MCP Smart Context：为AI构建类人认知记忆架构

MCP Smart Context项目提出了基于三层记忆层级结构的AI认知记忆架构，旨在解决传统朴素RAG方法在复杂工作流和多轮对话中的局限性。该架构模拟人类认知机制，实现持久化工作空间、智能令牌预算管理和自主知识库维护，推动AI从被动信息检索向主动认知管理转变。

在LLM快速发展的今天，传统朴素RAG方法（碎片化文档切分+向量搜索）面对复杂开发工作流和多轮对话时力不从心。其核心问题在于无法有效管理上下文信息，导致认知资源浪费和关键信息丢失，制约了AI代理的实用性。

第一层：工作记忆（L1 Working Memory）

• 严格令牌预算控制：根据IDE配置强制执行最大令牌限制
• 语义压缩机制：接近预算时自动剥离实现细节，保留函数签名和接口
• 上下文快照：支持保存/恢复当前心理状态，实现任务切换

第二层：短期记忆管理（L2 Short-Term Memory）

• 启发式评分系统：基于语义距离和时间衰减计算驱逐分数
• 人机协作确认：驱逐弱关联上下文时提示用户确认

第三层：长期记忆（L3 Long-Term Memory）

• AI知识维基：自主生成维护Obsidian风格知识库
• 双层AST索引器：使用tree-sitter构建轻量级符号映射

感知与发现工具

• index_workspace：扫描根目录索引AST结构
• search_in_files：支持Glob和正则的搜索接口
• read_ast_index：无需加载完整文件扫描架构
• search_wiki/read_article：检索长期记忆库

注意力与上下文管理工具

• view_file/read_chunk：拉入特定信息到工作记忆
• pin_context/unpin_context：管理关键文件持久性
• drop_context：手动清除内存文件

元认知与工作空间控制工具

• compact_context：强制总结非活动文件释放令牌
• plan_eviction：咨询驱逐引擎找陈旧上下文
• snapshot_context/restore_context_snapshot/list_snapshots：保存加载工作空间状态

• 自主维基管理：AI可执行write_article/update_links维护知识库
• 精确分块加载：通过read_chunk加载特定行范围
• 有状态工作空间：支持多调试会话瞬间切换
• AST驱动发现：快速节省内存的符号解析
• 安全防护：内置路径遍历和Shell注入防护

• 支持IDE：Antigravity/Gemini、Claude Code、Cursor、VS Code、Windsurf
• 安装配置：内置交互式向导，提示OpenAI API密钥（可选）、令牌预算等参数
• 注意事项：默认关闭文件监视防止CPU峰值，纯CLI工作流可手动启用

MCP Smart Context标志着AI上下文管理从被动检索向主动认知转变。AI代理可建立项目深度理解并保持连续性，从一次性问答机器进化为积累知识的智能协作者。对复杂项目长期维护和多轮迭代任务有质的提升，让AI成为有记忆、有积累的伙伴。

MCP Smart Context通过三层记忆层级结构，为AI提供接近人类认知的上下文管理方案。从工作记忆精细控制到长期知识自主维护，展现了AI工程化新方向。对追求深度AI协作的开发者而言，该项目不仅是技术工具，更是关于AI记忆与学习的哲学实践，值得深入研究尝试。