mcpField
M
Mcp Server Rabel

Mcp Server Rabel

本地服务
github.com/jaspertvdm记忆与知识040 周前更新

关于 Mcp Server Rabel

Mcp Server Rabel 为 AI 助手提供完全本地运行的持久记忆,面向需要保存和检索事实及关系的用户。它结合语义搜索、图关系和仅提供建议的双语流程,并可在缺少可选依赖时降级运行。

主要功能

  1. 01本地持久记忆
  2. 02记忆语义搜索
  3. 03实体图关系
  4. 04英荷双语流程提示
  5. 05基础依赖下可降级运行

适用场景

  1. 01跨会话保存用户或团队事实
  2. 02按自然语言查询已存记忆
  3. 03记录并查询实体间关系
  4. 04获取英荷双语任务流程建议

MCP 相关

作为 MCP 服务,它向客户端提供记忆增添与搜索、关系管理、流程提示和统计等工具。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

🧠 RABEL MCP 服务

PyPI 版本 下载量 Python 3.10+ 许可证:AGPL-3.0

递归主动脑环境层

本地优先的 AI 记忆,支持语义搜索、图关系和软管道。 灵感来自 Mem0,演进自 HumoticaOS。

由 HumoticaOS 的 Jasper & Root AI 打造 💙


🚀 快速开始

选项 1:通过 pip 安装(推荐)
# Install
pip install mcp-server-rabel

# For full features (vector search)
pip install mcp-server-rabel[full]

# Add to Claude CLI
claude mcp add rabel -- mcp-server-rabel

# Verify
claude mcp list
# rabel: ✓ Connected
选项 2:Docker
# Build
docker build -t mcp-server-rabel .

# Run (MCP uses stdio)
docker run -i mcp-server-rabel

# With persistent data
docker run -i -v rabel-data:/data mcp-server-rabel
选项 3:从源码安装
git clone https://github.com/jaspertvdm/RABEL.git
cd RABEL
pip install -e .
mcp-server-rabel

🤔 什么是 RABEL?

RABEL 为 AI 助手提供持久记忆,并且完全在本地运行。

Before RABEL:
  AI: "Who is Storm?" → "I don't know, you haven't told me"

After RABEL:
  You: "Remember: Storm is Jasper's 7-year-old son"
  AI: *saves to RABEL*

  Later...
  You: "Who is Storm?"
  AI: *searches RABEL* → "Storm is Jasper's 7-year-old son!"

无云端服务。无需 API 密钥。数据不会离开你的设备。


🛠️ 可用工具

工具描述
rabel_hello测试 RABEL 是否正常工作
rabel_add_memory添加一条记忆(事实、经历、知识)
rabel_search对记忆进行语义搜索
rabel_add_relation添加图关系(A --rel--> B)
rabel_get_relations查询知识图谱
rabel_get_guidance获取软管道提示(EN/NL)
rabel_next_step我接下来该做什么?
rabel_stats记忆统计信息

📖 示例

添加记忆
# Remember facts
rabel_add_memory(content="Jasper is the founder of HumoticaOS", scope="user")
rabel_add_memory(content="TIBET handles trust and provenance", scope="team")
rabel_add_memory(content="Always validate input before processing", scope="agent")
搜索记忆
# Semantic search - ask questions naturally
rabel_search(query="Who founded HumoticaOS?")
# → Returns: "Jasper is the founder of HumoticaOS"

rabel_search(query="What handles trust?")
# → Returns: "TIBET handles trust and provenance"
知识图谱
# Add relations
rabel_add_relation(subject="Jasper", predicate="father_of", object="Storm")
rabel_add_relation(subject="TIBET", predicate="part_of", object="HumoticaOS")
rabel_add_relation(subject="RABEL", predicate="part_of", object="HumoticaOS")

# Query relations
rabel_get_relations(subject="Jasper")
# → Jasper --father_of--> Storm

rabel_get_relations(predicate="part_of")
# → TIBET --part_of--> HumoticaOS
# → RABEL --part_of--> HumoticaOS
软管道(双语!)
# Get guidance in English
rabel_get_guidance(intent="solve_puzzle", lang="en")
# → "Puzzle: Read → Analyze → Attempt → Verify → Document"

# Get guidance in Dutch
rabel_get_guidance(intent="solve_puzzle", lang="nl")
# → "Puzzel: Lezen → Analyseren → Proberen → Verifiëren → Documenteren"

# What's next?
rabel_next_step(intent="solve_puzzle", completed=["read", "analyze"])
# → Suggested next step: "attempt"

🏗️ 架构

┌─────────────────────────────────────────────────────────────┐
│                         RABEL                                │
│       Recidive Active Brain Environment Layer               │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│   Memory Layer     → Semantic facts with embeddings         │
│   Graph Layer      → Relations between entities             │
│   Soft Pipelines   → Guidance without enforcement (EN/NL)   │
│                                                             │
│   Storage: SQLite + sqlite-vec (optional)                   │
│   Embeddings: Ollama nomic-embed-text (optional)            │
│                                                             │
│   100% LOCAL - Zero cloud dependencies                      │
│                                                             │
└─────────────────────────────────────────────────────────────┘
平滑降级

RABEL 只需最少的依赖即可运行:

功能不安装额外依赖安装 [full]
文本记忆✅✅
文本搜索✅(LIKE 查询)✅(语义搜索)
图关系✅✅
软管道✅✅
向量搜索❌✅
嵌入❌✅(Ollama)

🌍 理念

“本地优先——系统必须在没有互联网的情况下运行”

(本地优先——系统必须在没有互联网的情况下运行)

RABEL 秉持以下理念:

  • 你的数据由你掌控——无云端服务、无跟踪、无需 API 密钥
  • 软性引导胜过硬性规则——管道只提供建议,不强制执行
  • 默认支持双语——荷兰语和英语,更多语言即将推出
  • 平滑降级——只需最少的依赖即可运行,依赖越多,功能越完善

🙏 致谢

灵感来源: Mem0——感谢你们分享架构见解!

我们借鉴了他们的想法,并将其打造成:

  • 100% 本地优先
  • 双语(EN/NL)
  • 支持软管道
  • 支持图关系

🏢 HumoticaOS 的组成部分

RABEL 是更大生态系统的一部分:

软件包用途状态
mcp-server-tibet信任与溯源✅ 已推出
mcp-server-rabel记忆与知识✅ 已推出
mcp-server-betti复杂性管理🔜 即将推出

📞 联系方式

HumoticaOS


📜 许可证

AGPL-3.0 许可证——爱无边,家人永相伴 💙

这是开源软件。如果你将其用于网络服务,则必须公开你所做的修改。


倾注热爱,打造于荷兰 Den Dolder Jasper & Root AI 出品——2025 年 12 月

官方发行渠道

此软件包通过以下渠道官方发行:

注意:第三方目录可能会列出此软件包,但它们并非 Humotica 软件的官方或已验证发行渠道。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。