我构建了一个A2A上下文总线,帮助你确保每个智能体使用相同的优化上下文。
摘要
作者描述了在LeanCTX中构建一个A2A上下文总线的过程,使得多个AI智能体能够共享和同步项目上下文,解决了智能体视图孤立的问题,并实现了上下文在项目之间的可移植性。
在开发开源“上下文操作系统”LeanCTX时,我深入研究了多智能体用例和智能体间的交互。我目前看到的一个问题是,如果你在同一个项目上运行多个智能体,它们各自拥有独立的上下文和对项目的视角。我做了一点实验,得出的结论是,类似共享“上下文总线”的东西会很有意义。这将允许你将多个智能体连接到同一个上下文,使它们都能访问相同的信息。接下来的思考是:“如何让上下文变得可共享?”假设你想与其他人共享一个项目的上下文。目前,这无法妥善实现。是的,你可以共享markdown文件和项目相关信息,但你不能将真正的上下文复制粘贴到另一个项目中,或通过电子邮件发送给他人。我也测试了这一点,并开发了一个函数来打包与项目相关的所有上下文。这也实现了版本控制。这个函数的作用是收集LeanCTX随时间积累的所有上下文信息,打包并标记相关信息。现在,你可以与他人(无论是人类还是智能体)共享上下文。对方随后可以将该上下文导入LeanCTX,并完全从你离开的地方继续工作。
相似文章
Agent Context
Agent Context 是一款开发者工具,可让用户将参考项目附加到 AI 编程助手。
我在尝试为不同会话中的不同代理确保上下文连续性中学到的东西
作者介绍了 AICTX,一个开源工具,它能在编码代理会话之间保留结构化的操作状态,从而减少代理每次重新发现仓库上下文的需求。
我为代码智能体构建了一个上下文窗口优化框架——开源 + 论文
作者介绍了“Apohara Context Forge”,这是一个开源框架及方法论,旨在通过角色感知分割和分层相关性评分来优化代码智能体的上下文窗口。
AI智能体的有效上下文工程
Anthropic发布指南,将上下文工程定义为提示工程的演进,侧重于为AI智能体筛选最优上下文token,以在多轮推理过程中保持性能和专注度。
客户的代理上下文分布在9个以上的工具中,存在数千个冲突,是否有办法以非手动工作流程处理这种情况?
一位开发者描述了在业务上下文分散于多个工具且定义冲突的环境中部署AI代理的挑战,并向社区寻求超越手动协调的解决方案。