HaiAI123

全球AI工具精選導航

行業動態
持平

開發者分享 Claude Code 本地 MCP 共享記憶工作流

2026/10/18 — 10/18 16:17·1 個來源(全部)·1 篇報道(全部)

核心速覽 (Key Takeaways)

  • 一位開發者公開了基於 Claude Code 與 Utility.app 接入 LLM API 的工作流,用本地 MCP 服務充當多個 Agent 共用的記憶體,內建 remember 與 recall 兩個工具。
  • 他還把核心提示詞注入每條最新使用者訊息以緩解長上下文汙染,並用代理閘道器記錄請求、量化 Token 成本,同時提醒壓縮歷史訊息會破壞快取。

事件背景與詳細解讀

2026 年 10 月 18 日,掘金髮布了一篇開發者分享,介紹其基於 Claude Code 與 Utility.app 接入 LLM API 的工作流。該開發者提出的核心是用本地 MCP 服務充當共享記憶體,讓多個 Agent 在跨會話開發時讀寫同一份記憶,從而保持行為一致性。由於 MCP 協議被設計為可拔插,這一記憶體可以接入任何支援 MCP 協議的 Agent。

在記憶的組織上,他將其分為熱層、溫層與筆記層:熱層保留較新的記憶,冷層保留長期有用的內容,最終沉澱到筆記層用於永久儲存和人工閱讀。本地 MCP 服務內建 remember 與 recall 兩個工具,分別負責記憶的寫入與檢索,Agent 通過呼叫這兩個工具操作記憶。

針對長上下文汙染問題,他提出把核心提示詞注入每條最新使用者訊息,以對抗長對話中系統提示詞、規則和工具描述被後續內容稀釋的情況,並認為新開會話的做法較為麻煩。此外,他用代理閘道器在 Agent 與上游 LLM 廠商之間插入一層代理,使黑盒系統變得透明,同時記錄請求、量化 Token 成本;他還提示,壓縮歷史訊息會破壞快取。報道未給出該工作流的具體版本號或量化資料。

AI 綜合 1 篇報道生成 · 更新於 1 天前

最新進展一位開發者分享了自己基於 Claude Code 加 Utility.app 接入 LLM API 的工作流,核心是用本地 MCP 服務做共享記憶體,內建 remember 與 recall 兩個工具供多個 Agent 讀寫。他還提出把核心提示詞注入每條最新使用者訊息以對抗長上下文汙染,並用代理閘道器記錄請求、量化 Token 成本,提示壓縮歷史訊息會破壞快取。

相關 AI 工具

24 小時熱度熱度指數 40 · 峰值 79 · 23 小時前
24 小時前現在

這件事的報道 點標題看原文

昨天
  1. 一位開發者分享了自己基於 Claude Code 加 Utility.app 接入 LLM API 的工作流,核心是用本地 MCP 服務做共享記憶體,內建 remember 與 recall 兩個工具供多個 Agent 讀寫。他還提出把核心提示詞注入每條最新使用者訊息以對抗長上下文汙染,並用代理閘道器記錄請求、量化 Token 成本,提示壓縮歷史訊息會破壞快取。

    可直接借鑑的 Agent 記憶與長上下文治理做法

    掘金AI 評分 53

同時在說的其他事

熱度怎麼算的?瞭解口徑

熱度按 48 小時內有多少個獨立來源在說這件事算:同一個來源發多條只算一次,並按 24 小時半衰期衰減,所以排前面的是很多人在說的事。

本頁彙總公開訂閱源,標題與摘要由模型整理,版權歸原作者所有;重要資訊請回原文核對。如權利人認為相關標題或摘要侵權,請通過頁尾聯絡郵箱提供具體頁面與權利依據,我們核實後會及時刪除或替換。

爆
討論快速增加
新
首報 6 小時內
發酵中
討論仍在增加

回 AI 行業動態榜 →