Skip to main content
Glama
deenesjakoruzh
Tethral-Inc

ACR — Agent Composition Records

by Tethral-Inc
OverviewSchemaSourceRelated ServersDiscussionsAdmin
TypeScript
Remote

ACR — 智能体组成记录 (Agent Composition Records)

一个用于 AI 智能体的行为注册表和观测网络。 智能体注册其组成，记录其交互，并通过不同视角查询行为配置文件。如果我们观察到影响智能体组成的异常信号，我们会通知该智能体。

npm npm

什么是 ACR

ACR 是一个交互配置文件注册表。智能体记录其所作所为（外部工具调用、API 请求、MCP 交互）。这些信号随时间推移汇编成行为配置文件，你可以通过视角 (lenses) 进行查询——每个视角都是对同一底层信号的不同解读方式。

摩擦力视角 (friction lens) 是首个发布的功能：瓶颈检测、链开销分析、重试浪费、群体基准、目标间的定向摩擦。更多视角（可靠性、质量）已在路线图中。

ACR 不是安全产品。我们不评估技能、不测试入侵，也不拦截任何内容。我们更接近 HIBP（Have I Been Pwned）或接触者追踪：我们注册事件并传播通知。如果我们观察到影响智能体组成的异常信号，我们会通知该智能体。我们不追踪智能体的所有者，因此除了智能体自身的活动外，我们没有其他机制来通知他们。

Related MCP server: Novyx MCP

ACR 的功能

  • 注册智能体 — 零配置身份、组成追踪、跨会话持久化

  • 记录交互 — 智能体进行的每一次外部工具调用，包含时间、状态、链位置、异常信号

  • 构建交互配置文件 — 原始信号随时间推移汇编成每个智能体的行为记录

  • 呈现摩擦力视角 — 智能体在何处浪费了时间和 Token，包含链分析、重试开销、群体漂移和定向摩擦

  • 异常信号通知 — 如果 ACR 观察到影响智能体组成中某个组件的异常，我们会通知该智能体

技能注册表

我们维护一个持续更新的智能体技能注册表。我们不是安全检查工具。 如果我们观察到影响智能体组成中某项技能的异常信号，我们会通知该智能体。由于我们不追踪智能体的所有者，除了智能体自身的活动外，我们没有其他机制来通知他们。

智能体并非从 ACR 获取技能——我们观察生态系统中已存在的技能（通过 npm 和 GitHub 等公共注册表），并追踪与这些技能相关的行为信号。

添加到 Claude Code (30 秒)

将此内容添加到你的 Claude Code 设置（.claude/settings.json 或通过 IDE）：

{
  "mcpServers": {
    "acr": {
      "command": "npx",
      "args": ["@tethral/acr-mcp"]
    }
  }
}

你的智能体将自动注册，获得一个名称（例如 anthropic-amber-fox），并在第一次调用 log_interaction 时开始构建其交互配置文件。

添加到任何智能体 (SDK)

npm install @tethral/acr-sdk    # TypeScript/Node.js
pip install tethral-acr          # Python
import { ACRClient } from '@tethral/acr-sdk';

const acr = new ACRClient();

// Register your agent's composition
const reg = await acr.register({
  public_key: 'your-agent-key-here-min-32-chars',
  provider_class: 'anthropic',
  composition: { skill_hashes: ['hash1', 'hash2'] },
});

// Log an interaction (this is the foundation — everything else flows from this)
await acr.logInteraction({
  target_system_id: 'mcp:github',
  category: 'tool_call',
  status: 'success',
  duration_ms: 340,
});

// Query the friction lens of your profile
const friction = await acr.getFrictionReport(reg.agent_id, { scope: 'day' });

// Check for anomaly signal notifications
const notifs = await acr.getNotifications(reg.agent_id);

智能体所见

摩擦力视角输出（示例）

Friction Report for anthropic-amber-fox (day)

── Summary ──
  Interactions: 847
  Total wait: 132.4s
  Friction: 14.2% of active time
  Failures: 12 (1.4% rate)

── Top Targets ──
  mcp:github (mcp_server)
    214 calls | 38.1% of wait time
    median 280ms | p95 1840ms
    vs population: 42% slower than baseline (volatility 1.8)

风险通知（示例）

You have 1 unread notification:

[HIGH] Component in your composition reported anomalies
   A skill in your current composition has been reported with
   suspicious activity across multiple agents in the network.
   Review with your operator before continuing use.

MCP 工具

工具

功能

log_interaction

记录交互 — 一切的基础

get_friction_report

查询交互配置文件的摩擦力视角

get_interaction_log

带有网络上下文的原始交互历史

get_network_status

针对智能体基础设施的 COVID 追踪器 / HIBP 视图

get_my_agent

你的智能体身份和注册状态

check_environment

启动时的活动入侵标志和网络健康状况

get_notifications

针对你组成的未读异常信号通知

acknowledge_threat

查看后确认通知

update_composition

更新你的组成，无需重新注册

register_agent

显式注册（默认为自动注册）

check_entity

向网络询问其关于某项技能/智能体/系统的信息

get_skill_tracker

已追踪技能的采用情况和异常信号

get_skill_versions

技能哈希的版本历史

search_skills

按名称查询网络中关于某项技能的知识

架构

Agents (Claude, OpenClaw, custom)
  |
  +--> MCP Server (@tethral/acr-mcp)
  |      or SDK (@tethral/acr-sdk / tethral-acr)
  |
  +--> Resolver API (Cloudflare Workers, edge-cached)
  |      Lookups, composition checks, notification feed
  |
  +--> Ingestion API (Vercel serverless)
  |      Registration, interaction receipts, friction queries, notifications
  |
  +--> CockroachDB (distributed SQL)
  |      Interaction profiles, agent registry, skill observation data
  |
  +--> Background Jobs
         Skill observation crawlers
         Anomaly signal computation
         Friction baseline computation
         Notification dispatch

数据收集

ACR 仅收集交互元数据：目标系统名称、时间、状态、链上下文和提供商类别。不收集请求/响应内容、API 密钥、提示词或个人身份信息 (PII)。你的交互配置文件仅对你可见。群体基准使用汇总统计数据。

完整条款

隐私政策

我们收集的内容：

  • 目标系统名称（例如 mcp:github, api:stripe.com）

  • 交互时间（持续时间、时间戳、队列等待、重试次数）

  • 交互状态（成功、失败、超时、部分成功）

  • 智能体提供商类别（例如 anthropic, openai）

  • 组成哈希（SKILL.md 内容的 SHA-256）

  • 链上下文 (chain_id, chain_position, preceded_by)

  • 智能体报告的异常标志（仅类别，无负载）

我们不收集的内容：

  • 请求或响应内容/负载

  • API 密钥、Token 或凭据

  • 提示词、补全内容或对话内容

  • 个人身份信息 (PII)

  • 文件内容或用户数据

  • 智能体所有者身份（我们刻意不追踪智能体背后的人）

数据使用：

  • 你的交互配置文件：仅对生成它的智能体可见

  • 群体基准：汇总统计数据，不共享个人数据

  • 风险通知：发送给组成受影响的智能体

  • 技能观测：仅索引公开可用的技能元数据

数据保留：

  • 交互收据：90 天，之后归档为每日摘要

  • 技能观测数据：在技能被观测期间保留

  • 通知：保留 90 天

  • 智能体注册：不活动 90 天后软过期

第三方共享： 无。ACR 不向第三方出售、共享或转移交互数据。

联系方式： security@tethral.com

完整条款

运行测试工具

node scripts/test-agent-lifecycle.mjs

模拟完整的智能体生命周期：注册、记录交互、查询摩擦力视角、检查通知。

开发

pnpm install                    # Install dependencies
pnpm build                      # Build all packages
pnpm test:unit                  # Run unit tests
node scripts/run-migration.mjs up      # Run DB migrations
node scripts/test-agent-lifecycle.mjs  # Run integration test

许可证

MIT

链接

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityStale
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • Novyx MCP by novyxlabs

    Novyx MCPofficial

    novyxlabs
    A
    license
    A
    quality
    D
    maintenance
    Description: Persistent memory for AI agents with rollback, audit trails, semantic search, and knowledge graph. Zero-config local SQLite or cloud API. 23 tools, 6 resources, 3 prompts.
    23
    1 npm
    1
    MIT

  • instinct

    WRG-11
    A
    license
    A
    quality
    A
    maintenance
    Self-learning memory for AI coding agents. Observes tool sequences, user preferences, and recurring fixes — auto-promotes high-confidence patterns into behavioral rules. 22 tools, 2 prompts, SQLite-backed, zero config.
    23
    2
    MIT