agent-supervisor-memory 0.1.2

Local-first MCP tools: workflow routing/spec + keyword memory (JSON) with optional toggles.

agent-supervisor-memory (MCP server)

本目录提供一个 单进程 的 Python MCP server（stdio），默认启用：

• workflow_*: 生成最小化 spec（lite/spike/heavy）+ 路由建议（模型/effort）
• memory_*: 个人记忆（JSON 存储，关键词+tags+key 命名空间检索；无向量数据库/无 embedding）

MCP server ID：agent-supervisor-memory（见 mcp-tools/agent-supervisor-memory/src/agent_supervisor_memory/server.py）。

Quickstart

cd mcp-tools/agent-supervisor-memory
poetry install
poetry run agent-supervisor-memory

默认存储文件：

• Memory：优先使用“最近的祖先目录中已存在的 .codex/”下的 .codex/memory.json；若不存在，则用 <cwd>/.codex/memory.json
• Policy：同理，默认 .codex/agent-policy.json

说明：Poetry 会统一管理虚拟环境与依赖，避免你本机 shell 的 python/pip alias 干扰。

如何引用（MCP client 注册）

不同 MCP client 的配置方式不同，但核心信息通常是：

• command: uvx
• args: ["agent-supervisor-memory", "...flags"]

工具名引用方式是 tool name，例如：memory_search、workflow_route。

参考配置片段（TOML 风格）

如果你的 client 支持类似下面这种配置（你贴的 exa 例子就是这种风格），可以这样写：

[mcp_servers.supervisor_memory]
command = "uvx"
args = ["agent-supervisor-memory"]

说明：

• [mcp_servers.supervisor_memory] 里的 supervisor_memory 是 client 侧别名，你可以随便取（只要不跟别的 server 重名）。
• 是否“唯一”由你的 client 配置决定；PyPI 包名的唯一性是另一层（发布时）。

常用开关

[mcp_servers.supervisor_memory]
command = "uvx"
args = ["agent-supervisor-memory", "--global-memory", "--global-policy"]

关闭某些能力（默认都是启用）：

[mcp_servers.supervisor_memory]
command = "uvx"
args = ["agent-supervisor-memory", "--no-memory", "--no-subagents", "--no-policy"]

高级覆盖（一般不需要）

为兼容少数 client 场景，仍保留路径覆盖参数（优先级最高；不建议作为默认配置）：

agent-supervisor-memory --memory-path /abs/path/to/memory.json --policy-path /abs/path/to/agent-policy.json

每次 tool 调用也可传：

• options.enable_memory: true|false
• options.enable_subagents: true|false

模型与模式（跨模型路由）

本 server 不直接调用模型；它只提供“建议路由”，由你的 Supervisor/Client 负责真正使用什么模型去执行。

• policy_get: 读取策略文件
• workflow_route: 根据任务文本 + mode/effort/auto 给出建议的 supervisor_model/coder_model/effort

默认配置：

• Supervisor：codex-5.2
• Coder：codex-5.1-codex-max
• saving：默认 effort=medium
• efficient：默认 effort=medium

如何确认正在使用（VSCode/其他 client）

• 调用 capabilities_get，查看返回里的 memory.mode / policy.mode（project|global|disabled）以及落盘 path。
• 写入/检索验证：memory_put 写入一条，然后 memory_search 搜索关键字。

VSCode：自动“主/子模型”分工（推荐）

如果你同时启用了：

• mcp__supervisor_memory__*（本 server 的 tools）
• mcp__codex__codex / mcp__codex__codex-reply（Codex MCP）

那么可以在一个 Supervisor 会话里自动启动 Coder 子会话，并显式指定 coder 使用 model=codex-5.1-codex-max（或按策略自动选择）：

1. 生成最小 spec（供 coder 执行）：

• 调用 mcp__supervisor_memory__workflow_ensure_spec（输入你的任务文本）

2. 获取路由建议（选择 coder 模型与 effort）：

• 调用 mcp__supervisor_memory__workflow_route（task_text 传上一步的 spec）

3. 启动 coder 子会话并执行：

• 调用 mcp__codex__codex，并设置：
  • cwd: 项目根目录
  • model: 上一步返回的 coder_model
  • prompt: spec + 约束（例如：只做必要改动、不要跑 build gate、先做最小校验）

4. 迭代直至完成：

• 用 mcp__codex__codex-reply（conversationId 为上一步返回）继续

如果 mcp__codex__codex 超时/返回类型不兼容

部分环境下，Codex MCP tool 可能会遇到 tool-call 超时（例如 60s）或 “Unexpected response type”。 此时可以改用本 server 自带的 dispatch 工具：它会在本机启动 codex exec 作为后台任务，并通过轮询查询结果。

流程：

1. 启动任务（立即返回 job_id）：

• 调用 codex_dispatch_start（model 用 workflow_route 返回的 coder_model；cwd 为项目根目录；prompt 传 spec）

2. 轮询结果：

• 调用 codex_dispatch_status(job_id=...) 直到 meta.status 变为 completed|failed
• 成功时 last_message 会包含 codex 的最终输出（同时 job_dir 下会保留 stdout.jsonl/stderr.log）

Tools

• capabilities_get
• policy_get
• memory_put
• memory_search
• memory_delete
• memory_compact（生成 profile.json，把“杂乱记忆”压缩为分类摘要）
• workflow_ensure_spec
• workflow_route
• subagents_echo（示例）
• codex_dispatch_start（启动 codex exec 后台任务）
• codex_dispatch_status（轮询任务状态/输出）

发布到 PyPI（维护者）

PyPI 不允许覆盖已发布的同版本号，所以每次发布前都需要 bump version。

cd mcp-tools/agent-supervisor-memory

# 1) bump version（示例：0.1.0 -> 0.1.1）
poetry version patch

# 2) build
poetry build

# 3) publish（推荐用 token）
poetry publish -u __token__ -p "$PYPI_TOKEN"

可选：发布到 TestPyPI（先验证安装/依赖/元数据）：

poetry config repositories.testpypi https://test.pypi.org/legacy/
poetry publish -r testpypi -u __token__ -p "$TESTPYPI_TOKEN"