Архитектура ИИ 8 мин чтения

Реализация MCP-сервера с независимым хранением контекста и целеполагания

Архитектурные паттерны декомпозиции когнитивных функций агента: разделение памяти и вектора целей в контексте Model Context Protocol.

В современной архитектуре автономных агентов на базе LLM ключевым вызовом становится управление состоянием. Если сервер для хранения памяти (Memory Server) уже реализован и функционирует стабильно, следующим логическим шагом является создание выделенного модуля для целеполагания (Goal Management). Это решение соответствует принципу единой ответственности (SRP) и позволяет масштабировать систему.

1. Концептуальная модель: Память vs Цели

Критически важно провести четкую границу между ретроспективной памятью и проспективным целеполаганием. Память отвечает на вопрос «Что произошло?», тогда как модуль целей отвечает на вопрос «Что должно произойти?».

Memory Server (Существующий)

  • Хранение фактов и событий
  • Векторный поиск по контексту
  • Долгосрочная семантика

Goal Server (Новый)

  • Управление состоянием задач
  • Приоритизация и зависимости
  • Критерии завершения (DoD)

2. Архитектура MCP-сервера целей

Для реализации сервера целей в рамках Model Context Protocol (MCP) необходимо определить структуру данных, отличную от векторных эмбеддингов памяти. Цели — это структурированные объекты с жизненным циклом.

interface Goal {
  id: string;
  title: string;
  description: string;
  status: 'PENDING' | 'IN_PROGRESS' | 'BLOCKED' | 'COMPLETED';
  priority: number; // 1-10
  dependencies: string[]; // IDs of parent goals
  context_snapshot: string; // Ссылка на Memory Server ID
  created_at: Date;
}
«Разделение контекста исполнения (память) и вектора направления (цели) позволяет агенту переключаться между задачами без потери накопленного опыта.»

Реализация инструментов (Tools)

MCP-сервер должен экспонировать набор инструментов для взаимодействия с хранилищем целей. Основные операции включают:

  • 1 create_goal: Инициализация новой цели с привязкой к текущему контексту памяти.
  • 2 update_status: Изменение состояния задачи и проверка условий завершения.
  • 3 get_active_goals: Выборка актуальных целей, отсортированных по приоритету.

3. Интеграция и Синхронизация

Ключевой аспект — взаимодействие между вашим существующим Memory Server и новым Goal Server. При создании цели агент должен автоматически делать снимок текущего контекста из памяти и сохранять ссылку (ID) в объекте цели. Это обеспечивает воспроизводимость: если агент вернется к задаче через неделю, он сможет восстановить контекст через эту ссылку.

Шаг 1: Инициализация

Агент запрашивает у Memory Server актуальный контекст диалога.

Шаг 2: Декомпозиция

LLM разбивает запрос пользователя на подзадачи и отправляет их в Goal Server.

Шаг 3: Исполнение

Агент выполняет действия, записывая результаты обратно в Memory Server.

Заключение

Реализация независимого сервера целеполагания превращает вашу систему из реактивного чат-бота в проактивного агента. Разделение ответственности между хранением прошлого (Memory) и планированием будущего (Goals) является фундаментом для создания масштабируемых автономных систем.

Оценка приоритета задачи

Используйте этот инструмент для расчета веса задачи перед сохранением в Goal Server.

5
5
5
Итоговый приоритет (RICE-like)
50
СРЕДНИЙ