构建上下文引擎插件

上下文引擎插件将内置的 ContextCompressor 替换为管理对话上下文的备用策略。例如，构建知识有向无环图（DAG）而非有损摘要的无损上下文管理（LCM）引擎。

工作原理

Agent 的上下文管理基于 ContextEngine ABC（agent/context_engine.py）构建。内置的 ContextCompressor 是默认实现。插件引擎必须实现相同的接口。

同一时间只能有一个上下文引擎处于激活状态。选择通过配置驱动：

# config.yaml
context:
  engine: "compressor"    # 默认内置
  engine: "lcm"           # 激活名为 "lcm" 的插件引擎

插件引擎永远不会自动激活——用户必须在 context.engine 中显式设置插件名称。

目录结构

每个上下文引擎位于 plugins/context_engine/<name>/：

plugins/context_engine/lcm/
├── __init__.py      # 导出 ContextEngine 子类
├── plugin.yaml      # 元数据（名称、描述、版本）
└── ...              # 引擎所需的其他模块

ContextEngine ABC

您的引擎必须实现以下必需方法：

from agent.context_engine import ContextEngine

class LCMEngine(ContextEngine):

    @property
    def name(self) -> str:
        """短标识符，例如 'lcm'。必须与 config.yaml 中的值匹配。"""
        return "lcm"

    def update_from_response(self, usage: dict) -> None:
        """每次 LLM 调用后以 usage 字典调用。

        从响应中更新 self.last_prompt_tokens、self.last_completion_tokens、
        self.last_total_tokens。
        """

    def should_compress(self, prompt_tokens: int = None) -> bool:
        """如果本轮应触发压缩，返回 True。"""

    def compress(self, messages: list, current_tokens: int = None,
                 focus_topic: str = None) -> list:
        """压缩消息列表并返回新的（可能更短的）列表。

        返回的列表必须是有效的 OpenAI 格式消息序列。

        ``focus_topic`` 是来自手动 ``/compress <focus>`` 的可选主题字符串；
        支持引导式压缩的引擎应优先保留与之相关的信息，其他引擎可忽略。
        """

引擎必须维护的类属性

Agent 直接读取这些属性用于显示和日志记录：

last_prompt_tokens: int = 0
last_completion_tokens: int = 0
last_total_tokens: int = 0
threshold_tokens: int = 0        # 压缩触发时机
context_length: int = 0          # 模型的完整上下文窗口
compression_count: int = 0       # compress() 运行次数

可选方法

这些方法在 ABC 中有合理的默认实现，按需覆盖：

方法	默认	何时覆盖
on_session_start(session_id, **kwargs)	空操作	需要加载持久化状态（DAG、数据库）时
on_session_end(session_id, messages)	空操作	需要刷新状态、关闭连接时
on_session_reset()	重置 token 计数器	有每会话状态需要清除时
update_model(model, context_length, ...)	更新 context_length + 阈值	切换模型时需要重新计算预算
get_tool_schemas()	返回 []	引擎提供 Agent 可调用工具（如 lcm_grep）时
handle_tool_call(name, args, **kwargs)	返回错误 JSON	实现工具处理器时
should_compress_preflight(messages)	返回 False	可在 API 调用前进行低成本预估时
get_status()	标准 token/阈值字典	有自定义指标需要暴露时

引擎工具

上下文引擎可以暴露 Agent 直接调用的工具。从 get_tool_schemas() 返回 schema，并在 handle_tool_call() 中处理调用：

def get_tool_schemas(self):
    return [{
        "name": "lcm_grep",
        "description": "Search the context knowledge graph",
        "parameters": {
            "type": "object",
            "properties": {
                "query": {"type": "string", "description": "Search query"}
            },
            "required": ["query"],
        },
    }]

def handle_tool_call(self, name, args, **kwargs):
    if name == "lcm_grep":
        results = self._search_dag(args["query"])
        return json.dumps({"results": results})
    return json.dumps({"error": f"Unknown tool: {name}"})

引擎工具在启动时注入 Agent 的工具列表并自动调度——无需注册表注册。

注册

通过目录（推荐）

将引擎放置在 plugins/context_engine/<name>/。__init__.py 必须导出一个 ContextEngine 子类。发现系统会自动找到并实例化它。

通过通用插件系统

通用插件也可以注册上下文引擎：

def register(ctx):
    engine = LCMEngine(context_length=200000)
    ctx.register_context_engine(engine)

只能注册一个引擎。第二个尝试注册的插件会被拒绝并显示警告。

生命周期

1. 引擎实例化（插件加载或目录发现）
2. on_session_start() — 对话开始
3. update_from_response() — 每次 API 调用后
4. should_compress() — 每轮检查
5. compress() — should_compress() 返回 True 时调用
6. on_session_end() — 会话边界（CLI 退出、/reset、网关过期）

on_session_reset() 在 /new 或 /reset 时调用，用于清除每会话状态而不进行完整关闭。

配置

用户通过 hermes plugins → 提供商插件 → 上下文引擎选择引擎，或编辑 config.yaml：

context:
  engine: "lcm"   # 必须与引擎的 name 属性匹配

compression 配置块（compression.threshold、compression.protect_last_n 等）特定于内置的 ContextCompressor。如有需要，您的引擎应定义自己的配置格式，在初始化期间从 config.yaml 中读取。

测试

from agent.context_engine import ContextEngine

def test_engine_satisfies_abc():
    engine = YourEngine(context_length=200000)
    assert isinstance(engine, ContextEngine)
    assert engine.name == "your-name"

def test_compress_returns_valid_messages():
    engine = YourEngine(context_length=200000)
    msgs = [{"role": "user", "content": "hello"}]
    result = engine.compress(msgs)
    assert isinstance(result, list)
    assert all("role" in m for m in result)

参见 tests/agent/test_context_engine.py 获取完整的 ABC 契约测试套件。

另请参阅

• 上下文压缩与提示词缓存 — 内置压缩器的工作原理
• 记忆提供商插件 — 用于记忆的类似单选插件系统
• 插件 — 通用插件系统概览