Echo Agent
为私有自动化提供长期记忆、技能演化与可审计执行。
这个 Agent 能做什么，适合哪些场景？
Echo Agent 是一个可自托管、长期运行的 AI Agent，面向个人和团队的私有自动化场景。它通过统一的 Agent Loop 处理来自 CLI、Gateway、Webhook、Cron 及多种消息通道的事件，并让这些入口共享状态。其认知记忆由 Working、Episodic、Semantic、Archival 四层组成，结合衰减、矛盾检测和重要性重排；检索采用 BM25 与 FAISS 向量融合，并可在 FAISS 缺失时降级。系统还记录执行轨迹，生成并评测技能改进候选，支持晋升、驳回、冷却期和回滚。它默认将会话、记忆、轨迹和凭证保存在工作区，凭证加密落盘；网关默认仅监听本机 loopback。
Agent Loop 按“接收事件 → 构建上下文 → 调用模型 → 执行工具”的路径处理请求。它从四层认知记忆中检索上下文，以 BM25 与 FAISS 的融合结果辅助任务执行，并记录执行轨迹用于自进化引擎生成、评测和决定技能候选是否生效。模型路由可分别为主推理、上下文压缩、向量嵌入和风险审批配置 provider 与模型。对于工具调用，它按 manual、smart 或 off 审批策略处理风险操作；无人值守通道默认拒绝高风险调用。它还可通过 A2A JSON-RPC 和 MCP 客户端（含 OAuth）互操作、动态注册工具，并通过 echo-agent cost 输出成本归因报告。
- 希望在本机或自有服务器长期运行自动化助手的个人用户，可用 CLI 或本地 Gateway 与同一个持续运行的 Agent 对话。
- 需要让多个入口共享任务上下文的团队，可将 CLI、Webhook、Cron 与消息机器人接入同一份状态。
- 需要跨会话保留偏好、任务经验和历史上下文的用户，可利用四层记忆及其衰减和矛盾检测机制。
- 需要执行命令或文件操作、且要求审计边界的运维或自动化场景，可采用工具审批策略和执行日志。
- 需要接入 MCP 工具或通过 A2A JSON-RPC 与其他进程协作的部署，可使用其 MCP 客户端和跨进程互操作能力。
这个 Agent 有哪些优点和局限？
- 四层认知记忆结合遗忘、矛盾检测和重要性重排，明确针对长期运行中的记忆膨胀问题。
- 自进化流程包含轨迹记录、候选生成、评测对照、晋升或驳回，并提供冷却期与回滚，而非直接自动替换技能。
- 高风险工具调用有 `manual`、`smart`、`off` 三档统一审批，且无人值守通道默认拒绝高风险操作。
- 同一执行路径可服务 CLI、Gateway、Webhook、Cron 和多种消息通道，并支持 MCP、OAuth 与 A2A JSON-RPC。
- 运行至少需要 Python 3.11+ 和一个模型 API Key，模型调用依赖外部 provider。
- 默认 Gateway 仅监听 `127.0.0.1`，不支持远程地址；远程接入需要 SSH。
- 浏览器请求默认受到 Origin 与 allowlist 边界限制；如需 playground 或浏览器访问，必须调整认证、用户或 Origin 配置。
- 后台服务安装主要覆盖 macOS 的用户级 LaunchAgent 与 Linux 的用户级 systemd；无 systemd 环境需使用 tmux 或 nohup 等方式维持前台进程。
如何安装或部署这个 Agent？
运行环境为 Python 3.11+，并且至少需要一个模型 API Key。安装并完成首次配置：pip install "echo-agent[all]"echo-agent setup
配置向导会引导录入模型 API Key，默认数据目录为 ~/.echo-agent。首次启动交互式会话：echo-agent run
如何使用这个 Agent？
日常交互可运行 echo-agent run。要常驻运行，在完成 echo-agent setup 后执行：echo-agent gateway installecho-agent gateway start
随后在本机终端执行 echo-agent cli 接入同一个网关；会话彼此独立，但共享记忆。可用 echo-agent gateway status 查看状态、echo-agent gateway logs -f 跟踪日志，以及 echo-agent cost 查看成本归因。