mcpField
S
sutra

sutra

本地服务
github.com/4rgon4utAI 与智能体043 周前更新
代码仓库

关于 sutra

sutra 是面向 LLM 的 MCP 上下文工程服务，为构建 Agent 的开发者提供认知工具、记忆结构和多 Agent 模式。它通过请求路由、Agent 蓝图生成与技术目录查询组织这些能力。

主要功能

  1. 01按请求选择处理策略
  2. 02生成自定义 Agent 蓝图
  3. 03提供多种思维模型
  4. 04支持不同记忆结构
  5. 05浏览上下文工程技术目录

适用场景

  1. 01为即时任务选择认知工具
  2. 02规划自定义 Agent 的结构
  3. 03组合多视角讨论与研究综合
  4. 04查找上下文工程技术

MCP 相关

sutra 是 MCP 服务，向 MCP 客户端提供请求路由、Agent 蓝图生成和技术指南查询等认知工具。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
  "mcpServers": {
    "4rgon4ut-sutra": {
      "command": "uvx",
      "args": [
        "context-engineering-mcp"
      ]
    }
  }
}
启动命令uvx context-engineering-mcp

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
pypicontext-engineering-mcp0.1.1

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

Sutra

mcp-name: io.github.4rgon4ut/sutra

MCP 上下文工程引擎

Sutra 是一种模型上下文协议（MCP）服务，可改变大模型处理推理、记忆和编排的方式。它提供了一套认知工具（思维模型）、记忆结构（单元）和多 Agent 模式（器官）的“标准库”。

安装

使用 uv（推荐）
uv tool install context-engineering-mcp
使用 pip
pip install context-engineering-mcp

配置

选择下方的 Agent，然后复制并粘贴配置。

Claude Desktop

添加到 claude_desktop_config.json：

{
  "mcpServers": {
    "sutra": {
      "command": "uv",
      "args": ["tool", "run", "context-engineering-mcp"]
    }
  }
}
Claude Code

在终端中运行：

claude mcp add sutra uv tool run context-engineering-mcp
Aider

使用 mcp 标志运行 aider：

aider --mcp "uv tool run context-engineering-mcp"

或者添加到 .aider.conf.yml：

mcp: ["uv tool run context-engineering-mcp"]
Gemini CLI

添加到 ~/.gemini/settings.json：

{
  "mcpServers": {
    "sutra": {
      "command": "uv",
      "args": ["tool", "run", "context-engineering-mcp"]
    }
  }
}
Cursor / Windsurf

在 MCP 设置中添加一个新服务：

  • 名称：Sutra
  • 类型：command
  • 命令：uv tool run context-engineering-mcp
Codex

添加到你的配置（TOML）：

[mcp_servers.sutra]
command = "uv"
args = ["tool", "run", "context-engineering-mcp"]

核心功能（v0.1.0）

1. 网关（路由器）

Sutra 会自动分析你的请求，以决定最佳策略：

  • YOLO 模式：对于即时任务（“修复此错误”），将请求路由到特定的认知工具。
  • 构造器模式：对于系统设计（“构建一个机器人”），将请求路由到架构师。
2. 架构师

生成自定义 Agent 的蓝图，组合以下内容：

  • 思维模型：understand_question、verify_logic、backtracking、symbolic_abstract。
  • 记忆单元：key_value（状态）、windowed（短期）、episodic（长期）。
  • 器官：debate_council（多视角）、research_synthesis（深度研究）。
3. 图书管理员

一个手动发现工具（get_technique_guide），让你或 Agent 浏览完整的上下文工程技术目录。

开发

要求：Python 3.10+，uv（可选但推荐）。

  1. 克隆仓库： 
    git clone https://github.com/4rgon4ut/sutra.git
cd sutra
  2. 安装依赖： 
    uv sync --all-extras
# OR
pip install -e ".[dev]"
  3. 运行测试： 
    pytest

许可证

MIT

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。