agent-supervisor-memory 0.2.26

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）。

代码结构（便于加载更小的上下文）：

• server.py: wiring（组合 config + services + tools）
• config.py: env/flag 解析（主前缀 AGENT_SUPERVISOR_MEMORY_*，MCP_* 兼容回退）
• services/: dispatch.py / memory_store.py / policy.py / workflow_spec.py
• tools/: core.py / dispatch.py / memory.py / workflow.py
• utils/: env/fs/text helpers（路径推断、tail 截断、verbosity 归一化）

Quickstart

cd mcp-tools/agent-supervisor-memory
poetry install
poetry run agent-supervisor-memory --dispatch-dir "$HOME/.codex/codex-dispatch"

环境变量（优先顺序）：

• 主前缀：AGENT_SUPERVISOR_MEMORY_*（如 DISPATCH_DIR / MEMORY_PATH / POLICY_PATH / ENABLED / MEMORY_MAX / VERBOSE / VERBOSITY）
• 兼容回退：MCP_* 路径/开关 和 SUPERVISOR_MEMORY_* 只读 verbosity（便于老配置继续工作）

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
• Dispatch：--dispatch-dir 指定一个 base 目录，server 会按项目自动分桶：
  • <dispatch-dir>/<project_bucket>/<job_id>/{meta.json,stdout.jsonl,stderr.log,last_message.txt}
  • project_bucket 会尽量从 codex_dispatch_start(cwd=...) 的 cwd 向上推断（优先 .codex/，其次 .git/），并用 hash 保证稳定且不会太长
  • job_id 形如 <project_bucket>--<uuid>

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", "--dispatch-dir", "/ABS/PATH/TO/.codex/codex-dispatch"]
# 或仅配置 env：AGENT_SUPERVISOR_MEMORY_DISPATCH_DIR=/ABS/... （MCP_DISPATCH_DIR 仍兼容）

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", "--dispatch-dir", "/ABS/PATH/TO/.codex/codex-dispatch", "--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", "--dispatch-dir", "/ABS/PATH/TO/.codex/codex-dispatch", "--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 --dispatch-dir /abs/path/to/codex-dispatch --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：gpt-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=gpt-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（内部记录 job_id，可按需返回）：

• 调用 codex_dispatch_start（model 用 workflow_route 返回的 coder_model；cwd 为项目根目录；prompt 传 spec）
• 默认 异步：返回 {state:\"running\", job_id, job_ref}（job_ref 为本进程内短句柄）；如需 job 目录等完整字段，请传 options={\"verbosity\":\"full\"}。
• 如需进一步缩短返回：传 options={\"omit_job_id\":true}（仅保留 job_ref）；如需路径 artifacts：传 options={\"include_artifacts\":true}。
• 如需“阻塞等待”一小段时间：传 options={\"wait\":true,\"max_wait_seconds\":45}（到点仍在运行则返回 state:\"running\"，避免 tool-call 60s 超时）。
• 为避免大 prompt 导致 UI/context 膨胀：用 prompt_path=\"/abs/path/to/spec.txt\"（或 options={\"prompt_path\":\"...\"}）替代直接传 prompt。
• 如项目根目录存在 .codex/structured-request.json，可用 options={\"use_project_prompt\":true} 让 server 自动读取作为 prompt（避免在参数里携带文本）。

2. 轮询结果：

• 调用 codex_dispatch_status(job_id=... 可省略) 直到 state 变为 completed|failed（默认仅回传最小字段）
• 默认输出最小化：运行/完成返回 {state, message}（message 为提取后的“最后一条用户可读消息”，非原始 JSONL）；失败返回 {state:'failed', exit_code?, message}（message 优先 stderr 摘要）；未找到返回 {state:'not_found'}。默认不会返回 job_id / meta / artifacts / last_message；若需原始 JSONL/full meta，请用 options={\"verbosity\":\"full\"}。
• 默认 tail 读取约 2KB 的 stdout/stderr（可通过 stdout_tail_bytes/stderr_tail_bytes 调整）；需要完整日志时，请使用 full 模式。
• job_id 参数可选：缺省时自动使用 server 进程内记录的上一次 codex_dispatch_start job；也可用 job_ref（短句柄）替代 job_id。
• 增量轮询（推荐，减少重复 tail）：传 stdout_cursor/stderr_cursor（首次传 0），并设置 stdout_tail_bytes/stderr_tail_bytes 作为“本次最多返回的新增字节”；响应会附带 cursor={stdout,stderr} 与 stdout_delta/stderr_delta（如有新增）。
• 默认增量轮询只回 {state,cursor,has_*_delta,*_delta_len}；如需实际文本，传 options={\"include_deltas\":true,\"delta_max_chars\":1200}。
• 如需原始/完整响应（含 meta/artifacts/last_message 等），请传 options={\"verbosity\":\"full\"} 或 options={\"verbose\":true}，或在启动 server 时设置 AGENT_SUPERVISOR_MEMORY_VERBOSE=1（或 AGENT_SUPERVISOR_MEMORY_VERBOSITY=full，兼容 SUPERVISOR_MEMORY_*）。
• 批量等待：codex_dispatch_wait_all(job_ids? , options?) 默认 summary-only（只返回 {state, counts} 并跳过 stdout/stderr tail）；若需 jobs 详情/last_message/artifacts，传 options={\"summary_only\":false}；若需附带问题 job_id 列表，传 options={\"include_problem_job_ids\":true}。
• 取消任务：codex_dispatch_cancel(job_id|job_ref) 会发送 SIGTERM 并标记 cancel requested；任务退出后状态会变为 canceled|failed|completed。
• 事件级增量（推荐，最省 context）：codex_dispatch_events(job_id|job_ref, cursor=0) 返回解析后的 stdout.jsonl events（默认已过滤噪声并压缩 text），并用 cursor 增量拉取；如需原始事件对象，传 options={\"raw\":true}。

Tools

• capabilities_get
• health_get（快速健康检查，无磁盘 I/O）
• 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）
• codex_dispatch_cancel（取消后台任务）
• codex_dispatch_events（增量读取 stdout.jsonl events）

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) release helper（bump patch + build + publish + 清理 uv/uvx 缓存）
chmod +x scripts/bump_patch_and_clear_uv_cache.sh # 一次即可
./scripts/bump_patch_and_clear_uv_cache.sh [--dry-run] [--verbose] [--testpypi]
# token：优先用 Poetry 配置（如 `poetry config pypi-token.pypi ...`）；也可用环境变量覆盖：`PYPI_TOKEN` / `TESTPYPI_TOKEN`