项目简介

Actor–Critic MCP 是一个基于 Model Context Protocol (MCP) 构建的后端服务，旨在解决大型语言模型 (LLM) 驱动的编码代理在长时间会话中遇到的记忆丢失和信用分配问题。它通过集成知识图谱来管理上下文和决策序列，并利用 Actor-Critic 模式自动评审代理的思考和产出，帮助代理维持连贯性和长期目标。

主要功能点

知识图谱记忆: 托管和管理一个知识图谱，存储代理的思考节点、决策、代码文件引用等，提供语义化的检索能力。
Actor-Critic 循环: 实现自动化的思考（Actor）和评审（Critic）流程。Actor 负责生成新的思考或计划，Critic 则根据预设规则和知识图谱评估 Actor 的产出，并提供反馈（批准、需要修改、拒绝）。
项目管理: 支持创建、切换和列出不同的知识图谱项目，方便隔离不同工作空间的上下文。
上下文检索与导出: 提供工具用于获取分支的历史上下文（Resume）或导出知识图谱中的思考节点（Export Plan）。
自动化总结: 可以自动或手动触发对知识图谱分支进行总结，帮助维护对长期工作的概览。
工具接口: 通过标准的 MCP JSON-RPC 接口暴露上述功能，供兼容的 LLM 客户端调用。

安装步骤

前提条件: 确保已安装 Node.js v18+、Python 3.11+ 以及 Python 包管理器 uv。

克隆仓库:

git clone https://github.com/silvabyte/codeloops.git
cd codeloops

安装依赖:
```
npm install
uv sync
```
代理配置: 根据需要在 'agents/critic/agent.py' 和 'agents/summarize/agent.py' 中配置 Critic 和 Summarize 代理（例如，API 密钥）。

服务器配置

此 MCP 服务器通过 Stdio 传输协议与客户端通信。兼容的 MCP 客户端需要配置服务器的启动命令和参数。

典型的 MCP 客户端配置信息如下（请根据实际安装路径调整 'path/to/codeloops'）：

{
  "name": "actor-critic-mcp",
  "command": "npx",
  "args": ["-y", "tsx", "path/to/codeloops/src"]
  // "path/to/codeloops" 应该是您克隆仓库的实际路径
}

客户端连接成功后，可以通过 JSON-RPC 调用服务器暴露的工具，例如 'actor_think', 'critic_review', 'list_projects' 等。

基本使用方法

启动 MCP 客户端并连接到 Actor–Critic MCP 服务器。通过客户端的界面或命令行接口，调用服务器提供的工具来与知识图谱和 Actor-Critic 引擎交互。

例如，使用客户端调用 'actor_think' 工具来记录一个新想法或计划：

// 客户端向服务器发送的 JSON-RPC 请求示例
{
  "jsonrpc": "2.0",
  "method": "actor_think",
  "params": {
    "thought": "考虑实现用户身份验证模块",
    "needsMore": true,
    "tags": ["design", "task"]
  },
  "id": 1
}

或者调用 'list_projects' 查看当前项目列表：

// 客户端向服务器发送的 JSON-RPC 请求示例
{
  "jsonrpc": "2.0",
  "method": "list_projects",
  "params": {},
  "id": 2
}

具体的参数和用法应参考 MCP 客户端的功能以及服务器能力声明（capability declaration）。

注意: 这是一个实验性项目，请谨慎使用，尤其注意监控 API 成本和备份重要数据。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息