Оптимизация производительности агентного хранилища ECC

Оптимизация производительности ECC для ai-agents: ускоряем агентное хранилище для claude-code, Anthropic Claude и developer-tools.

Средний

Алексей Кузнецов

Системный администратор10 июня 2026 г.3 мин чтения

git clone https://github.com/affaan-m/ECC.git
cd ECC

python3 -m venv .venv
source .venv/bin/activate

pip install --upgrade pip
pip install -r requirements.txt

cat > .env <<EOF
ANTHROPIC_API_KEY=your_anthropic_api_key
ECC_MEMORY_PATH=./memory.db
ECC_SECURITY_TOKEN=your_secure_token
EOF

python -m ecc.memory init

docker compose up -d

mkdir -p ecc/config/skills
mkdir -p ecc/config/instincts
# пример skill.json
cat > ecc/config/skills/claude_code.json <<EOF
{
  "name": "claude_code",
  "model": "claude-2.1",
  "prompt": "You are Claude Code, assist with code generation.",
  "temperature": 0.2,
  "max_tokens": 2048
}
EOF

python -m ecc.agent --config ecc/config/agent.yaml

ecc-cli "Напиши функцию на Python, считающую факториал."

# Пример настройки в Cursor (settings.json)
{
  "ai": {
    "endpoint": "http://localhost:8000/api",
    "authToken": "your_secure_token"
  }
}

ecc reload

Настройка оптимизации производительности ECC

Описание: Пошаговое руководство по развертыванию и настройке платформы ECC, позволяющей объединять навыки, память, безопасность и подход, ориентированный на исследования, для работы с Claude Code, Codex, Opencode, Cursor и другими AI‑инструментами.

Предварительные требования

• Установленный Python 3.10 и выше
• Git ≥ 2.30
• Docker ≥ 20.10 (рекомендовано) – подробнее о установке Docker
• Аккаунт в Anthropic (для доступа к Claude API)
• Базовые знания работы с виртуальными окружениями

Шаг 1: Клонирование репозитория ECC

Скачайте исходный код проекта в рабочую директорию. При отсутствии публичного репозитория используйте форк или архив.

git clone https://github.com/affaan-m/ECC.git
cd ECC

Шаг 2: Создание и активация виртуального окружения

Изолируйте зависимости проекта, чтобы они не конфликтовали с другими Python‑пакетами.

python3 -m venv .venv
source .venv/bin/activate

Шаг 3: Установка зависимостей

Установите все необходимые библиотеки, указанные в requirements.txt. При необходимости обновите pip.

pip install --upgrade pip
pip install -r requirements.txt

Шаг 4: Настройка переменных окружения

Создайте файл .env в корне проекта и укажите ключи доступа к API Anthropic, а также параметры безопасности и пути к хранилищу памяти.

cat > .env <<EOF
ANTHROPIC_API_KEY=your_anthropic_api_key
ECC_MEMORY_PATH=./memory.db
ECC_SECURITY_TOKEN=your_secure_token
EOF

Шаг 5: Инициализация базы памяти

ECC использует SQLite (по умолчанию) для долговременного хранения контекста. Запустите миграцию схемы.

python -m ecc.memory init

Шаг 6: Запуск Docker‑контейнера (опционально)

Если вы предпочитаете изолировать сервисы, запустите готовый compose‑файл. Он поднимает сервисы — API‑gateway, база памяти и мониторинг.

docker compose up -d

Шаг 7: Конфигурация навыков и инстинктов

В каталоге skills добавьте JSON‑файлы с описанием навыков (prompt, temperature, max_tokens). В instincts определите правила‑триггеры, которые автоматически активируют навыки.

mkdir -p ecc/config/skills
mkdir -p ecc/config/instincts
# пример skill.json
cat > ecc/config/skills/claude_code.json <<EOF
{
  "name": "claude_code",
  "model": "claude-2.1",
  "prompt": "You are Claude Code, assist with code generation.",
  "temperature": 0.2,
  "max_tokens": 2048
}
EOF

Шаг 8: Запуск основного агента

Запустите процесс‑агент, который будет слушать входящие запросы, обращаться к памяти, применять навыки и соблюдать политики безопасности.

python -m ecc.agent --config ecc/config/agent.yaml

Шаг 9: Тестовый запрос через CLI

Проверьте работу системы, отправив простой запрос. Ответ будет сформирован с учётом памяти и выбранного навыка.

ecc-cli "Напиши функцию на Python, считающую факториал."

Шаг 10: Интеграция с внешними IDE (Claude Code, Codex, Opencode, Cursor)

В каждом из перечисленных инструментов укажите URL эндпоинта ECC (по‑умолчанию http://localhost:8000/api) и токен безопасности из .env. После этого IDE будет отправлять запросы в ECC, получая ответы, обогащённые памятью и инстинктами.

{
  "ai": {
    "endpoint": "http://localhost:8000/api",
    "authToken": "your_secure_token"
  }
}

Шаг 11: Мониторинг и логирование

Для контроля производительности используйте встроенный UI — перейдите по адресу http://localhost:8000/dashboard. Там отображаются метрики использования памяти, время отклика и количество срабатываний инстинктов.

Шаг 12: Обновление и добавление новых навыков

При необходимости добавляйте новые файлы в skills и instincts, затем перезапустите агент или выполните hot‑reload командой ecc reload.

ecc reload