DE EN
Zurück zum MCP-Katalog

MCP-Pfad

Semantic Rate Limit pro Kind/Origin

Semantic Rate Limit pro Kind/Origin ist eine öffentliche Referenz für Wissenssignale, Lernkandidaten und nachvollziehbare Orientierung. Sie benennt das Signal, die Regel oder den Ablauf, den ein Agent vor der Wahl eines konkreten Werkzeugs verstehen sollte.

Katalogpfad

Referenzseite für einen dokumentierten MCP-Fähigkeitspfad.

Typ
MCP-Pfad
Familie
Learning & Knowledge-Evolution
Wirkung
lesend
Status
Referenz
Pfad
11.14

Zweck

Was dieser Eintrag erklärt

Was macht das?

Diese Referenz erklärt Semantic Rate Limit pro Kind/Origin für Wissenssignale, Lernkandidaten und nachvollziehbare Orientierung. Sie bleibt benannt, damit Agenten den Ablauf zitieren können, ohne einen Toolnamen zu erfinden.

Einsetzen, wenn

  • Nutze diesen Eintrag, wenn ein Agent für Wissenssignale, Lernkandidaten und nachvollziehbare Orientierung den Zustand oder die Evidenz zu "Semantic Rate Limit pro Kind/Origin" prüfen soll.
  • Nutze ihn als Referenzpfad, wenn der Katalog eine Fähigkeit beschreibt, aber kein einzelner öffentlicher Toolname ausdrücklich genannt ist.
  • Nutze ihn vor verketteten Folgetools, damit der nächste Schritt auf aktueller Evidenz basiert.

Referenznutzung

Wie Agenten diesen Bereich zitieren und anwenden

Beispiele werden auf Familienebene gepflegt und nutzen nur öffentliche Toolnamen oder Referenzpfade, die bereits im Katalog stehen.

Signal, Gate, Verhalten, Grenze

Semantic Rate Limit pro Kind/Origin beschreibt ein Signal für Wissenssignale, Lernkandidaten und nachvollziehbare Orientierung. Der Pfad zeigt, welches Signal, Gate, Verhalten oder welche Grenze vor einem konkreten Werkzeug geprüft werden muss.

Wann Agenten zitieren

Ein Agent zitiert diesen Pfad, wenn er Semantic Rate Limit pro Kind/Origin als Kontext für eine Entscheidung, einen Block, eine Zielprüfung oder eine nachfolgende Toolwahl braucht.

Warum kein Aufrufname

Die öffentliche Quelle nennt für diesen Pfad keinen einzelnen aufrufbaren Toolnamen. Die Dokumentation hält ihn deshalb als Referenzpfad fest und erfindet keinen Aufrufnamen.

Signale und Regel

Relevante Antwortsignale: aktuelle Discovery und tatsächlicher Antwortstatus. Wirkungsachsen: Lesend. Aus dem Referenzpfad allein folgt keine Ausführungserlaubnis. Vor Aktion aktuelle MCP-Discovery, sichtbares Ziel, Scope und tatsächliche Antwort prüfen.

Familienbeispiel

Ein Arbeitsauftrag berührt in Wissenssignale, Lernkandidaten und nachvollziehbare Orientierung Daten, Identität oder Berechtigungen, die nur mit klarem Zweck genutzt werden dürfen.

Der Agent beginnt bei nova.learn_suggest, liest die aktuelle Antwort oder Referenz und wählt erst danach das konkrete nächste Werkzeug.

Sensible Werte bleiben im aktuellen Scope; sie werden nicht geraten, geloggt oder in fremde Kontexte kopiert.

Kontrakt

Eingaben und wichtige Antwortfelder

Diese Seite ist eine öffentliche Referenz. Agenten und Integratoren sollen vor Ausführung trotzdem die aktuelle MCP-Tool-Discovery lesen, weil Schemas von Einstellung oder Version abhängen können.

Eingaben

Aus der Katalogquelle ist für diesen Pfad kein stabiles öffentliches Eingabefeld ableitbar. Vor Ausführung die aktuelle MCP-Discovery lesen.

Antwortfelder

Aus der Katalogquelle ist für diesen Pfad kein festes öffentliches Antwortfeld ableitbar. Nutze aktuelle Tool-Discovery und die tatsächliche Antwort, bevor ein Folgeschritt ausgeführt wird.

Sicherheit

Grenze vor der Ausführung

Wirkung

Liest aktuellen Zustand oder Evidenz. Das Ergebnis ist keine Erlaubnis für Folgeaktionen ohne frische Prüfung.

Agentenregel

Gespeichertes Wissen nur als Orientierung behandeln. Vor jeder Aktion aktuelle Seite, Ziel, Scope und sichtbare Evidenz erneut bestätigen.

Was muss ein Mensch wissen?

Für Menschen erklärt dieser Eintrag, was ein Agent in Wissenssignale, Lernkandidaten und nachvollziehbare Orientierung liest und welches aktuelle Signal vor Vertrauen in das Ergebnis geprüft werden sollte.

Wirkungsachsen

Wie dieser Pfad wirken kann

Achsen sind stabile Katalogsignale für Menschen, Agenten und LLM-Discovery. Ein Pfad kann mehrere Achsen tragen.

Lesend read_current_state

Liest aktuellen Zustand, Antwortsignale oder Evidenz, ohne daraus allein eine Folgeaktion abzuleiten.

Das Signal als aktuelle Evidenz nutzen und vor jeder Folgeaktion Ziel, Scope und sichtbaren Zustand erneut prüfen.