R-Agent

A lightweight, deployable AI Agent CLI powered by ReAct loop and 4-layer memory.

R-Agent 是一个轻量级、可部署的具有自我进化能力的Agent。基于 ReAct 循环（Think → Act → Observe）驱动，配有四层记忆系统、SQLite 持久化、Skills 插件机制、MCP 工具协议支持，以及一个实时 Web 日志面板。

🔌 MCP 协议

连接外部 MCP 服务器，自动发现工具并注册到 Agent。

工具自动注册为 mcp__ __ 格式，通过 /fresh_mcp 热刷新。

包含一个 Python demo server (tools/mcp_demo_server.py) 用于测试。

📊 Web 日志面板

实时查看 Agent 工作过程，每条消息可点击展开查看原始 JSON。

• 会话选择器，切换历史对话
• 消息时间线，按角色着色
• 思考链折叠展开
• 工具调用参数/结果详情
• 2 秒自动轮询新消息
• Token 用量统计
• GET /api 返回完整 API 文档

📖 配置

模型参数

在 AgentConfig 中配置 (或通过 CLI 参数):

🧠 Agent 记忆管理

Ragent 的记忆系统由 运行时四层结构 和 持久化文件系统 两部分组成，确保 Agent 在长程任务中不丢失上下文。

持久化存储

每一条消息都写入 SQLite (data/memory.db), 包含 20 个详细字段:

文件记忆

Agent 在对话结束后, 通过 update_memory 工具主动维护这些文件。写入规则: 精简, 一句话能说清不写两句, 不记录废话。

🔄 Agent 自我进化

1. Skills 技能积累

Skills 是 Agent 的 程序性记忆 — 一套可复用的操作流程。每次写完新的 skill, Agent 不需要重启就能立即使用。Skill 文件放在 skills/ 目录, 通过 Markdown 编写, 热加载到系统提示词中。

2. 高光记忆 (lightspot)

跨项目的 可复用经验和踩坑记录。当同一个技巧出现 2 次以上, Agent 会自动将其沉淀到 light_spot_memory.md:

每次 Agent 启动, light_spot 内容注入系统提示词前 3000 字符。Agent 在推理时能看到这些经验, 遇到类似场景自动调用。完整文件可在 config/soul/light_spot_memory.md 中查阅。

3. 用户模型与项目记忆

Agent 在每次对话结束后, 自动评估是否需要更新这些记忆文件:

• 用户反复提到某个偏好 → 写入 user_preference
• 项目结构发生变化 → 更新 project_memory
• 遇到值得记录的技巧/坑 → 写入 light_spot

🤝 参考

• Hermes Agent — Agent 循环与工具系统
• CodeBuddy — Skills 与 Agent 定义
• MCP Protocol — 工具协议
• DeepSeek API — 思考模式