MLC Artifact Service

Persistenter Speicher für das Zeitalter der KI-Agenten

Der MLC Artifact Service ist mehr als nur ein Storage-Backend. Er bietet ein strukturiertes, hierarchisches Virtual File System (VFS), das speziell für KI-Agenten, verteilte Tools und komplexe Automatisierungs-Workflows entwickelt wurde.

Warum MLC Artifact Service verwenden?

In vielen agentenbasierten Systemen werden Daten als große Strings oder flache Dateien hin- und hergeschoben. Der MLC Artifact Service führt einen stabilen, pfadbasierten Workspace ein:

• Hierarchisches VFS: Organisieren Sie Artefakte in Verzeichnissen wie /projekte/alpha/src/main.py.
• Token-Effizienz: Anstatt eine 100KB Datei für eine 1-zeilige Änderung erneut hochzuladen, nutzen Agenten VFSPatch für gezielte Edits.
• Protokoll-agnostisch: Egal ob Sie MCP, gRPC oder das CLI verwenden – Ihre Daten sind konsistent und überall zugänglich.
• Intelligente Lebenszyklen: Automatisches TTL-Management verhindert das Überlaufen des Speichers, während wichtige Daten dauerhaft erhalten bleiben.

Für wen ist mlcartifact gedacht?

mlcartifact ist in erster Linie für den Betrieb mit lokalen LLMs gedacht, etwa über Ollama, llama.cpp oder LM Studio, und für eigene Harnesses. Dort gibt es meist keinen eingebauten Weg, auf dem Werkzeuge Dateien untereinander weiterreichen: Jedes Zwischenergebnis müsste durch den Kontext des Modells, und genau der ist auf lokaler Hardware knapp und langsam.

Professionelle Plattformen wie Claude (Anthropic) oder Gemini (Google) bringen in der Regel einen eigenen, vergleichbaren Mechanismus mit, zum Beispiel eine Sandbox mit Dateisystem oder eine Datei-API. Große Dateien bleiben dort zwischen zwei Tool-Aufrufen außerhalb des Modellkontexts und müssen gar nicht erst über das Netzwerk zum Modell und zurück. Wenn Sie eine solche Plattform nutzen, prüfen Sie zuerst deren eingebaute Lösung. mlcartifact lohnt sich dort vor allem dann, wenn Ihre eigenen MCP-Server über einen gemeinsamen Speicher direkt Daten austauschen sollen.

Kern-Tools

vfs_ls & vfs_find

Navigieren Sie durch Ihren virtuellen Workspace mit voller Glob-Unterstützung und Verzeichnis-Auflistung.

vfs_patch

Führen Sie gezielte Updates durch. Hängen Sie Log-Daten an, ersetzen Sie Code-Blöcke oder aktualisieren Sie JSON-Objekte ohne hohen Overhead.

Integrierte MCP-Prompts

Der Service bringt eigene Nutzungsrichtlinien mit, um Agenten beizubringen, wie sie ihren persistenten Speicher am besten verwalten.

Erste Schritte

1. Laden Sie die Binärdatei für Ihre Plattform aus den Releases herunter.
2. Starten Sie den Server: ./artifact-server
3. Verbinden Sie sich via MCP, um den Dienst mit Ihrem bevorzugten LLM zu nutzen, oder via gRPC für Ihr eigenes Backend.

Der Server spricht MCP-Protokoll 2026-07-28 über stdio, Streamable HTTP (/mcp) und für ältere Clients SSE (/sse). Für den HTTP-Modus starten Sie ihn mit -addr :8082.

Client-Bibliotheken

Damit Ihre eigenen MCP-Server Artefakte direkt schreiben und lesen können, gibt es Clients für Go, TypeScript, Python und Rust. Alle decken die komplette API ab, einschließlich virtueller Pfade, Patch und Suche. Quellcode, Beispiele und Anleitungen liegen im GitHub-Repository:

• Go: go get github.com/hmsoft0815/mlcartifact/client (Anleitung)
• TypeScript (Node, Browser, Edge): client-ts
• Python: client-python
• Rust: client-rust

Schnellstart (MCP)

Claude Desktop

Fügen Sie Folgendes zu Ihrer claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "mlc-artifact": {
      "command": "artifact-server"
    }
  }
}

Gemini-CLI

Fügen Sie den Server zu Ihrer ~/.gemini/settings.json hinzu:

{
  "mcpServers": {
    "mlc-artifact": {
      "command": "artifact-server"
    }
  }
}

MCP-Tester

Ein neues Profil hinzufügen:

mcp-tester profile add artifact -c "artifact-server"