FatStinkyPanda/mcp-agentic-context
GitHub: FatStinkyPanda/mcp-agentic-context
即插即用的 AI agent 增强工具包，为编程助手提供语义代码搜索、持久记忆、多代理协作及自动化质量门控等能力。
Stars: 0 | Forks: 0
# MCP Agentic Context（前身为 MCP Global Rules）
[](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)** -
蓝图完整版：100并发代理规模蓝图的所有20项内容均已
发布。新增：swarm reconciler —— 一个电平触发的 GitHub Action，每10分钟重新播种可认领的
issue 并对竞争性评论族去重，清理崩溃代理
遗留的内容。有了它，完整的闭环得以确立：自更新安装（在会话开始时通知，
默认开启自动更新，备份+自验证+回滚），原子性的跨机器 issue 检出，
集群自分配（`work next`），带有自动合并的门控 PR 合并，
针对同设备集群的 worktree 席位，经过每次提交多进程 swarm 和
每晚100代理压力测试证明的隔离原子原语 —— 以及 v2.0 产品线：多语言语义搜索（25+种语言），
增量自动刷新索引，常驻 daemon，适用于
Claude Code/Cursor/Codex 的原生 Model Context Protocol 服务器，以及项目级 memory。
完整详情请查阅 [CHANGELOG](CHANGELOG.md)。
MCP Agentic Context 是一个即插即用的 AI agent 增强系统，可安装到任何项目中，并为在其上工作的每一个 AI agent 提供一套共享的工具、memory、代码分析、安全扫描、自主开发工作流以及强制执行的质量门控。
配备了**动态上下文预算与语言缩放**、**双层宏观代码库依赖图**、**抢占式自愈后台 Daemon** 以及**向量化活动账本**，旨在赋予 AI agent 几乎无限的上下文能力和抢占式的开发者保障。它完全离线工作，仅需要 Python 3.8+。
MCP Agentic Context 最初是作为 [OpenMemory](https://github.com/CaviraOSS/OpenMemory)
（由 [CaviraOSS](https://github.com/CaviraOSS) 开发）之上的一层，其为 LLM
应用提供的本地持久化 memory 存储构成了最初的基础。它已经远远超越了那个起点 ——
跨越25+种语言的语义代码搜索、增量索引引擎、代码分析和质量
门控、常驻服务 daemon、原生 MCP 服务器以及自主开发工作流 ——
以至于现在的代码库与最初的 fork 相比已经面目全非。在此感谢 CaviraOSS 提供
成就这一切的基石。
它最初是为了加速 ML 研究和实验工作流而构建的，现在已经成长为一个强大的、通用的工具，同样适用于任何类型的软件项目。
## 保持最新
安装的副本会自动与最新的 GitHub 版本保持同步：
```
python mcp-agentic-rules/mcp.py update --check # newer release available? (cached 24h)
python mcp-agentic-rules/mcp.py update # download + backup + verify + rollback-on-failure
python mcp-agentic-rules/mcp.py update --status # versions + auto-update config
```
会话启动命令（`state`、`autocontext`、`doctor`、`collab_status` MCP 工具）
在存在更新版本时会打印一行 `[UPDATE]` 通知 —— 这样在
你项目中工作的 AI agent 就能在它们经常关注的地方看到更新。**默认启用自动更新**
（使用 `update --disable-auto` 退出）：该通知授权 agent 自行
应用更新。每次更新都会备份当前的安装，覆盖新版本，并
确保新引擎在废弃的 store 中通过其自带的60项检查自测才会被接受 ——
任何失败都会自动回滚。Junction/symlink 安装会更新规范目标，随后会刷新 MCP git hooks。
## 这是什么？
当 AI agent（Claude、Gemini、GPT-4、本地 LLM 等）在安装了 MCP Agentic Context 的项目上工作时，它将获得以下权限：
- 跨会话的**持久化 memory** - agent 会记住决策、文件位置和已学习的模式
- **语义代码搜索** - 根据含义而非仅靠关键字查找相关代码
- **自动化代码审查** - 在提交时通过 git hooks 强制执行质量检查
- **安全审计** - 在每次 push 之前扫描密钥、漏洞和注入风险
- **Bug 预测** - 通过 AI 驱动的分析在问题发布前将其捕获
- **一等公民的多代理协作** - 在一个项目上支持多达100个并发代理
（通过 worktree 席位在同一设备上，或跨机器）：隔离的租约、声明、共享
日志、原子性检出的 GitHub issues 以及通过门控 pull requests 合并的代码 ——
所有这些都在每次提交时通过真实的多进程 swarm 进行了端到端验证
- **离线优先的核心** - 每个核心工具仅使用标准库，并且无需互联网即可运行；可选的加速器（sentence-transformers、faiss-cpu、tree-sitter grammars、numpy、watchdog）从 PyPI 安装，随后会被缓存以供离线使用
## 快速安装
### Windows (PowerShell)
```
# From your project root:
.\mcp-agentic-rules\install.ps1 -Pack Web_Dev
```
### Linux / Mac
```
# From your project root:
./mcp-agentic-rules/install.sh --pack Web_Dev
```
### 手动安装
```
# 1. Copy mcp-agentic-rules into your project root
cp -r /path/to/mcp-agentic-rules ./mcp-agentic-rules
# 2. Initialize git if needed
git init
# 3. Install hooks manually
cp mcp-agentic-rules/.git-hooks/* .git/hooks/
chmod +x .git/hooks/*
# 4. Create data directory
mkdir -p .mcp
# 5. Wire agent discovery (CLAUDE.md + AGENTS.md sections, .mcp.json server)
python mcp-agentic-rules/mcp.py integrate
# 6. Build initial indexes
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` | 阻止带有严重问题的提交 |
| `.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 + 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` | 供 AI agent 快速参考 |
| `CLAUDE.md` / `AGENTS.md` 段落 | 由 `integrate` 追加的带有标记分隔符的使用触发器，以便 Claude Code、Cursor、Codex 等能自动发现这些工具 |
| `.mcp.json` | 原生 MCP 服务器注册（`agentic-context`，由 `integrate` 生成） |
## 环境要求
- **Python 3.8+**（推荐 3.11+ 以完全支持 vendor 软件包）
- **Git**（用于 hooks 和历史索引）
- 核心工具不需要其他依赖项 —— 核心脚本仅使用 Python 标准库
- 可选：`vendor/python-packages-py311/` 中捆绑的 vendor wheels，用于增强分析功能
## 命令参考（76条命令）
在您的**项目根目录**下运行所有命令：
```
python mcp-agentic-rules/mcp.py [args]
```
### 上下文与搜索
| 命令 | 描述 |
|---------|-------------|
| `autocontext [--budget N]` | 自动加载所有相关上下文，严格受限于预算 |
| `context "query"` | 获取针对特定主题的上下文 |
| `search "query"` | 根据含义进行语义代码搜索（在运行时使用常驻 daemon） |
| `find "name"` | 通过自然语言查找文件和组件 |
| `skeleton [path] [--budget N]` | 仅查看文件或目录的签名 |
| `state [--set-goal/--add-task/--done N/--note]` | 共享的项目目标、任务和笔记 |
### AI Memory
memory 默认作用于当前项目；全局 memory 在
所有地方均可见。在引入作用域之前创建的遗留 memory 将保持全局状态。
| 命令 | 描述 |
|---------|-------------|
| `remember "key" "value" [--global]` | 存储持久化的知识项 |
| `recall "query" [--all-projects]` | 搜索当前项目的和全局的 memory |
| `forget "key"` | 移除一个 memory 项 |
| `learn [--patterns]` | 查看并强化已学习的模式 |
### 代码质量
| 命令 | 描述 |
|---------|-------------|
| `review [path] [--strict]` | 完整的自动化代码审查 |
| `docs [path] [--write]` | 生成或检查 docstring |
| `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（门控要求：>50%） |
### 分析
| 命令 | 描述 |
|---------|-------------|
| `security [path]` | 安全审计 —— 密钥、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 Bug 预测 |
| `risk-score` | 计算暂存更改的风险评分 |
| `impact [file]` | 确定文件更改会导致哪些内容损坏 |
### 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 embedding，已删除的文件会被剔除） |
| `index [--full]` | 重建语义索引；--full 强制对所有内容重新进行 embedding |
| `git-history [file]` | 索引并查询 git 提交历史 |
| `todos` | 按优先级列出所有 TODO/FIXME 项 |
| `test-coverage` | 从 pytest 索引覆盖率数据 |
| `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 测试桩 |
| `test-gen [file] --impl` | 生成完整的测试实现 |
| `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]` | 常驻 Daemon：模型和索引保持加载状态，以毫秒级的速度响应搜索答案 |
| `mcp-serve` | 通过 stdio 为 MCP 客户端（Claude Code、Cursor）提供 Model Context Protocol 服务器 |
| `summarize [--output FILE]` | 生成代码库摘要 |
| `changelog` | 从 git 历史自动生成 changelog |
### 多代理协调
| 命令 | 描述 |
|---------|-------------|
| `comms status` | 检查对等代理的存在 |
| `comms send "msg"` | 向对等代理发送任务或消息 |
| `comms listen` | 轮询来自对等方的消息 |
| `comms heartbeat "status" "detail"` | 更新您的代理状态 |
| `comms collaborate` | 进入自主的来回交互循环 |
| `model status` | 检查当前 AI 模型分配 |
| `model switch` | 切换到下一个优先级的模型 |
### CI/CD
| 命令 | 描述 |
|---------|-------------|
| `github-action` | 生成 GitHub Actions 工作流 |
| `pipeline [--gitlab]` | 生成 CI/CD 流水线配置 |
### 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 ` | 设置虚拟环境并安装包依赖 |
### 设置
| 命令 | 描述 |
|---------|-------------|
| `setup --all` | 完整设置（hooks、profile、索引） |
| `setup --hooks` | 仅安装 git hooks |
| `setup --profile` | 安装 shell profile 别名 |
| `record action "..."` | 将操作记录到 MCP 日志 |
## AI 代理触发命令
有两个特殊的触发词可以激活预定义的自主工作流：
### `dev` - 自主开发模式
当您对 AI 代理说 **“dev”** 时，它会：
1. 自动查找并加载 MCP 工具
2. 读取作为唯一事实来源的 `README.md`
3. 运行 `autocontext` `recall "project"`
4. 通过 `todos` 确定下一个优先级任务
5. **自主实施** - 无需人工干预
6. 遵循质量门控，增量提交进度
### `go` - 上下文 + 建议模式
当您对 AI 代理说 **“go”** 时，它会：
1. 加载上下文并读取 `README.md`
2. 通过 `todos` 识别任务和差距
3. **停下来并展示发现** - 不会进行任何修改
4. 列出建议的后续步骤及其优先级和复杂性评估
5. 等待您的明确指示
## 强制执行的质量门控
Git hooks 会自动阻止未通过质量标准的操作：
| Hook | 触发条件 | 阻断条件 |
|------|---------|-----------|
| `pre-commit` | 每次提交 | 严重安全问题、代码审查错误 |
| `pre-push` | 每次 push | 文档覆盖率 < 50%、架构违规 |
| `commit-msg` | 每次提交 | 不适用 - 仅丰富上下文 |
| `post-commit` | 每次提交 | 不适用 - 更新学习和索引 |
| `post-checkout` | 分支切换 | 不适用 - 预热上下文 |
| `post-merge` | 合并后 | 不适用 - 重新索引 |
## 强制性的 AI 代理工作流
在启用了 MCP 的项目中工作的 AI 代理必须遵循此工作流：
### 进行更改前
```
python mcp-agentic-rules/mcp.py autocontext # Load context
python mcp-agentic-rules/mcp.py recall "topic" # Check memory
python mcp-agentic-rules/mcp.py find "component" # Find related files
python mcp-agentic-rules/mcp.py impact file.py # What could break?
python mcp-agentic-rules/mcp.py predict-bugs file.py # Bug prediction
```
### 开发过程中
```
python mcp-agentic-rules/mcp.py docs src/ --write # Add docstrings
python mcp-agentic-rules/mcp.py fix src/ # Auto-fix issues
python mcp-agentic-rules/mcp.py review src/ # Continuous review
```
### 提交前
```
python mcp-agentic-rules/mcp.py review src/ --strict # Full review
python mcp-agentic-rules/mcp.py security src/ # Security audit
python mcp-agentic-rules/mcp.py deadcode src/ # Remove unused code
python mcp-agentic-rules/mcp.py coverage src/ # Check doc coverage
```
### 推送前
```
python mcp-agentic-rules/mcp.py architecture src/ # Validate structure
python mcp-agentic-rules/mcp.py profile src/ # Check complexity
python mcp-agentic-rules/mcp.py summarize --output SUMMARY.md # Update context
```
### 记录决策
```
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 代理进行协作 —— 通过 `comms` 系统跨机器协作，以及
**通过 `collab` 在同一项目上同时协作**（租约 + 声明 + 日志）：
阻止并发代理会话发生冲突的原语，已经过运行
多个针对同一 Unreal Engine 项目的 Claude 会话的实战检验。
### 同一项目协作（`collab`）
```
# JOIN THE TEAM in one command: binds THIS workdir to your call-sign (a SEAT),
# verifies the engine end-to-end, and prints who is doing what.
python mcp-agentic-rules/mcp.py collab join forge
# More agents on the SAME device? Provision each its own git-worktree seat:
python mcp-agentic-rules/mcp.py collab seat new ember # ../-ember, pre-seated
# THE one view: active agents (+ workdirs), exclusive leases, claims, checked-out
# issues + conflict radar, journal tail
python mcp-agentic-rules/mcp.py collab status --project myproj --as forge
# Exclusive FENCED lease on a contended resource (an editor seat, build rights,
# the git-commit window). Atomic O_EXCL; re-entrant for the owner; STALE and even
# CORRUPT leases auto-break so a crashed session never deadlocks the team.
# Acquiring prints fence=N — before any irreversible action, prove you still hold
# THAT incarnation (a paused/zombie agent can never silently keep writing):
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
# Advisory ownership of source areas (no conflicting authorship)
python mcp-agentic-rules/mcp.py collab claim add creatures "src/creatures/*" --as forge
# GitHub-native work checkout: the unit of work is a GitHub issue, checked out
# like a lease (gh-backed; degrades with a clear error when gh/network is absent)
python mcp-agentic-rules/mcp.py collab work list # open issues + who holds what
python mcp-agentic-rules/mcp.py collab work start 7 --as forge # assign + label + claim + journal
python mcp-agentic-rules/mcp.py collab work tick 7 2 --as forge # tick task-list checkbox 2
python mcp-agentic-rules/mcp.py collab work done 7 --pr # or close it; releases everything
python mcp-agentic-rules/mcp.py collab work drop 7 --as forge # un-checkout without finishing
# The team radio: log what you do; tail it at EVERY loop start
python mcp-agentic-rules/mcp.py collab journal log intent --data '{"text":"refactor auth"}'
python mcp-agentic-rules/mcp.py collab journal tail 20
# Onboarding an additional agent? It runs:
python mcp-agentic-rules/mcp.py collab onboard # prints the full join-the-team procedure
python mcp-agentic-rules/mcp.py collab selftest # 60-check engine verification (throwaway store)
# PROVE the concurrency story: N real OS processes hammering one store —
# lease mutual exclusion, fencing under forced expiry, journal exactly-once,
# claim CAS, checkout single-winner. Runs per-push (hooks), per-commit (CI,
# 16 processes) and nightly at 100 agents.
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 `identity()` 在 hostname 回退之前解析的
席位文件（`.mcp/seat.json`）绑定 —— 因此一台笔记本电脑上的十个
会话永远不会悄无声息地合并为一个身份。对已占用身份的跨工作目录使用在
租约/声明/工作层将被拒绝（这是结构性强制，而非
仅仅是礼仪），并且心跳检测可以识别两种冲突形态（来自两个工作目录的
同一身份；同一工作目录中的两个并发会话）。store 是纯文件，位于
`~/.mcp/nsync/.nsync_agents/collab//` 下 —— 任何工具都可以
与之交互，MCP 服务器将其公开为
`collab_status` / `collab_lease` / `collab_journal` / `collab_message` /
`collab_claim` / `collab_work` 工具。代码项目推荐的租约规则：一个实时的
工具/编辑器席位（其持有者是 *pilot*），`rebuild`，`git-commit`（在
rebase+push 期间持有），`bench`。
**原子性保证**（所有保证均已通过每次提交时的 `selftest` + `swarmtest` 证明）：每次
store 写入都是 O_EXCL 创建、原子性的临时文件+重命名替换，或重命名为唯一
墓碑的提取 —— 读取者永远不会看到部分的 JSON，只有一个竞争者能赢得任何 CAS，并且
移除操作会验证它们移除的内容（如果不匹配则恢复）。租约带有单调递增的**fence
number**（Kleppmann 风格）以及配套的高水位标记，因此丢失了
租约的僵尸持有者在结构上无法在破坏性行为之前通过 `lease valid` 验证。陈旧的
状态会自愈：一个清洁工（通过其自身的租约选举产生）会按次限制
回收失效的存在、孤立的声明、被遗弃的检出以及
散落的临时文件。
**GitHub 原生检出（`collab work`）：** `work start` 首先赢得一个跨机器的 ATOMIC 声明 ——
移除 issue 的 `state:available` 标签是 GitHub 的一种获胜者机制，因此
即使每个代理共享同一个 GitHub 账号，也只有一台机器能检出 issue ——
然后分配 issue，为其打上 `in-progress` + `agent:` 标签，创建匹配的
声明（从 issue 正文中提取文件路径；issue URL 放在备注中），在
store 中记录检出，并将 `work.start` 写入日志。`work verify` 会在
循环开始时 / 推送前重新确认检出，并自动丢弃丢失的检出（两台机器永远无法
完成同一个 issue）；`work drop` 会归还标签。`collab status` 显示每个代理检出的
issue，并且 CONFLICT RADAR 会在两个检出的路径集发生交集时发出警告。两个 GitHub Actions 完成了闭环：
`agent-issue-impact` 在 issue 被分配或标记为 `in-progress` 时触发，并发布一条
自动更新的评论，包含该 issue 涉及文件的影响（导入者、传递性
依赖者、受影响的测试 —— 由该包自身的 `impact` 引擎计算）以及其他进行中 issue 的重叠
雷达；`agent-pr-impact` 对每一个 PR diff 执行相同的操作。
### 跨机器协调（`comms`）
```
# 1. Check if peer is active before starting
python mcp-agentic-rules/mcp.py comms status
# 2. Announce your work
python mcp-agentic-rules/mcp.py comms heartbeat "active" "starting auth refactor"
# 3. Delegate a task to a peer
python mcp-agentic-rules/mcp.py comms send wizardpanda task "Run security scan on api/"
# 4. Listen for results
python mcp-agentic-rules/mcp.py comms listen
# 5. Enter autonomous back-and-forth loop
python mcp-agentic-rules/mcp.py comms collaborate
```
### 模型优先级强制执行
代理必须按此顺序使用模型：
1. **Gemini Flash** - 主要模型，所有任务的默认选择
2. **Claude Opus** - 次要模型，用于复杂推理
3. **本地 LLM** - 备用方案，零依赖运行
使用 `python mcp-agentic-rules/mcp.py model status` 进行验证，并使用 `model switch` 进行更改。
## NSync：远程执行工作流
对于需要在远程机器上运行的任务（例如，WizardPanda / Raspberry Pi）：
```
# Initialize a new project for remote sync
python mcp-agentic-rules/mcp.py nsync init-project my_project
# Watch for changes and sync automatically
python mcp-agentic-rules/mcp.py watch .
# Run a script on the remote machine
python mcp-agentic-rules/mcp.py nsync run my_project/main.py
```
## 依赖项与 Vendor 包
### 核心脚本（无需安装）
所有53个 Python 脚本均**仅使用标准库** —— 即 Python 3.8+ 标准库。核心功能零外部依赖。
### 捆绑的 Vendor Wheels（离线优先）
位于 `vendor/python-packages-py311/` 下 —— 无需互联网即可安装：
```
pip install --no-index --find-links=vendor/python-packages-py311 pylint flake8 black mypy bandit pytest
```
主要捆绑的包：
| 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/ # This repository
├── README.md # You are here
├── CLAUDE.md / AGENTS.md # Agent workflow guidance (auto-discovered)
├── AI_AGENT_MCP.md # Quick reference for AI agents
├── .mcp.json # Native MCP server registration
├── .github/workflows/ci.yml # Lint + test suite on Linux and Windows
├── docs/ # Design notes and setup guides
├── project_packs/ # Optional per-domain environment packs
└── mcp-agentic-rules/ # THE package - copy this into projects
```
包本身：
```
mcp-agentic-rules/
├── mcp.py # Main entry point (run this)
├── install.ps1 # Windows one-command installer
├── install.sh # Linux/Mac one-command installer
├── global_rules.md # Full AI agent rules (add to agent instructions)
├── AI_AGENT_INSTRUCTIONS.md # Concise enforced workflow reference
├── DEPENDENCIES.md # Full dependency documentation
├── scripts/ # 72 Python tool modules
│ ├── autocontext.py # Context auto-loader
│ ├── memory.py # Persistent AI memory
│ ├── review.py # Code review automation
│ ├── security.py # Security auditing
│ ├── predict.py # Bug prediction
│ ├── impact.py # Change impact analysis
│ ├── vector_store.py # Semantic search embeddings
│ ├── agent_comms.py # Multi-agent coordination
│ ├── nsync.py # Remote sync and execution
│ ├── auto_test.py # Test generation
│ ├── index_all.py # Full index rebuild
│ ├── serve.py # Warm daemon (instant search/recall)
│ ├── mcp_server.py # Model Context Protocol server (stdio)
│ ├── skeleton.py # Signature-only views
│ ├── project_state.py # Shared goals/tasks/notes
│ ├── js_toolchain.py # eslint/tsc/pnpm-audit bridge
│ ├── call_graph.py # Call graph relationships
│ ├── hybrid_graph.py # Multi-dimensional knowledge graph
│ ├── predict_context.py # Task-based context prediction
│ ├── auto_heal.py # Error analysis and lessons learned
│ └── ... # 52 more tools
├── .git-hooks/ # 6 enforceable git hooks
│ ├── pre-commit
│ ├── post-commit
│ ├── commit-msg
│ ├── pre-push
│ ├── post-checkout
│ └── post-merge
├── vendor/ # Optional offline packages
│ ├── python-packages-py311/ # Place wheels here for air-gapped installs (not bundled)
│ └── mcp-servers/ # MCP server configs
└── config/ # Configuration templates
```
## 核心原则
这些原则由系统强制执行，所有代理都必须遵守：
1. **正确修复，绝不禁用** - 始终彻底修复问题。绝不限制、禁用或削弱功能。所有集成必须建立在已有功能的基础之上。
2. **README 是唯一事实来源** - `README.md` 定义了项目目标和路线图。所有代理决策必须与其保持一致。
3. **代码中禁止使用 Emoji** - 源代码中的 emoji 会导致跨设备和平台的编码错误。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` 进行协调以避免冲突。目标是实现零人工干预。
5. **模型优先级强制执行** - 首选 Gemini Flash，次选 Claude Opus，本地 LLM 作为备用。在触发速率限制时自动切换。
## 关于作者
MCP Agentic Context 由 **[FatStinkyPanda](https://github.com/FatStinkyPanda)** 创建，他是一名机器学习工程师，专攻：
- 使用 **PyTorch** 和（偶尔使用）**TensorFlow** 设计和训练研究型 AI 模型
- **从零开始构建完整的 AI 模型架构** - transformers、自定义注意力机制、新颖的训练范式
- 端到端的 ML 研究流水线，从数据集管理到训练、评估和部署
这个项目诞生于在许多并行的实验中加快速度的需求。手工管理
数十个实验分支的代码质量、上下文、memory 和代理协调
是一个持续的瓶颈。构建 MCP Agentic Context 就是为了彻底消除这种开销 —— 它始于 [CaviraOSS's OpenMemory](https://github.com/CaviraOSS/OpenMemory) 奠定的
基础，并发展成了今天的系统。
虽然它在设计时考虑到了 ML 研究工作流，但该系统完全通用，并且已被证明在 Web 开发、系统编程、数据工程以及任何其他由 AI 代理参与开发的项目中同样有效。
## 许可证
[Creative Commons Attribution 4.0 International (CC BY 4.0)](LICENSE)
## 贡献
1. Fork 该仓库
2. 运行 `python mcp-agentic-rules/mcp.py index-all` 构建索引
3. 按照上述强制性工作流进行修改
4. 确保 `python mcp-agentic-rules/mcp.py review .` 和 `security .` 均能顺利通过
5. 提交一个 pull request，清晰描述更改的内容和原因
标签：MCP, SOC Prime, 代码质量门禁, 开发工具, 服务器监控, 语义代码搜索, 逆向工具