MiniClawCode 是一个面向终端的轻量级 AI Coding Agent 项目。
它是在学习 shareAI-lab/learn-claude-code 的过程中逐步实现出来的，并在此基础上继续做了模块化拆分、多代理协作、任务调度、长期记忆、安全执行层和 MCP 扩展能力。

这个项目的目标不是单纯复刻一个命令行代理，而是把一个可运行的 coding agent 拆成清晰的模块，并在学习型项目的基础上做出更明显的差异化能力：

• 模块化 Python 包结构，便于理解和二次开发
• 角色化多代理协作，支持 planner / coder / reviewer / tester
• 任务创建、自动拆解、认领、完成、重派
• 长期记忆沉淀、去重和裁剪
• 风险命令确认、路径逃逸保护、审计日志
• MCP 风格工具扩展，支持内置 server 和本地配置式 server

本项目明确受到了 shareAI-lab/learn-claude-code 的启发。
README 里提这一点是有必要的，也比较合适，因为这能帮助别人理解项目的学习背景和演进方向。

和原始学习项目相比，这个版本更强调：

• 工程结构模块化
• 多代理和任务闭环
• 状态可观测性
• 安全执行层
• 可配置 MCP 扩展

• 在终端中作为交互式 coding agent 运行
• 使用 Anthropic-compatible API 接入不同模型提供方
• 管理 todo 和结构化任务
• 自动拆解任务并拉起角色化 teammate
• 检测 stale teammate，并自动重派卡住任务
• 保存长期记忆，并支持 dedupe/prune
• 连接内置或自定义 MCP 风格工具服务

flowchart TD
    U["User / CLI"] --> M["main.py\nAgent Loop / Orchestrator"]
    M --> C["core/\nconfig + client + state"]
    M --> P["context/\nprompt + compaction + memory"]
    M --> T["tools/\nfile + bash + task + builtin"]
    M --> A["agents/\nsubagent + teammate + protocol"]
    M --> H["hooks/\nsafety + audit pipeline"]
    M --> X["mcp/\nserver registry + tool assembly"]
    M --> R["cron/\nscheduler"]
    M --> W["worktree/\ngit ops"]
    A --> B["bus/\nmessage bus"]
    T --> P
    T --> W
    A --> T
    X --> T

• main.py：主入口与顶层编排
• core/：运行时配置、模型客户端、全局状态
• context/：上下文构造、压缩、长期记忆
• tools/：文件、shell、任务、内置工具
• agents/：子代理、teammate、协议流转
• mcp/：MCP 风格 server 注册与工具挂载
• hooks/：安全执行和审计流水线
• cron/：定时任务调度
• worktree/：git worktree 管理
• bus/：代理间消息总线
• models/：共享数据结构

1. 创建并激活 Python 环境
2. 安装依赖

pip install -r requirements.txt

3. 配置 .env

ANTHROPIC_API_KEY=your_key_here
MODEL_ID=deepseek-chat
ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic

4. 启动

python main.py

兼容入口也保留了：

python code.py

内置演示 server：

• docs
• deploy

如需添加本地配置式 MCP 风格 server：

copy .mcp_servers.example.json .mcp_servers.json

然后编辑 .mcp_servers.json 并重启程序。

如果你想快速展示项目，可以按这条顺序演示：

1. 启动 agent，说明它支持 Anthropic-compatible provider
2. 展示 auto_plan_tasks
3. 展示 spawn_teammate 和 list_teammates
4. 展示 list_tasks 与 requeue_task
5. 展示 list_memory_notes、dedupe_memory、prune_memory
6. 展示 connect_mcp、list_connected_mcp、list_mcp_tools

这个版本已经适合本地演示、继续迭代和作为学习型工程展示。
它还不是完全生产级，但已经具备比较完整的架构、清晰的模块边界和一套有特色的差异化能力。

MIT