Memory Center 07｜管理 API 与 MCP 如何共用应用层

本文属于 Memory Center：AI 编程上下文与记忆系统工程实践，第 07 篇，位于“服务架构与项目边界”模块。案例背景统一采用实际开发项目；复现步骤使用脱敏教学样例，不代表特定生产事故。

从实际问题出发

同一个检索能力同时供管理页和 AI 工具使用。如果两边各写一套查询、权限和来源拼装，界面显示的结果很快会与模型拿到的结果不同。共享应用层用于约束这种语义分叉。

入口只处理自己的协议

HTTP 参数、MCP schema 和页面交互不同，但应传入同一类受控请求。身份校验不能仅靠界面隐藏按钮；查询模式、来源引用和错误边界应该由共享用例统一定义。

管理 API 与 MCP 如何共用应用层：设计链路示意

图中展示的是本篇关注的职责和顺序。正常流程之外，还要结合下面的源码与实验检查失败分支；它不是对某次线上调用的运行时追踪。

共享不等于一个巨型服务类

应用层组合存储、检索和授权，不应把所有 SQL、解析算法和显示文案塞在一起。可选模型失败时，应由对应领域返回诊断，再由用例决定如何表达部分结果。共享的重点是业务语义，不是强迫所有返回格式完全相同。

关键源码与阅读方法

源码基线为 Memory Center 6e90553（文档标注 5.0.0b24）。定位：memory_center/platform/application.py，函数 lookup，起始行 45。

以下为源码节选，省略后续分支；不能作为独立脚本执行。

    def lookup(self, actor, workspace_id, query, mode='hybrid', limit=10, session_id=''):
        workspace = self.access.scope(actor, workspace_id)
        if session_id:
            session = self.access.owned(actor, 'session', session_id, workspace_id)
            if session['status'] != 'active':
                raise CatalogError('SESSION_CLOSED', '会话已关闭')
        if mode in {'symbol', 'callers', 'callees', 'context'}:
            from memory_center.core.orchestrator.query import (
                memory_callees,
                memory_callers,
                memory_context,
                memory_symbol,
            )
            _, index = self.indexed(actor, workspace_id)
            methods = {'symbol': memory_symbol, 'callers': memory_callers, 'callees': memory_callees, 'context': memory_context}
            generic = query_code_graph(index['workspace_file'], query, mode, limit)
            if mode == 'context' and generic and any(s['language'] == 'java' for s in generic['symbols']):
                generic = None
            if generic is not None:
                result = generic
                for symbol in [*result.get('symbols', []), *[e['symbol'] for e in result.get('chain', [])]]:
                    symbol['freshness'] = 'CURRENT' if symbol_fresh(workspace['root'], symbol) else 'STALE'
            elif mode in {'symbol', 'callers', 'callees'}:
                result = methods[mode](index['workspace_file'], query, limit=min(limit, 50), view='minimal')
            else:
                result = memory_context(index['workspace_file'], query, view='minimal')
            result['workspace_id'] = workspace_id
            result['generation'] = index['generation']
        else:
            result = self.retrieval.search(workspace, actor, query, mode, limit)
            # 源码命中实时核对哈希，只核对有界候选，不重建索引。
            for item in result.get('items', []):
                source = item['source']
                if source['kind'] == 'code':
                    path = Path(workspace['root']) / source['path']
                    try:

阅读时先找输入由谁提供，再区分纯计算、读取和写入；遇到异常或提前返回，追问调用方会得到什么，以及已有状态是否仍然有效。上面的代码只证明展示范围内的实现，跨模块行为应继续查看调用处和相应测试。

用一个小实验核对设计

建议在独立临时目录和隔离数据中操作，使用虚构的接口、文档与项目名称。

用相同凭据从两个入口提出相同查询。
对比项目范围、命中来源和错误码。
撤销权限后重试。

**要核对的结果：**入口格式允许不同，但授权结果和来源边界应保持一致。

可把观察记录为下表；没有执行的项写“未执行”，不能用设计预期冒充实测结果。

核对项	应保留的证据
使用条件	源码版本、配置、输入与项目范围
正常行为	实际返回、来源位置或状态变化
关键失败分支	错误码、可见结果与原状态是否保留
结论范围	已覆盖、未覆盖和需要进一步验证的条件

适用边界与继续阅读

本篇以静态源码与项目设计为依据，给出可执行的核对方法，未据此宣称已经完成新的性能或生产环境测试。不同版本的入口、默认值和底层实现可能变化，应先核对当前合同，再把方法用于自己的实际开发项目。

理解这一节后，可以回到专题总导航，沿同一模块继续阅读；顺序学习时使用专栏内的上一篇和下一篇。涉及具体技术选择，应连同本篇的代价与限制一起采用。

专题目录

管理 API 与 MCP 如何共用应用层