时间上下文注入
自动为 Agent 的系统提示生成丰富的时间块——当前日期、时间、星期、周数和时区——让每次会话从一开始就具备时间感知。
插件 OpenClaw 生态
Time Awareness
让 AI Agent 真正感知时间——今天几号、任务跑了多久、上次压缩前发生了什么
问题
LLM 对时间是盲的
语言模型没有内置时钟。它们不知道今天的日期，无法判断一个后台任务已经运行了多久，而且上下文窗口压缩的瞬间，整个事件历史就全消失了。Time Awareness 通过完全暴露在 MCP 上的三层架构解决了所有这三个问题。
能力
核心功能
任务生命周期追踪
按名称注册后台任务，通过智能退避轮询状态，通过可配置超时检测卡顿，并标记完成——全部通过 MCP 工具调用。
时间事件日志
每个重要事件都以精确时间戳追加到磁盘上的持久化 JSONL 时间线。日志在上下文压缩、重启和 Agent 切换后依然存活，提供不可变的审计追踪。
MCP 集成
所有 10 个工具通过 localhost:18070/mcp 的模型上下文协议暴露。在 claude_desktop_config.json 中添加一条配置，任何兼容 MCP 的 Agent 都能原生调用。
智能轮询
内置自适应退避，防止 Agent 在等待慢任务时频繁轮询 API。轮询间隔随已用时间自动扩展，节省 Token 和 API 配额。
上下文压缩存活
事件时间线存在于 LLM 上下文窗口之外。即使压缩清除了短期记忆，Agent 也可以通过 query_timeline 精确重建发生了什么以及何时发生的。
架构
工作原理
三个独立的层，每个解决时间盲目性问题的不同方面。合在一起，给 Agent 提供完整的时间情境感知。
01
时间上下文注入
任务运行前，TCS 生成一个结构化时间块，直接注入 Agent 的系统提示。Agent 始终知道当前日期、时间、时区和周数——不可能产生幻觉。
tcs context 02
任务生命周期追踪
长时间运行的后台任务按名称注册。TCS 追踪其启动时间、最后轮询时间和预期时长。智能轮询间隔防止忙等；超时检测发现卡顿任务。
tcs task start / poll / finish 03
时间事件日志
每个值得记录的事件都以精确时间戳追加到磁盘上的 JSONL 时间线。日志可按时间范围、事件类型或全文搜索查询——在上下文压缩后依然完整存活。
tcs log / timeline 10 个 MCP 工具
所有工具在 http://localhost:18070/mcp 可用
get_temporal_context 获取当前时间上下文——日期、时间、时区、周数 start_task 注册一个后台任务进行生命周期追踪 poll_task 检查任务是否应该被轮询并记录检查 finish_task 将任务标记为已完成或已取消 list_tasks 列出所有任务，可按状态过滤 check_timeouts 扫描所有运行中任务，检测卡顿或超时 log_event 向持久化时间线追加一个事件 query_timeline 按时间范围、类型或来源查询事件 search_events 在事件时间线上进行全文搜索 get_stats 获取 Agent 活动的汇总统计 3
架构层
10
MCP 工具
JSONL
持久化时间线
Solved
时间盲目性
追踪范围
追踪了什么
六类 Agent 需要但从未拥有的时间信息——直到现在。
当前时间 & 日期
精确时间戳、星期、周数和时区，注入每次 Agent 上下文
任务时长
每个追踪任务从启动到结束的实际挂钟时间
后台任务
带智能轮询间隔和超时阈值的运行中任务
事件历史
每个重要 Agent 事件的持久化 JSONL 时间线
轮询间隔
自适应退避，防止 Agent 频繁轮询 API 等待结果
超时检测
任务超过预期运行时间时自动告警
快速开始
30 秒启动
启动 MCP 服务器，然后接入任意兼容 MCP 的 Agent。
# Start the MCP server bash ~/projects/agent-time-awareness/start-mcp.sh # Add to claude_desktop_config.json { "mcpServers": { "tcs": { "url": "http://localhost:18070/mcp" } } }
即将上线
加入候补名单
第一时间获知此插件上线。