 Crate 实现。
- 传输：WebSocket or WS+TLS。WS 相比 HTTP 更高效，全双工，同时和 HTTP 一样受到浏览器原生支持。

## RPC API 列表

### 添加任务

**方法名称**: `AppendTask`

**请求**:

任务类型以及序列化为 JSON 的字符串。

```json
{
"taskType": "StartUp",
"taskParams": \"{}\",
}
```

**响应**:

```json
{
"taskId": "1"
}
```

其中 `0` 表示添加失败。

### 修改任务参数

**方法名称**: `SetParams`

**请求**:

```json
{
"taskId": "1",
"newParams": {
"client_type": "Txwy"
}
}
```

**响应**:

```json
{
"success": true
}
```

### 启动任务

**方法名称**: `Start`

**请求**:

```json
{}
```

**响应**:

```json
{
"success": true
}
```

### 停止任务

**方法名称**: `Stop`

**请求**:

```json
{}
```

**响应**:

```json
{
"success": true
}
```

### 检查任务是否正在进行

**方法名称**: `Running`

**请求**:

```json
{}
```

**响应**:

```json
{
"running": false
}
```

### 关闭 Server

**方法名称**: `Terminate`

**请求**:

```json
{}
```

**响应**:

```json
{
"success": true
}
```

No source files, tests, or entry points are named. Start by tracing the current maa-cli command flow from task parsing through MaaCore initialization, then define the server and client boundaries around the listed AppendTask, SetParams, Start, Stop, Running, and Terminate methods; completion would require an agreed implementation scope and working serve-mode RPC behavior.

Written by the indexing model from the issue text.