mcp-agentic-context

# MCP 智能代理上下文（前身：MCP 全局规则） > **AI 代理增强与无限上下文包** - 77 个脚本 | 77 个命令 | 6 个 Git 钩子 | 离线优先核心 [](https://github.com/FatStinkyPanda/mcp-agentic-context/actions/workflows/ci.yml) [](https://github.com/FatStinkyPanda/mcp-agentic-context/releases/latest) [](LICENSE) [](https://www.python.org/) 由 **[FatStinkyPanda](https://github.com/FatStinkyPanda)** 创建 **最新版本：[v2.4.0](https://github.com/FatStinkyPanda/mcp-agentic-context/releases/latest)** - 完整的蓝图版本：所有 100 个并发代理规模蓝图的 20 个项目均已交付。新功能：swarm 调节器 - 一个 level-triggered GitHub Action，每 10 分钟重新 seeding 可领取的问题并重复使用 comment families，清理崩溃的代理留下的内容。有了它，完整的循环就形成了：自我更新的安装（在会话开始时通知，自动更新默认开启，备份 + 自我验证 + 回滚），原子跨机器问题检查，fleet 自我分配（`work next`），带有自动合并的 gated PR 登录，相同设备的 worktree 席位，fenced 原子基元通过每个提交的多进程 swarm 和 nightly 100 个代理浸泡证明 - 以及 v2.0 线：多语言语义搜索（25+ 语言），增量自动刷新索引，warm daemon，一个用于 Claude Code/Cursor/Codex 的原生 MCP 服务器，以及项目范围的内存。 完整详情请参见 [CHANGELOG](CHANGELOG.md)。 MCP 智能代理上下文是一个即插即用的 AI 代理增强系统，可以安装到任何项目中，并为在其上工作的每个 AI 代理提供一套共享的工具、内存、代码分析、安全扫描、自主开发工作流和强制质量门。 配备 **动态上下文预算和语言缩放**、**两层宏代码库依赖图**、**预防性自我修复后台守护进程** 和 **向量化活动账本**，它旨在为 AI 代理提供几乎无限的上下文能力和预防性开发人员安全保护。它完全离线工作，只需要 Python 3.8+。 MCP 智能代理上下文最初是建立在 [OpenMemory](https://github.com/CaviraOSS/OpenMemory) 之上的一个层，由 [CaviraOSS](https://github.com/CaviraOSS) 提供，其本地持久内存存储为 LLM 应用程序提供了原始基础。它已经扩展到远远超出起点 - 跨 25+ 种语言的语义代码搜索、增量索引引擎、代码分析和质量门、安全审计、warm 服务守护进程、原生 MCP 服务器和自主开发工作流 - 代码库与原始分支几乎无法识别。感谢 CaviraOSS 提供启动该项目的基础。 最初为加速 ML 研究和实验工作流而构建，它已发展成为一个强大、通用的工具，同样适用于任何类型的软件项目。 --- ## 保持更新 已安装的副本通过最新的 GitHub 版本保持当前状态： ```bash python mcp-agentic-rules/mcp.py update --check # 有新版本吗？（缓存 24 小时） python mcp-agentic-rules/mcp.py update # 下载 + 备份 + 验证 + 失败回滚 python mcp-agentic-rules/mcp.py update --status # 版本 + 自动更新配置 ``` 会话开始命令（`state`、`autocontext`、`doctor`，`collab_status` MCP 工具）打印一行 `[UPDATE]` 通知，当存在新版本时 - 因此在项目上工作的 AI 代理会看到更新的位置。**自动更新默认启用**（选择退出 `update --disable-auto`）：通知授权代理应用更新。每次更新都会备份当前安装，覆盖新版本，并使新引擎通过一次性存储中的 60 项自检后被接受 - 任何失败都会自动回滚。交界点/符号链接安装会更新规范目标，MCP Git 钩子在之后会刷新。 --- ## 这是什么？ 当 AI 代理（Claude、Gemini、GPT-4、本地 LLM 等）在安装了 MCP 智能代理上下文的项目上工作时，它可以访问： - **持久内存** - 跨会话的代理记住决策、文件位置和学习模式 - **语义代码搜索** - 按含义查找相关代码，而不仅仅是关键字 - **自动代码审查** - 提交时通过 Git 钩子强制执行质量检查 - **安全审计** - 在每次推送之前扫描秘密、漏洞和注入风险 - **错误预测** - AI 驱动的分析，捕获问题在发生之前 - **多代理协作，第一类** - 单个项目上的 100 个并发代理（相同设备通过工作树席位，或跨机器）：围栏租赁、声明、共享日志、GitHub 问题原子检查和通过 gated 拉取请求登陆 - 所有 E2E 验证的提交均通过真正的多进程 swarm 验证 - **离线优先核心** - 每个核心工具都是 stdlib-only 并在没有互联网的情况下运行；可选加速器（sentence-transformers、faiss-cpu、tree-sitter 语法、numpy、watchdog）从 PyPI 安装并缓存以供离线使用 --- ## 快速安装 ### Windows (PowerShell) ```powershell # 从您的项目根目录： .\mcp-agentic-rules\install.ps1 -Pack Web_Dev ``` ### Linux / Mac ```bash # 从您的项目根目录： ./mcp-agentic-rules/install.sh --pack Web_Dev ``` ### 手动安装 ```bash # 1. 将 mcp-agentic-rules 复制到您的项目根目录 cp -r /path/to/mcp-agentic-rules ./mcp-agentic-rules # 2. 如有必要，初始化 git git init # 3. 手动安装钩子 cp mcp-agentic-rules/.git-hooks/* .git/hooks/ chmod +x .git/hooks/* # 4. 创建数据目录 mkdir -p .mcp # 5. 连接代理发现（CLAUDE.md + AGENTS.md 部分，.mcp.json 服务器） python mcp-agentic-rules/mcp.py integrate # 6. 构建初始索引 python mcp-agentic-rules/mcp.py index-all ``` ### 安装内容 | 组件 | 描述 | |-----------|-------------| | `mcp-agentic-rules/` | 72 个 Python 脚本，主要入口点 (`mcp.py`) | | `.mcp/` | 索引数据目录（自动生成，自动更新） | | `.git/hooks/pre-commit` | 阻止包含关键问题的提交 | | `.git/hooks/post-commit` | 更新学习和索引 | | `.git/hooks/commit-msg` | 丰富提交上下文 | | `.git/hooks/pre-push` | 严格的安全性和架构检查 | | `.git/hooks/post-checkout` | 为新分支预热上下文 | | `.git/hooks/post-merge` | 合并后重新索引 | | `AI_AGENT_MCP.md` | AI 代理的快速参考 | | `CLAUDE.md` / `AGENTS.md` 部分 | 由 `integrate` 追加的标记分隔的使用触发器，以便 Claude Code、Cursor、Codex 等发现工具自动 | | `.mcp.json` | 原生 MCP 服务器注册（`agentic-context`，由 `integrate` 生成） | --- ## 需求 - **Python 3.8+** （3.11+ 推荐完整供应商包支持） - **Git** （用于钩子和历史索引） - 核心工具不需要其他依赖 - 核心脚本仅使用 Python 标准库 - 可选：`vendor/python-packages-py311/` 中的捆绑供应商轮用于增强分析 --- ## 命令参考（76 个命令） 从您的 **项目根目录** 运行所有命令： ```bash python mcp-agentic-rules/mcp.py <command> [args] ``` ### 上下文和搜索 | 命令 | 描述 | |---------|-------------| | `autocontext [--budget N]` | 自动加载所有相关上下文，预算上限为 N | | `context "query"` | 获取特定主题的目标上下文 | | `search "query"` | 按含义进行语义代码搜索（使用运行时 daemon） | | `find "name"` | 按自然语言查找文件和组件 | | `skeleton [path] [--budget N]` | 文件或目录的签名视图 | | `state [--set-goal/--add-task/--done N/--note]` | 共享项目目标、任务和笔记 | ### AI 内存 内存默认情况下限定于当前项目；全局内存可在任何地方访问。旧版内存创建于范围划分前，仍为全局内存。 | 命令 | 描述 | |---------|-------------| | `remember "key" "value" [--global]` | 存储持久知识项 | | `recall "query" [--all-projects]` | 搜索当前项目和全局内存 | | `forget "key"` | 删除内存项 | | `learn [--patterns]` | 查看和加强学习模式 | ### 代码质量 | 命令 | 描述 | |---------|-------------| | `review [path] [--strict]` | 完整自动代码审查 | | `docs [path] [--write]` | 生成或检查文档字符串 | | `deadcode [path]` | 查找未使用的函数、类、导入 | | `fix [path] [--safe] [--apply]` | 自动修复语法、格式和 lint 问题 | | `errors [path]` | 分析错误处理模式 | | `coverage [path]` | 检查文档覆盖率（门控：>50%） | ### 分析 | 命令 | 描述 | |---------|-------------| | `security [path]` | 安全审计 - 秘密、注入、CVE | | `profile [path]` | 复杂度和性能分析 | | `architecture [path]` | 验证项目结构 | | `deps [path]` | 依赖图和风险分析 | | `refactor [path]` | 建议重构机会 | | `migrate [path]` | 检测迁移问题 | ### AI 预测 | 命令 | 描述 | |---------|-------------| | `predict-bugs [file]` | AI 驱动的错误预测 | | `risk-score` | 计算已暂存更改的风险分数 | | `impact [file]` | 确定文件更改将破坏的内容 | ### 索引 | 命令 | 描述 | |---------|-------------| | `index-all` | 构建所有 7 个索引（语义索引是增量的：未更改的文件保留其嵌入，删除的文件被驱逐） | | `index [--full]` | 重建语义索引；--full 强制重新嵌入所有内容 | | `git-history [file]` | 索引和查询 git 提交历史 | | `todos` | 按优先级列出所有 TODO/FIXME 项 | | `test-coverage` | 索引 pytest 的覆盖率数据 | | `doc-index [path]` | 索引文档文件 | | `config-index` | 索引环境变量和配置文件 | ### 测试 | 命令 | 描述 | |---------|-------------| | `test [path]` | 生成 pytest 测试存根 | | `test-gen [file] --impl` | 生成完整测试实现 | | `apidocs [path]` | 生成 API 文档 | ### 自动化 | 命令 | 描述 | |---------|-------------| | `watch [path]` | 文件更改时的实时索引更新 | | `warm` | 预热所有索引（在会话开始时运行） | | `serve [--background/--status/--stop]` | 暖 daemon：模型和索引保持加载，搜索答案在毫秒内 | | `mcp-serve` | 为 MCP 客户端（Claude Code、Cursor）提供标准 IO 上的 Model Context Protocol 服务器 | | `summarize [--output FILE]` | 生成代码库摘要 | | `changelog` | 从 git 历史记录自动生成变更日志 | ### 多代理协调 | 命令 | 描述 | |---------|-------------| | `comms status` | 检查对等代理存在 | | `comms send <peer> <type> "msg"` | 向对等代理发送任务或消息 | | `comms listen` | 轮询来自对等代理的消息 | | `comms heartbeat "status" "detail"` | 更新您的代理状态 | | `comms collaborate` | 进入自主往返循环 | | `model status` | 检查当前 AI 模型分配 | | `model switch` | 切换到下一个优先级模型 | ### CI/CD | 命令 | 描述 | |---------|-------------| | `github-action` | 生成 GitHub Actions 工作流 | | `pipeline [--gitlab]` | 生成 CI/CD 管道配置 | ### 项目包 | 命令 | 描述 | |---------|-------------| | `pack list` | 列出可用的项目包（例如 `ML_Wheels`、`Web_Dev`） | | `pack install <pack_name>` | 设置虚拟环境并安装包依赖 | ### 设置 | 命令 | 描述 | |---------|-------------| | `setup --all` | 完整设置（钩子、配置文件、索引） | | `setup --hooks` | 仅安装 git 钩子 | | `setup --profile` | 安装 shell 配置文件别名 | | `record action "..."` | 将操作记录到 MCP 日志 | --- ## AI 代理触发命令 两个特殊触发词激活预定义自主工作流： ### `dev` - 自主开发模式 当您对您的 AI 代理说 **"dev"** 时，它将： 1. 自动查找并加载 MCP 工具 2. 读取 `README.md` 作为单一事实来源 3. 运行 `autocontext` 和 `recall "project"` 4. 通过 `todos` 确定下一个优先级任务 5. **自主实施** - 无需人类输入 6. 增量提交，遵循质量门控 ### `go` - 上下文 + 建议模式 当您对您的 AI 代理说 **"go"** 时，它将： 1. 加载上下文并读取 `README.md` 2. 通过 `todos` 确定任务和空白 3. **停止并呈现发现结果** - 不会进行更改 4. 列出建议的下一步骤，并带有优先级和复杂度估计 5. 等待您的明确指示 --- ## 强制质量门控 Git 钩子自动阻止违反质量标准的运算： | 钩子 | 触发 | 阻止 | |------|---------|-----------| | `pre-commit` | 每次提交 | 关键安全问题、代码审查错误 | | `pre-push` | 每次推送 | 文档覆盖率 < 50%，架构违规 | | `commit-msg` | 每次提交 | 无 - 仅丰富上下文 | | `post-commit` | 每次提交 | 无 - 更新学习和索引 | | `post-checkout` | 分支切换 | 无 - 预热上下文 | | `post-merge` | 合并后 | 无 - 重新索引 | --- ## 必需的 AI 代理工作流 MCP 启用的项目上的 AI 代理必须遵循此工作流： ### 更改前 ```bash python mcp-agentic-rules/mcp.py autocontext # 加载上下文 python mcp-agentic-rules/mcp.py recall "topic" # 检查内存 python mcp-agentic-rules/mcp.py find "component" | 查找相关文件 python mcp-agentic-rules/mcp.py impact file.py | 可能破坏什么？ python mcp-agentic-rules/mcp.py predict-bugs file.py | 错误预测 ``` ### 开发过程中 ```bash python mcp-agentic-rules/mcp.py docs src/ --write # 添加文档字符串 python mcp-agentic-rules/mcp.py fix src/ # 自动修复问题 python mcp-agentic-rules/mcp.py review src/ | 持续审查 ``` ### 提交前 ```bash python mcp-agentic-rules/mcp.py review src/ --strict | 完整审查 python mcp-agentic-rules/mcp.py security src/ | 安全审计 python mcp-agentic-rules/mcp.py deadcode src/ | 删除未使用的代码 python mcp-agentic-rules/mcp.py coverage src/ | 检查文档覆盖率 ``` ### 推送前 ```bash python mcp-agentic-rules/mcp.py architecture src/ | 验证结构 python mcp-agentic-rules/mcp.py profile src/ | 检查复杂度 python mcp-agentic-rules/mcp.py summarize --output SUMMARY.md | 更新上下文 ``` ### 记录决策 ```bash python mcp-agentic-rules/mcp.py remember "auth_handler" "src/auth.py" python mcp-agentic-rules/mcp.py record action "Implemented feature X" python mcp-agentic-rules/mcp.py record decision "Chose approach Y because Z" ``` --- ## 多代理协调 MCP 支持多个 AI 代理协作 - 通过 `comms` 系统跨机器，以及 **在同一个项目同时使用 `collab`**（租赁 + 声明 + 日志）：原始类型阻止并发代理会话相互踩踏，通过运行多个 Claude 会话对抗一个 Unreal Engine 项目进行进行。 ### 相同项目协作（`collab`） ```bash # 通过一个命令加入团队：在一个命令中将此工作目录绑定到您的呼叫标志（一个席位）， # 验证引擎端到端，并打印其他人正在执行的操作。 python mcp-agentic-rules/mcp.py collab join forge # 更多同一设备上的代理？为每个代理提供一个单独的 git 工作树席位： python mcp-agentic-rules/mcp.py collab seat new ember # ../<repo>-ember，已就座 # 全景视图：活跃代理（+工作目录），独占租赁，声明，检查问题 + 冲突雷达，日志尾部 python mcp-agentic-rules/mcp.py collab status --project myproj --as forge # 独家 FENCED 租赁竞争资源（编辑席，构建权限， # git 提交窗口）。原子 O_EXCL；所有者重入；STALE 甚至 # CORRUPT 租赁自动中断，因此崩溃的会话永远不会死锁团队。 # 获取打印 fence=N - 在任何不可逆操作之前，证明您仍持有 # 该版本（暂停/僵尸代理无法无声地继续写入）： python mcp-agentic-rules/mcp.py collab lease acquire editor --as forge --note "verifying" python mcp-agentic-rules/mcp.py collab lease valid editor --fence 3 --as forge python mcp-agentic-rules/mcp.py collab lease release editor --as forge # 源区域的咨询所有权（无冲突作者身份） python mcp-agentic-rules/mcp.py collab claim add creatures "src/creatures/*" --as forge # GitHub 原生工作检查：工作单元是 GitHub 问题，检查 # 类似租赁（gh 支持；如果 gh/network 消失，则会降低为清晰错误） python mcp-agentic-rules/mcp.py collab work list # 开放问题 + 谁拥有 python mcp-agentic-rules/mcp.py collab work start 7 --as forge # 分配 + 标签 + 声明 + 日志 python mcp-agentic-rules/mcp.py collab work tick 7 2 --as forge # 任务列表复选框 2 python mcp-agentic-rules/mcp.py collab work done 7 --pr <url> # 或关闭它；释放所有内容 python mcp-agentic-rules/mcp.py collab work drop 7 --as forge # 无检查退出 # 团队无线电：记录你所做的事情；尾随它 EVERY 循环启动 python mcp-agentic-rules/mcp.py collab journal log intent --data '{"text":"refactor auth"}' python mcp-agentic-rules/mcp.py collab journal tail 20 ``` # 新增代理？运行： python mcp-agentic-rules/mcp.py collab onboard # 打印完整的加入团队流程 python mcp-agentic-rules/mcp.py collab selftest # 60-check 引擎验证（临时存储） # 验证并发故事：N 个真实的操作系统进程同时操作一个存储 — # 租赁互斥锁，强制过期时的 fencing，日志记录确保 exactly-once， # 声明 CAS，结账单赢家。每次推送（钩子）、每次提交（CI， # 16 个进程）和每夜 100 个代理运行时执行。 python mcp-agentic-rules/mcp.py collab swarmtest --agents 16 --hammer ## 身份识别规则 一个工作目录 = 一个代理，由一个座位文件（`.mcp/seat.json`）绑定，该文件由 `identity()` 在主机名备用之前解析 - 这样，同一台笔记本上的十个会话永远不会无声地合并成一个身份。跨工作目录使用已就座的身份在租赁/声明/工作层被拒绝（结构强制执行，而不是礼仪）， 心跳检测到两种冲突形式（来自两个工作目录的相同身份；一个工作目录中的两个并发会话）。存储是 `~/.mcp/nsync/.nsync_agents/collab/<project>/` 下的普通文件 — 任何工具都可以访问它，MCP 服务器将其公开为 `collab_status` / `collab_lease` / `collab_journal` / `collab_message` / `collab_claim` / `collab_work` 工具。代码项目的推荐租赁法：一个实时工具/编辑器座位（其持有者是*飞行员*），`rebuild`，`git-commit`（保持同时 rebase+push），`bench`。 ## 原子性保证 （所有这些都通过 `selftest` + `swarmtest` 在每次提交时得到验证）：每个存储写入都是 O_EXCL 创建、原子临时+重命名替换或重命名为唯一墓碑 — 读取者永远不会看到部分 JSON，任何 CAS 都只有一个竞争者获胜，删除操作会验证它们删除了什么（在不匹配时恢复）。租赁带有单调 **fence numbers** （Kleppmann 风格），带有侧车高水位标记， 这样一个僵尸持有者如果丢失了其租赁，则在破坏性操作之前无法通过 `lease valid` 。陈旧状态自我修复：一个看护者（通过其自己的租赁选举）清除死去的存在、孤立的声明、废弃的结账单和 stray 临时文件，有界限。 ## GitHub 原生结账单（`collab work`）：`work start` 首先赢得一个 ATOMIC 跨机器声明 — 删除问题的 `state:available` 标签是 GitHub 的单赢家原始操作，因此当每个代理共享一个 GitHub 登录时， 只有一个机器可以签出一个问题 — 然后分配问题，标记它 `in-progress` + `agent:<callsign>`，创建匹配的声明（从问题主体中提取文件路径；问题 URL 在注释中）， 在存储中记录结账单，并记录 `work.start`。`work verify` 在循环开始/推送之前重新确认结账单，并在丢失时自行删除（两个机器永远不会完成相同的问题）； `work drop` 返回标签。`collab status` 显示每个代理的已签出问题，和一个冲突雷达，当两个结账单的路径集相交时发出警告。两个 GitHub Actions 完成循环： `agent-issue-impact` 在问题被分配或标记为 `in-progress` 时触发，并发布一个自动更新的注释，其中包含问题提到的文件的影响（导入者、传递依赖者、受影响的测试 — 由此包的自己的 `impact` 引擎计算）以及针对其他进行中的问题的重叠雷达；`agent-pr-impact` 对每个 PR diff 执行相同的操作。 ### 跨机器协调 (`comms`) ```bash # 1. 检查对等方是否活跃后开始 python mcp-agentic-rules/mcp.py comms status # 2. 发布你的工作 python mcp-agentic-rules/mcp.py comms heartbeat "active" "starting auth refactor" # 3. 将任务委派给对等方 python mcp-agentic-rules/mcp.py comms send wizardpanda task "Run security scan on api/" # 4. 监听结果 python mcp-agentic-rules/mcp.py comms listen # 5. 进入自主往返循环 python mcp-agentic-rules/mcp.py comms collaborate ``` ### 模型优先级强制执行 代理必须按以下顺序使用模型： 1. **Gemini Flash** - 主要，默认适用于所有任务 2. **Claude Opus** - 次要，用于复杂推理 3. **本地 LLM** - 回退，零依赖操作 使用 `python mcp-agentic-rules/mcp.py model status` 验证和使用 `model switch` 更改。 --- ## NSync：远程执行工作流 适用于需要在远程机器上运行的任务（例如 WizardPanda / Raspberry Pi）： ```bash # 初始化一个新项目用于远程同步 python mcp-agentic-rules/mcp.py nsync init-project my_project # 监视更改并自动同步 python mcp-agentic-rules/mcp.py watch . # 在远程机器上运行脚本 python mcp-agentic-rules/mcp.py nsync run my_project/main.py ``` --- ## 依赖和供应商包 ### 核心脚本（无需安装） 所有 53 个 Python 脚本都 **仅使用标准库** - Python 3.8+ 标准库。核心功能零外部依赖。 ### 捆绑的供应商轮（离线优先） 位于 `vendor/python-packages-py311/` - 无需互联网连接即可安装： ```bash pip install --no-index --find-links=vendor/python-packages-py311 pylint flake8 black mypy bandit pytest ``` 关键捆绑包： | 类别 | 包 | |----------|----------| | **代码质量** | pylint 4.0.4, flake8 7.3.0, black 25.12.0, isort 7.0.0, mypy 1.19.1 | | **安全** | bandit 1.9.2, safety 3.7.0, pip-audit 2.10.0 | | **测试** | pytest 9.0.2, pytest-cov 7.0.0, coverage 7.13.1 | | **分析** | radon 6.0.1, astroid 4.0.2 | | **实用工具** | rich 14.2.0, pydantic 2.12.5, requests 2.32.5, cryptography 46.0.3 | --- ## 项目结构 ``` mcp-agentic-context/ # 此仓库 ├── README.md # 你在这里 ├── CLAUDE.md / AGENTS.md # 代理工作流程指南（自动发现） ├── AI_AGENT_MCP.md # AI 代理快速参考 ├── .mcp.json # 原生 MCP 服务器注册 ├── .github/workflows/ci.yml # Linux 和 Windows 上的 Lint + 测试套件 ├── docs/ # 设计笔记和设置指南 ├── project_packs/ # 可选的每个域环境包 └── mcp-agentic-rules/ # 软件包 - 复制到项目中 ``` 软件包本身： ``` mcp-agentic-rules/ ├── mcp.py # 主要入口点（运行此） ├── install.ps1 # Windows 一键安装程序 ├── install.sh # Linux/Mac 一键安装程序 ├── global_rules.md # 完整的 AI 代理规则（添加到代理说明） ├── AI_AGENT_INSTRUCTIONS.md # 简洁的强制工作流程参考 ├── DEPENDENCIES.md # 完整的依赖文档 ├── scripts/ # 72 个 Python 工具模块 │ ├── autocontext.py # 上下文自动加载器 │ ├── memory.py # 持久 AI 内存 │ ├── review.py # 代码审查自动化 │ ├── security.py # 安全审计 │ ├── predict.py # Bug 预测 │ ├── impact.py # 变更影响分析 │ ├── vector_store.py # 语义搜索嵌入 │ ├── agent_comms.py # 多代理协调 │ ├── nsync.py # 远程同步和执行 │ ├── auto_test.py # 测试生成 │ ├── index_all.py # 完整索引重建 │ ├── serve.py # 暖守护进程（即时搜索/召回） │ ├── mcp_server.py # 模型上下文协议服务器（stdio） │ ├── skeleton.py # 签名视图 │ ├── project_state.py # 共享目标/任务/笔记 │ ├── js_toolchain.py # eslint/tsc/pnpm-audit 桥 │ ├── call_graph.py # 调用图关系 │ ├── hybrid_graph.py # 多维知识图 │ ├── predict_context.py # 基于任务的上下文预测 │ ├── auto_heal.py # 错误分析和经验教训 │ └── ... # 52 个更多工具 ├── .git-hooks/ # 6 个强制 Git 钩子 │ ├── pre-commit │ ├── post-commit │ ├── commit-msg │ ├── pre-push │ ├── post-checkout │ └── post-merge ├── vendor/ # 可选离线包 │ ├── python-packages-py311/ # 将轮子放在这里进行离线安装（不捆绑） │ └── mcp-servers/ # MCP 服务器配置 └── config/ # 配置模板 ``` --- ## 核心原则 这些原则由系统强制执行，所有代理必须遵守： 1. **正确修复，永不禁用** - 始终完全修复问题。永不限制、禁用或减少功能。所有集成必须建立在现有功能之上。 2. **`README` 作为单一事实来源** - `README.md` 定义项目目标和路线图。所有代理决策必须与之保持一致。 3. **代码中无表情符号** - 代码中的表情符号会导致设备和平台之间的编码错误。除非明确要求，否则禁止使用。 4. **自主协作** - 代理必须通过 `mcp comms` 协调，以避免冲突。目标是零人为干预。 5. **模型优先级强制执行** - Gemini Flash 优先，Claude Opus 其次，本地 LLM 作为备用。根据速率限制自动切换。 --- ## 关于作者 MCP Agentic Context 由 **[FatStinkyPanda](https://github.com/FatStinkyPanda)** 创建，是一名机器学习工程师，专长于： - 使用 **PyTorch** 和（偶尔）**TensorFlow** 设计和训练研究 AI 模型 - 从头开始构建整个 **AI 模型架构** - 转换器、自定义注意力机制、新颖的训练范式 - 端到端 ML 研究管道，从数据集管理到训练、评估和部署 该项目源于跨多个并行研究实验加速的需求。跨多个实验分支手动管理代码质量、上下文、内存和代理协调是一个持续的瓶颈。MCP Agentic Context 被构建以完全消除这一开销 - 从 [CaviraOSS 的 OpenMemory](https://github.com/CaviraOSS/OpenMemory) 奠定的基础发展而来，并成长为今天的系统。 虽然它最初是为 ML 研究工作流设计的，但该系统完全是通用目的的，并已证明对 Web 开发、系统编程、数据工程和 AI 代理参与开发过程的任何其他项目同样有效。 > 如果您觉得此项目有帮助，请给它一个星星，并查看我在 [github.com/FatStinkyPanda](https://github.com/FatStinkyPanda) 上的其他作品。 --- ## 许可证 [Creative Commons Attribution 4.0 International (CC BY 4.0)](LICENSE) --- ## 贡献 1. 分叉仓库 2. 运行 `python mcp-agentic-rules/mcp.py index-all` 构建索引 3. 进行更改，并遵循上述强制工作流程 4. 确保 `python mcp-agentic-rules/mcp.py review .` 和 `security .` 通过干净 5. 打开一个包含清晰描述更改内容和原因的拉取请求