关键词

AI智能体上下文管理知识图谱Actor-Critic模型编码助手

项目简介

该项目实现了一个基于 Model Context Protocol (MCP) 的服务器，旨在为AI编码智能体解决上下文丢失、记忆遗忘和长程决策困难等问题。它结合了知识图谱用于持久化和检索信息，以及Actor-Critic模型用于评估和改进智能体的生成（如代码或计划）。

主要功能点

  • 知识图谱管理: 存储智能体的思考节点、代码片段、规划等信息，形成相互关联的图谱结构，支持快速查找和检索。
  • Actor功能 (通过工具暴露): 允许智能体（客户端）创建新的思考节点或生成内容（如代码、计划步骤），并将其记录到知识图谱中。
  • Critic功能 (通过工具暴露): 允许智能体（客户端）请求服务器评估某个Actor节点或生成内容的质量，提供反馈（批准、需要修改、拒绝）及原因。Critic根据预设规则（如检查是否引用文件但未提供Artifacts）进行初步评估。
  • 上下文检索: 提供工具允许客户端获取特定分支的近期上下文（例如最近的思考记录）。
  • 规划导出: 提供工具允许客户端导出知识图谱中的部分或全部规划节点，可按标签过滤。
  • MCP通信: 通过Stdio传输协议与兼容MCP的客户端（如LLM IDE插件、智能体框架）进行通信，接收JSON-RPC请求并返回响应。

安装步骤

由于仓库目前状态为开发中， README尚未提供详细的Quick Start。通常基于Node.js/TypeScript的安装步骤如下：

  1. 克隆仓库：'git clone https://github.com/matsilva/actor-critic-mcp.git'
  2. 进入仓库目录：'cd actor-critic-mcp'
  3. 安装依赖：'npm install' 或 'yarn install'
  4. 构建项目：'npm run build' （如果存在构建脚本）或使用TypeScript编译器 'tsc' 进行编译，将TypeScript文件编译为JavaScript。

服务器配置

本MCP服务器使用Stdio协议进行通信。MCP客户端连接时，需要配置启动该服务器进程的命令及其参数。典型的配置（JSON格式）如下：

{
  "name": "actor-critic-mcp",
  "command": "node",
  "args": ["./dist/index.js"],
  "transport": "stdio"
}
  • 'name': 服务器的名称，客户端用此名称来识别服务能力。
  • 'command': 启动服务器进程的命令。通常是 Node.js 可执行文件路径。
  • 'args': 传递给 'command' 的参数。这里是编译后的服务器入口脚本路径（'./dist/index.js' 是一个常见示例，实际路径取决于项目的构建输出）。
  • 'transport': 使用的传输协议，这里是 'stdio'。

MCP客户端框架会读取此配置，并在需要时启动服务器进程，通过标准输入/输出进行JSON-RPC通信。

基本使用方法

MCP客户端（如LLM应用程序或智能体框架）启动该服务器进程后，可以通过Stdio通道发送符合MCP规范的JSON-RPC请求来调用服务器暴露的工具。例如：

  1. 调用 'actor_think' 工具创建新的思考节点或代码片段。
  2. 调用 'critic_review' 工具请求服务器评估某个节点。
  3. 调用 'resume' 或 'export_plan' 工具获取知识图谱中的上下文信息。

服务器将执行请求的操作，并将结果以JSON-RPC响应的形式返回给客户端。

信息

分类

AI与计算

访问项目