About KinetAios
KinetAios is an MCP server published by phinn in the Agents category: local-first multi-engine AI agent dashboard — Claude Code, Codex & built-in ReAct in one window. MCP support, skills auto-loading, long-term memory. No account, no relay.
The repository has 9 stars and 0 forks, with the last commit 7 days ago. Recent commit activity is the strongest signal that reported issues will get attention.
Install
From source
git clone https://github.com/phinn/KinetAiosThis server has no ConduID identity, so agent calls to it are not receipted. Pin the version you install and review the source before granting it credentials.
Ask AI
✦
Ask AI about KinetAios
Powered by Claude · Grounded in docs
I know everything about KinetAios. Ask me about installation, configuration, usage, or troubleshooting.
Security checks
6 checks have not been run yet.
Releases
v3.9.8v3.9.8 — 流式步骤 run-length 聚合 · 10 Oct 2026发布日期:** 2026-10-20(自 v3.9.7 起 3 commits) 📦 流式步骤 run-length 聚合 —— 流式中不再逐卡刷屏(28cd1d1) 此前步骤聚合只在回合 done 后生效,流式期间 15 连 `read_file` 会逐张刷卡把回答正文顶出屏幕。现在流式增量渲染(`buildStepsEl` expanded 分支)同样做**连续同名 ≥3 run-length 聚合**,与 done 态同一套视觉。 聚合卡 O(1)…
v3.9.7v3.9.7 · 10 Oct 2026发布日期:** 2026-10-20(自 v3.9.6 起 4 commits) 🗜️ Direct 主循环步间主动压缩 —— 估算超线就压,不等 400 报错(24c2857) 此前单轮 ReAct 长跑只靠 API 的 `contextTooLong`(400)被动触发 `compactWithSpill`:一轮烧满才知道超了(KinetVM 实测稳态爬到 520-527K)。现在每步工具结果落地后、下一轮 LLM 调用前,`estTokenCount`…
v3.9.6v3.9.6 · 10 Oct 2026发布日期:** 2026-10-19(自 v3.9.5 起 3 commits) 💰 Token 记账口径修正 —— 全库成本数据回归真实(990364e) 根因**:TaskManager 在 turn 结束时会把该轮**累计值**再写一条无 source 的 turn/meta 事件,与逐次 LLM 调用行重复记账 —— 一个烧 74M 的 turn 被算成 148M。此前对外引用的「68.5B input / $495」全是虚高 ~2.4× 的重复口径。…
v3.9.5v3.9.5 · 10 Oct 2026发布日期:** 2026-10-19(自 v3.9.4 起 15 commits) 🧬 Code Mode + Workflow —— 用 JS 编排工具链、阶段化多 agent 流水线 Code Mode 工具** `codemode`(38b8d9f / facfdaf / 0c158d1)—— 模型写一段 JavaScript,跑在 QuickJS-WASM 沙箱里,通过 `tools.*` 调用其它工具。嵌套调用与中间结果**不进 LLM 上下文**,只回传…
v3.9.4v3.9.4 · 29 Sep 2026发布日期:** 2026-09-29(自 v3.9.3 起 1 commit) ⚡ 性能 turn 内工具结果折叠**(11e626d)—— 根治长跑 ReAct 循环的 O(N²) token 重发。单 turn 数百次 LLM 调用时,每条工具结果都会被后续每次调用完整重发:N 次调用 = O(N²) 输入增长。实测 499 次调用烧 99.8M input tokens($6.99/次),撞 5h 限流;同模式另一会话 361 次调用 51M($3.57)。对标…