ACE - Agentic Context Engine 使用说明

项目简介

ACE是一个基于Model Context Protocol (MCP) 规范构建的上下文引擎服务器，支持高效的代码和记忆检索、上下文管理及动态提示生成。它能托管多种资源和工具，允许大型语言模型（LLM）客户端通过标准接口调用，实现智能记忆存储、检索和上下文增强。ACE采用多种检索技术，包括向量搜索、BM25、交叉编码重排序和HyDE假设文档扩展，确保查询结果的精准和多样性。

主要功能点

统一记忆管理：支持用户偏好、任务策略和项目特定记忆的存储与检索，隔离不同上下文。
混合检索引擎：结合向量搜索、BM25稀疏搜索、多查询扩展及递归秩融合（RRF），支持高精度召回。
交叉编码排序：内嵌交叉编码reranker，提升检索结果的相关性排序。
HyDE假设扩展：针对模糊或隐含查询自动生成假设文档，提高召回与泛化能力。
多传输协议支持：支持STDIO、SSE、WebSocket等多种传输方式，方便集成到不同客户端。
工作区自动识别与注册：无需复杂配置，自动侦测和索引工作区，支持动态环境适配。
轻量级易部署：支持Docker运行Qdrant向量数据库，及Python环境安装，灵活适配本地及云端部署。
高性能检索：多个测试证明召回率达到95%以上，响应时间快速。

安装步骤

安装Python 3.11及以上版本。
安装Docker，用于运行Qdrant向量数据库。

使用以下命令安装ACE框架：

pip install ace-framework

运行脚本启动并配置Qdrant容器，或者手动安装Qdrant：

docker run -p 6333:6333 qdrant/qdrant

配置API密钥（如OpenAI、Z.ai、Voyage AI等）于项目根目录下的'.env'文件中。
启动MCP服务器：

ACE提供'ace_mcp_server.py'作为MCP协议服务器主入口。

MCP服务器配置示例（JSON格式）

{
  "mcp": {
    "servers": {
      "ace": {
        "command": "python3",
        "args": ["path/to/ace_mcp_server.py"]
      }
    }
  }
}

command：Python解释器执行路径
args：ACE MCP服务器脚本的完整路径

请将'path/to/ace_mcp_server.py'替换为实际存放路径。

基本使用方法

启动ACE MCP服务器，使其在本地监听MCP客户端的请求。
在支持MCP协议的IDE、编辑器或应用（如VS Code Copilot、Claude Desktop、Cursor等）中，配置连接信息（参考上方JSON示例），启动客户端。
使用工具调用接口，例如：
- ace_retrieve：检索相关上下文或记忆
- ace_store：存储偏好、修正或任务策略
- ace_enhance_prompt：对用户提示进行结构化、增强
- ace_onboard：工作区自动注册与代码索引
ACE自动管理会话状态、多命名空间隔离、上下文融合，助力智能问答和代码辅助等场景。

更多详细文档与使用指导，请访问项目的README和MCP集成说明。

ACE - Agentic Context Engine