接入代理环境

RAGRAF 作者的代理环境：产品正是在其上设计，已发布的结果也是在其上测得。一等公民支持——--agent-kind autoclaw 是真实代码路径（遥测归因、扩展日志模式）。

1. 1安装 RAGRAF 并构建语料标准安装（install.ps1 或 pip -e .），然后 ragraf ensure <项目> --json。AutoClaw 使用与 CLI 相同的语料——无需单独准备。
2. 2在环境配置中注册 MCP 服务器AutoClaw 以子 stdio 进程方式启动服务器。与其他环境的关键差异是 --agent-kind autoclaw：遥测获得扩展的会话归因。
3. 3接入规范与 skill将 AGENTS.md 规范放入环境上下文（或使用随附的 skill）：「询问索引 → 检查信封 → 写入前 write_check」的顺序正是已发布结果的测量来源（46 次调用、0 次整文件读取）。
4. 4验证并观察运行右侧的验证命令；随后在 usage_stats 或面板中观察调用画像：健康画像 = symbol/search/write_check 占主导且整文件读取为零。

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

支持 MCP 协议的多代理环境。接入通过通用 stdio 契约完成：RAGRAF 对 SagaAI 的要求仅是能启动子进程并交换 JSON-RPC。

1. 1构建一次语料——供所有 worker 使用索引对代理只读：多个 SagaAI worker 可通过同一服务器访问同一语料（或各自实例——存储以只读方式安全打开）。
2. 2将服务器加入环境的 MCP 配置配置见下；--agent 请按 worker 角色有意义地命名（saga-worker、saga-reviewer）——遥测将按代理区分调用画像。
3. 3将规范写入系统提示词下方 AGENTS.md 片段的五条规则是最小充分集。没有规范时，代理倾向于无视索引退回 grep——这在 usage_stats 中立即可见。
4. 4规划任务前先检查 capability会话的第一个调用应为 ragraf_list_capabilities：当 capability=degraded 时，SagaAI 规划器必须排除需要 slice（过程间切片）的任务。

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

围绕 DeepSeek 模型（deepseek-chat / deepseek-reasoner）并支持 MCP 工具的 harness 封装。接入方式为标准流程；该组合的特点是——reasoner 模型会严格遵守固定操作契约，因此规范执行比市场平均水平更严格。

1. 1准备语料并运行 selftest与其他环境相同：ragraf ensure <项目> --json 与 ragraf selftest。Harness 对运行环境的要求不超过 Python 3.13+。
2. 2在 harness 配置中注册服务器配置见下——通用 MCP stdio。--agent deepseek-harness 可将 harness 会话遥测与手动 CLI 运行区分开。
3. 3为 reasoner 模型启用严格信封模式组合建议：在系统提示词中要求模型在每个回答中引用 index_rev 与 capability——reasoner 能稳定执行该要求，从而使回答无需额外校验即可审计。
4. 4首批会话后核对调用画像usage_stats：预期的健康画像——symbol/search/write_check 占主导、无整文件 live_grep。偏离即提示需在提示词中收紧规范。

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

环境不在列表中？只要客户端能启动 stdio 进程并使用 JSON-RPC——这就够了。三步：服务器配置、规范写入系统提示词、以 capabilities 检查作为首个调用。

# 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