通过MCP实现多代理编排。持久内存、代理间消息传递、目标级联、上下文预算修剪。一个二进制，零配置。
概览
别再盯着一个聊天聊天了。运行一个舰队——代理们跨会话记忆，互相交流，同时分配任务，而你则在一个仪表盘上观察。 一个二进制文件。一个SQLite文件。58个MCP工具。零配置。 在真实多代理项目中经过实战测试，API稳定。重大变更已在 CHANGELOG.md 中记录。 AI代理没有持久记忆，无法相互交流，也没有对工作内容的共同理解。每次会话都是从零开始。每个代理都是单独行动。 它解决了AI代理与高效团队合作之间缺失的基础设施问题： - ——内存保持 /clear，上下文重置，会话重启。重启的代理从中断处继续。——预算修剪按优先级×相关性×新鲜度对消息进行评分，并选择最高值的子集。get_session_context 在一次调用中恢复完整的代理状态。
概述（AI 翻译）
任务控制中心，供你的AI代理使用。
别再盯着一个聊天了。运行一个舰队——让跨会话记忆、相互交流、分配任务的代理，而你则在一个仪表盘上观察。
为什么 ·一提示设置 ·安装 ·第一个项目 ·仪表盘 ·工作原理 ·代理 ·消息传递 ·内存 ·任务 ·MCP工具
一个二进制文件。一个SQLite文件。58个MCP工具。零配置需求。
v1.6 ——稳定。 在真实多代理项目中经过实战测试，API 稳定。破坏性变更已在 CHANGELOG.md 中记录。
默认100%本地。团队/服务器部署可选API密钥。无云，无遥测。
💥 为什么
AI代理没有持久记忆，无法相互交流，也没有对工作内容的共同理解。每次会话都是从零开始。每个代理都是单独行动。
wrai.th 是用于代理管理的协议层。 它解决了你的人工智能代理与高效团队合作之间缺失的基础设施问题：
- 持续存在的上下文 ——内存存活
/clear，上下文重置，会话重启。重启的代理会从中断处继续。
本页由 AI 翻译，技术细节请以原文为准。
README
以下为原文 README 节选，完整内容请查看原文。
💥 Why
AI agents have no persistent memory, no way to talk to each other, and no shared understanding of what they’re working on. Every session starts from zero. Every agent works alone.
wrai.th is a protocol layer for agentic management. It solves the missing infrastructure between your AI agents and productive teamwork:
- Context that persists – memory survives
/clear, context resets, and session restarts. An agent that reboots picks up where it left off. - Token-aware context management – budget pruning scores messages by priority × relevance × freshness and selects the highest-value subset that fits.
get_session_contextrestores full agent state in a single call. - Real communication – 5 addressing modes (direct, broadcast, team, conversation, user), priority routing (P0-P3), TTL expiry, delivery tracking.
- Nested tasks – subtasks via
parent_task_id, up to 3 levels deep, with roll-up. Not just a flat list – a hierarchy that agents navigate. Optional Linear mirror for teams already on Linear.
安装
This server does not publish a one-line install command.
Open the repository installation guide 新手？先看 mcpskill.org 教程 →配置
{
"mcpServers": {
"agent-relay": {
"type": "http",
"url": "http://localhost:8090/mcp"
}
}
}