Agent Conversation Logger

这是一个简单的 MCP (Model Context Protocol) 服务，用于将与 AI Agent 的对话历史记录到 Markdown 文件中。

功能特点

• 将用户与 AI 的对话自动保存到 Markdown 文件
• 支持自定义保存路径
• 可配置时间戳记录
• 支持创建新的对话会话
• 符合 MCP 接口规范，可作为中间件使用
• 支持作为 VSCode MCP 服务集成

安装

npm install agent-conversation-logger

使用方法

方法 1：直接使用 ConversationLogger

const { ConversationLogger } = require('agent-conversation-logger');

// 创建对话记录器实例
const logger = new ConversationLogger({
  filePath: './logs/conversation.md',  // 自定义文件保存路径
  appendTimestamp: true,              // 是否添加时间戳
  createIfNotExists: true             // 如果文件不存在是否创建
});

// 创建新的对话会话（可选）
logger.newSession('用户问题解答');

// 记录对话
logger.logHuman('你好，能帮我解答一个问题吗？');
logger.logAssistant('当然可以，请告诉我你的问题。');

方法 2：作为 MCP 服务使用

const { createMCPService } = require('agent-conversation-logger');

// 创建 MCP 服务实例
const mcpService = createMCPService({
  filePath: './logs/agent-conversations.md'
});

// 将服务集成到你的 AI 应用中
async function handleChatCompletion(req, res) {
  // 处理请求前记录对话
  const modifiedRequest = await mcpService.handleChatRequest(req.body);
  
  // 调用 AI 服务获取响应
  const aiResponse = await callAIService(modifiedRequest);
  
  // 处理响应并记录 AI 回复
  const loggedResponse = await mcpService.handleChatResponse(aiResponse);
  
  res.json(loggedResponse);
}

方法 3：在 VSCode 中配置使用

在 VSCode 的 settings.json 文件中，你可以添加以下配置来集成这个对话记录 MCP 服务：

{
  "mcp": {
    "servers": {
      "conversationLogger": {
        "command": "npx",
        "args": [
          "agent-conversation-logger",
          "--file",
          "${workspaceFolder}/conversation-history.md"
        ]
      }
    }
  }
}

你也可以全局安装后使用：

{
  "mcp": {
    "servers": {
      "conversationLogger": {
        "command": "agent-conversation-logger",
        "args": [
          "--file",
          "${workspaceFolder}/conversation-history.md"
        ]
      }
    }
  }
}

可用的命令行参数

• --file, -f <路径>: 指定记录对话的Markdown文件路径
• --no-timestamp: 不在对话中添加时间戳
• --help, -h: 显示帮助信息

配置选项

可用的配置选项包括：

| 选项 | 类型 | 默认值 | 描述 | |------|------|--------|------| | filePath | string | './conversation-history.md' | Markdown 文件保存路径 | | createIfNotExists | boolean | true | 如果文件或目录不存在，是否自动创建 | | appendTimestamp | boolean | true | 是否在每次对话前添加时间戳 |

发布到 NPM

如果你想将此包发布到 NPM，请按照以下步骤操作：

1. 确保你已经创建了 NPM 账号并登录

npm login

2. 更新 package.json 中的个人信息

   • 修改 "author" 字段为你的名字和邮箱
   • 修改 "repository" 字段为你的 GitHub 仓库地址

3. 发布包

npm publish

作为依赖集成到 Agent

要将此 MCP 服务集成到 AI Agent 系统中，你可以将其作为中间件添加到处理对话的流程中：

const { MCPService } = require('agent-conversation-logger');

// 配置 MCP 服务
const loggingService = new MCPService({
  filePath: './logs/agent-logs.md'
});

// AI 对话处理管道
async function processConversation(messages) {
  // 记录用户输入
  const processedRequest = await loggingService.handleChatRequest({ messages });
  
  // AI 生成回复
  const aiResponse = await generateAIResponse(processedRequest.messages);
  
  // 记录 AI 回复
  const processedResponse = await loggingService.handleChatResponse({
    message: {
      role: 'assistant',
      content: aiResponse
    }
  });
  
  return processedResponse.message.content;
}

示例

查看项目中的 example.js 文件获取更详细的使用示例。

许可证

MIT