mcpField
C
context-management-context-save

context-management-context-save

github.com/sickn33エージェントワークフロー48.7k298 回インストール今日更新
リポジトリ

context-management-context-save について

セッションをまたいでプロジェクトのコンテキストを保存・復元するための設計とワークフローのガイドです。状態や決定事項の記録を扱うエージェント向けで、実装済みツールやストレージアダプターは含みません。

主な機能

  1. 01プロジェクト状態と決定事項の記録
  2. 02コンテキストのシリアライズ戦略
  3. 03セッション間のバージョン管理
  4. 04セマンティック検索ワークフロー
  5. 05データ範囲と保持に関する指針

活用シーン

  1. 01プロジェクト構成と決定記録の整理
  2. 02長期セッション用スナップショットの計画
  3. 03コンテキスト保存形式の設計
  4. 04機密データを除外するルールの策定

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/sickn33/agentic-awesome-skills --skill context-management-context-save

インストール後、Claude Code で/context-management-context-saveを入力して読み込まれたか確認します。

詳細

コンテキスト保存ツール：インテリジェントなコンテキスト管理のスペシャリスト

このスキルを使用する場合

  • コンテキスト保存ツール：インテリジェントなコンテキスト管理のスペシャリストに関するタスクやワークフローに取り組む場合
  • コンテキスト保存ツール：インテリジェントなコンテキスト管理のスペシャリストに関するガイダンス、ベストプラクティス、チェックリストが必要な場合

このスキルを使用しない場合

  • タスクがコンテキスト保存ツール：インテリジェントなコンテキスト管理のスペシャリストに関係しない場合
  • この範囲外の別の分野やツールが必要な場合

手順

  • 目標、制約、必要な入力を明確にします。
  • 関連するベストプラクティスを適用し、結果を検証します。
  • 実行可能な手順と検証方法を提示します。

役割と目的

AI ワークフロー全体にわたる包括的、意味的、かつ動的に適応可能なコンテキストの保持に注力する、卓越したコンテキストエンジニアリングのスペシャリストです。このツールは、高度なコンテキストの取得、シリアライズ、検索の戦略を統括し、組織の知識を維持するとともに、複数のセッションにまたがるシームレスな共同作業を可能にします。

これは設計／ワークフローガイドであり、実装済みのコンテキスト保存ツールではありません。抽出／圧縮機能、ストレージアダプター、ベクタークライアントは同梱されておらず、コード例はプロジェクトでの実装が必要な擬似コードです。意味的な要約には情報の損失があり、完全な復元を保証できません。

取得前に、許可するルート／データ、保存先、保持／削除の方針、および読み取り可能なユーザーを定めてください。シークレットや無関係な個人情報は除外してください。ホスト型の埋め込み／ベクターストアを使用する場合は、明示的な開示と費用の承認が必要です。ソースのコミット、取得時刻、既知の決定事項、未解決の質問、根拠へのポインターは、推論とは分けて保存してください。復元されたコンテキストは過去のデータであり、新たな権威ではありません。

コンテキスト管理の概要

コンテキスト保存ツールは、高度なコンテキストエンジニアリングソリューションとして、次のことを実現します。

  • プロジェクトの状態と知識を包括的に取得する
  • 意味に基づくコンテキスト検索を可能にする
  • マルチエージェントワークフローの連携をサポートする
  • アーキテクチャ上の決定事項とプロジェクトの変遷を保持する
  • インテリジェントな知識移転を促進する

要件と引数の処理

入力パラメーター
  • $PROJECT_ROOT：プロジェクトルートの絶対パス
  • $CONTEXT_TYPE：コンテキスト取得の粒度（minimal、standard、comprehensive）
  • $STORAGE_FORMAT：希望する保存形式（json、markdown、vector）
  • $TAGS：コンテキスト分類用の任意の意味タグ

コンテキスト抽出戦略

1. 意味情報の特定
  • 概要レベルのアーキテクチャパターンを抽出する
  • 意思決定の根拠を取得する
  • 横断的な懸念事項と依存関係を特定する
  • 暗黙的な知識構造をマッピングする
2. 状態のシリアライズパターン
  • 構造化された表現には JSON Schema を使用する
  • ネストされた階層型コンテキストモデルをサポートする
  • 型安全なシリアライズを実装する
  • 完全な復元が必要な場合は、元のバイト列を別途保持する
3. マルチセッションのコンテキスト管理
  • 一意のコンテキストフィンガープリントを生成する
  • コンテキスト成果物のバージョン管理をサポートする
  • コンテキストのドリフト検出を実装する
  • 意味に基づく差分機能を作成する
4. コンテキスト圧縮技術
  • 高度な圧縮アルゴリズムを使用する
  • 非可逆圧縮モードと可逆圧縮モードをサポートする
  • 意味を保ちながらトークンを削減する
  • ストレージ効率を最適化する
5. ベクターデータベースとの統合

対応するベクターデータベース：

  • Pinecone
  • Weaviate
  • Qdrant

統合機能：

  • 意味埋め込みの生成
  • ベクターインデックスの構築
  • 類似度に基づくコンテキスト検索
  • 多次元の知識マッピング
6. ナレッジグラフの構築
  • 関係性メタデータを抽出する
  • オントロジー表現を作成する
  • 分野を横断した知識のリンクをサポートする
  • 推論に基づくコンテキストの拡張を可能にする
7. 保存形式の選択

対応形式：

  • 構造化 JSON
  • frontmatter 付き Markdown
  • Protocol Buffers
  • MessagePack
  • 意味注釈付き YAML

コード例

1. コンテキスト抽出
def extract_project_context(project_root, context_type='standard'):
    context = {
        'project_metadata': extract_project_metadata(project_root),
        'architectural_decisions': analyze_architecture(project_root),
        'dependency_graph': build_dependency_graph(project_root),
        'semantic_tags': generate_semantic_tags(project_root)
    }
    return context
2. 状態のシリアライズスキーマ
{
  "$schema": "http://json-schema.org/draft-07/schema#",
  "type": "object",
  "properties": {
    "project_name": {"type": "string"},
    "version": {"type": "string"},
    "context_fingerprint": {"type": "string"},
    "captured_at": {"type": "string", "format": "date-time"},
    "architectural_decisions": {
      "type": "array",
      "items": {
        "type": "object",
        "properties": {
          "decision_type": {"type": "string"},
          "rationale": {"type": "string"},
          "impact_score": {"type": "number"}
        }
      }
    }
  }
}
3. コンテキスト圧縮アルゴリズム
def compress_context(context, compression_level='standard'):
    strategies = {
        'minimal': remove_redundant_tokens,
        'standard': semantic_compression,
        'comprehensive': advanced_vector_compression
    }
    compressor = strategies.get(compression_level, semantic_compression)
    return compressor(context)

参考ワークフロー

ワークフロー 1：プロジェクトのオンボーディング時のコンテキスト取得
  1. プロジェクト構造を分析する
  2. アーキテクチャ上の決定事項を抽出する
  3. セマンティック埋め込みを生成する
  4. ベクターデータベースに保存する
  5. Markdown の要約を作成する
ワークフロー 2：長時間のセッションにおけるコンテキスト管理
  1. 定期的にコンテキストのスナップショットを取得する
  2. 重要なアーキテクチャ変更を検出する
  3. コンテキストにバージョンを付けてアーカイブする
  4. コンテキストを選択的に復元できるようにする

高度な統合機能

  • コンテキストをリアルタイムで同期する
  • クロスプラットフォームでコンテキストを移行できるようにする
  • 要件を組織の実際のナレッジ管理統制に対応付けます。ここではコンプライアンスは確立されません
  • マルチモーダルなコンテキスト表現をサポートする

制限事項と考慮事項

  • 機密情報は明示的に除外する必要があります
  • コンテキストの取得には計算オーバーヘッドが伴います
  • 最適なパフォーマンスを得るには、慎重な設定が必要です

今後のロードマップ

  • ML を活用したコンテキスト圧縮の改善
  • ドメインをまたぐナレッジ転送の強化
  • コンテキストのリアルタイム共同編集
  • コンテキストの予測推薦システム

コメント

Markdown 対応