Agentic Loop MCP ♾️

Der branchenübliche persistente Speicher- und Zustandsmanager für langlaufende agentische Workflows.

Ermöglicht jedem KI-Modell – insbesondere kleineren Modellen mit begrenzten Kontextfenstern – die gleiche Persistenz wie bei High-End-Modellen. Dieses Projekt funktioniert als ein Ökosystem aus zwei Teilen: ein MCP-Server für die Zustandsverwaltung und eine Agent-Fähigkeit für die Orchestrierung.

🛠 Vollständige Einrichtung (Erforderlich)

Für die beste Erfahrung müssen Sie sowohl die Orchestrierungs-Fähigkeit als auch den MCP-Server installieren.

1. Installieren Sie die Fähigkeit

Installieren Sie die agentic-loop-Fähigkeit in Ihren KI-Agenten (Codex, Claude Code, Cursor, Gemini CLI, GitHub Copilot und andere Agent-Fähigkeits-Hosts):

npx skills add meharajM/agent-loop-mcp@agentic-loop -g -y

Vorschau der Fähigkeit vor der Aktivierung:

gh skill preview meharajM/agent-loop-mcp agentic-loop

2. Konfigurieren Sie den MCP-Server

Fügen Sie Folgendes zu Ihrer `mcp_config.json` hinzu:

{
  "mcpServers": {
    "agent-loop": {
      "command": "npx",
      "args": ["-y", "@mhrj/mcp-agent-loop"]
    }
  }
}

Related MCP server: hmem

🌟 Warum dieser Ansatz anders ist

Im Gegensatz zu passiven Speicherwerkzeugen ist dies ein aktiver Zustandsmanager. Er überwacht die Wortanzahl, um Komprimierungszyklen auszulösen, und erzwingt eine „Self-Healing-Strategie" bei jedem Fehler, damit KI-Agenten nicht in sinnlosen Schleifen stecken bleiben.

📂 Projektstruktur

• src/: TypeScript-Quellcode für den MCP-Server.

• skills/agentic-loop/SKILL.md: Das Anweisungshandbuch für die KI.

• build/: JavaScript-Artefakte.

📄 Lizenz

ISC