RLM Tools

RLM Tools

AI 编码 Agent 的大部分令牌预算都花在了读取代码上，而不是分析代码。每次 grep、读取文件和 glob 的结果都会被全部塞进对话中。在大型代码库中，这会让 25-35% 的上下文（和成本）耗费在模型根本不需要看到的原始数据上。

RLM Tools 为 Agent 提供了一个持久沙箱，用于探索代码。数据留在服务端，只有结论会返回。

# Install in one line (Claude Code)
claude mcp add rlm-tools -- uvx rlm-tools

# Or Codex
codex mcp add rlm-tools -- uvx rlm-tools

就是这样。Agent 会自动使用沙箱进行探索。无需配置，也无需修改提示词。

有何变化

不使用 RLM Tools——Agent grep import UIKit，500 条匹配结果全部被塞进上下文。读取 10 个文件，所有内容都消耗令牌。上下文窗口被填满，Agent 忘了自己正在做什么。

使用 RLM Tools——Agent 在服务端 Python 沙箱中进行同样的探索。数据留在沙箱内存中，只有 print() 的输出会进入上下文：

matches = grep("import UIKit")
by_module = {}
for m in matches:
    module = m["file"].split("/")[0]
    by_module.setdefault(module, []).append(m)
for module, ms in sorted(by_module.items(), key=lambda x: -len(x[1]))[:5]:
    print(f"{module}: {len(ms)} files")

500 行 grep 结果变成 5 行摘要。Agent 只看到所需内容，不多不少。

实际效果

在典型的编码工作流中：上下文减少 25-35%。 这意味着 Agent 在达到上下文限制前，可以多探索约 40-50% 的代码。

在大量探索任务中（读取多个文件、大范围搜索），节省效果会更显著：

完整的基准测试方法和复现步骤：docs/benchmarks.md

工作原理

三个 MCP 工具，这就是全部 API：

沙箱提供了内置助手函数：

• read_file(path) / read_files(paths) — 将文件读入变量（跨调用缓存）
• grep(pattern) / grep_summary(pattern) / grep_read(pattern) — 搜索
• glob_files(pattern) — 按模式查找文件
• tree(path, max_depth) — 查看目录结构
• llm_query(prompt, context) — 子大模型分析（可选，需 API 密钥）

变量会在同一会话中的多次 rlm_execute 调用间持久保留。Agent 可以逐步建立理解——搜索、筛选、读取、分析——中间数据无需进入上下文窗口。

兼容

RLM Tools 是标准的 MCP 服务。它兼容任何支持 MCP 的客户端：Claude Code、Codex、Cursor 等。

{
  "mcpServers": {
    "rlm-tools": {
      "command": "uvx",
      "args": ["rlm-tools"]
    }
  }
}

uvx rlm-tools

git clone https://github.com/stefanoshea/rlm-tools.git
cd rlm-tools
uv sync
uv run rlm-tools

配置

将 .env.example 复制为 .env 进行自定义。所有设置均为可选项——RLM Tools 无需任何配置即可开箱即用。

核心探索功能（读取、grep、glob、tree）无需 API 密钥。可选的 llm_query() 助手函数会调用 Anthropic API，在沙箱内进行语义分析；这是唯一需要密钥的功能。

安全性

沙箱为只读且受到限制：

• 导入：仅允许安全的标准库（re、json、collections、math 等）
• 内置函数：禁止使用 exec、eval、compile、__import__、breakpoint
• 文件访问：只读，范围限定在会话目录内，并阻止路径遍历
• 执行：可配置每次调用的超时时间（默认 30s）
• 速率限制：可配置每个会话的最大调用次数

背景

RLM Tools 实现了一个 RLM 风格的探索循环：将原始数据保留在工具端内存中，仅向模型发送精简的输出。基于 Model Context Protocol 构建。

开发

git clone https://github.com/stefanoshea/rlm-tools.git
cd rlm-tools
uv sync --dev
pytest tests

运行对比基准测试（需要本地项目检出）：

RLM_EVAL_PROJECT_PATH=/path/to/project pytest evals -q -s

许可证

MIT