Anbindung an Agenten-Umgebungen

Die Agenten-Umgebung des RAGRAF-Autors: Das Produkt wurde auf ihr entworfen und die veröffentlichten Ergebnisse auf ihr gemessen. First-Class-Support — der Wert --agent-kind autoclaw ist ein echter Code-Pfad (Telemetrie-Attribution, erweitertes Journal).

1. 1RAGRAF installieren und Korpus aufbauenStandardinstallation (install.ps1 oder pip -e .), dann ragraf ensure <projekt> --json. AutoClaw nutzt denselben Korpus wie die CLI — keine separate Vorbereitung nötig.
2. 2MCP-Server in der Umgebung konfigurierenAutoClaw startet den Server als Kind-stdio-Prozess. Der Unterschied zu anderen Umgebungen — --agent-kind autoclaw: Die Telemetrie erhält erweiterte Sitzungs-Attribution.
3. 3Regime und Skill anbindenLegen Sie das AGENTS.md-Regime in den Kontext (oder nutzen Sie den mitgelieferten Skill): Die Reihenfolge „Index fragen → Envelope prüfen → write_check vor Schreibvorgängen" ist die gemessene Quelle der veröffentlichten Ergebnisse (46 Aufrufe, 0 Volllesungen).
4. 4Verifizieren und beobachtenFühren Sie die Verify-Befehle rechts aus; beobachten Sie dann das Aufrufprofil in usage_stats oder im Panel: gesund = Dominanz von symbol/search/write_check und null Volllesungen.

{
  "mcpServers": {
    "ragraf": {
      "command": "python",
      "args": [
        "/path/to/RAGRAF/tools/ragraf-mcp.py",
        "--project", "/path/to/corpus.yaml",
        "--agent", "autoclaw-main",
        "--agent-kind", "autoclaw"
      ]
    }
  }
}

Eine Multi-Agenten-Umgebung mit MCP-Protokoll. Die Anbindung läuft über den universellen stdio-Vertrag: RAGRAF verlangt von SagaAI nichts außer der Fähigkeit, einen Kindprozess zu starten und JSON-RPC auszutauschen.

1. 1Korpus einmal aufbauen — alle Worker nutzen ihnDer Index ist für Agenten read-only: Mehrere SagaAI-Worker können einen Korpus über einen Server nutzen (oder eigene Instanzen — Stores werden sicher schreibgeschützt geöffnet).
2. 2Server zur MCP-Konfiguration hinzufügenKonfiguration unten; benennen Sie --agent nach Worker-Rolle (saga-worker, saga-reviewer) — die Telemetrie trennt Aufrufprofile pro Agent.
3. 3Regime in den System-Prompt legenDie fünf Regeln des AGENTS.md-Fragments unten sind das minimale ausreichende Set. Ohne Regime ignorieren Agenten den Index und greppen — sofort sichtbar in usage_stats.
4. 4capability vor der Aufgabenplanung prüfenDer erste Aufruf einer Sitzung sollte ragraf_list_capabilities sein: Bei capability=degraded muss der SagaAI-Planer Aufgaben mit slice (interprozedurale Schnitte) ausschließen.

{
  "mcpServers": {
    "ragraf": {
      "command": "python",
      "args": [
        "/path/to/RAGRAF/tools/ragraf-mcp.py",
        "--project", "/path/to/corpus.yaml",
        "--agent", "saga-worker",
        "--agent-kind", "external"
      ]
    }
  }
}

Der Harness um DeepSeek-Modelle (deepseek-chat / deepseek-reasoner) mit MCP-Tool-Support. Anbindung Standard; die Besonderheit — Reasoner-Modelle folgen dem festen Operationsvertrag diszipliniert, das Regime wird strenger eingehalten als im Marktdurchschnitt.

1. 1Korpus vorbereiten und selftest ausführenWie überall: ragraf ensure <projekt> --json und ragraf selftest. Der Harness verlangt nichts über Python 3.13+ hinaus.
2. 2Server in der Harness-Konfiguration registrierenKonfiguration unten — universelles MCP-stdio. --agent deepseek-harness trennt die Telemetrie der Harness-Sitzungen von manuellen CLI-Läufen.
3. 3Strikten Envelope-Modus für das Reasoner-Modell aktivierenEmpfehlung für die Paarung: Verlangen Sie im System-Prompt, dass das Modell in jeder Antwort index_rev und capability zitiert — Reasoner halten das zuverlässig ein, Antworten werden ohne Zusatzprüfungen auditierbar.
4. 4Aufrufprofil nach den ersten Sitzungen prüfenusage_stats: erwartetes gesundes Profil — symbol/search/write_check dominieren, kein dateiweites live_grep. Abweichung = Regime im Prompt verschärfen.

{
  "mcpServers": {
    "ragraf": {
      "command": "python",
      "args": [
        "/path/to/RAGRAF/tools/ragraf-mcp.py",
        "--project", "/path/to/corpus.yaml",
        "--agent", "deepseek-harness",
        "--agent-kind", "external"
      ]
    }
  }
}

Ihre Umgebung fehlt? Wenn der Client einen stdio-Prozess starten und JSON-RPC sprechen kann — reicht das. Drei Schritte: Server-Konfiguration, Regime in den System-Prompt, capabilities-Check als erster Aufruf.

# Регламент работы с RAGRAF (фрагмент AGENTS.md)
1. Навигация — только через ragraf_symbol / ragraf_search.
   Полный файл — только ragraf_live_read и только по факту из индекса.
2. Проверяй конверт: stale_warnings → перечитай затронутое (live_read);
   capability=degraded → не планируй задачи со slice.
3. Перед любой записью в БД — ragraf_write_check (всегда).
4. Перед правкой символа — ragraf_impact --depth 3.
5. «Не найдено» — валидный ответ: сообщай limits из конверта, не додумывай.

# сервер отвечает на инициализацию MCP и раскрывает режим корпуса
python tools/ragraf-mcp.py --project corpus.yaml --agent probe --agent-kind external
# → JSON-RPC: 23 инструмента ragraf_*; list_capabilities:
#   {"capability":"full","operations":[...22...]}   (или degraded + reason)

# телеметрия после пробных вызовов
ragraf -p corpus.yaml query usage_stats
# → usage_call содержит записи agent=probe, kind=external