mcpField
D
directory

directory

远程服务
anots.com商业与营销030 周前更新

关于 directory

TCAM Memory System 是面向 Agent 系统的本地优先记忆架构,设有四个独立层,分别管理历史、工作上下文、语义记忆和个人 Codex。README 介绍了系统及其命令行界面,但未说明 MCP 支持。

主要功能

  1. 01四个相互独立的记忆层
  2. 02不可变的对话历史记录
  3. 03支持搜索的语义索引
  4. 04提取事实并更新 Codex
  5. 05用于查看健康状态与活动的终端面板

适用场景

  1. 01将对话导入分层记忆
  2. 02搜索已建立语义索引的对话
  3. 03监控记忆层健康状态与活动

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://api.anots.com/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

3
参数类型必填说明
limitnumber否最多返回的企业数(默认 5,最多 10)
querystring是要查找的内容(例如:"honest product reviews"、"coffee subscription that ships internationally")

详细介绍

TCAM 记忆系统

面向 TCAM v1.4(三元认知增强模型)的弹性四层记忆架构

概述

TCAM 记忆系统实现了一种容错记忆架构,各层独立运行,确保某一层发生系统故障时不会影响其他层。记忆操作由专用记忆服务处理,该服务运行于 Qwen 3.5 9B(本地大模型)之上。

架构

四个独立层
  • L1:Chronicle - 不可变的历史记录(文件系统、markdown)
  • L2:Active Stream - 易失性工作记忆(云端大模型上下文 + Redis)
  • L3:Hive Mind - 语义记忆(Qdrant 向量数据库 + Mem0)
  • L4:Agent Codex - 个人知识库(文件系统、markdown)
记忆服务

运行于 Qwen 3.5 9B 之上的专用进程,负责:

  • 从对话中提取事实
  • 记录 Chronicle
  • 为 Hive Mind 建立索引
  • 更新 Agent Codex
  • 协调休眠周期

技术栈

  • TypeScript/Node.js - 核心实现
  • Qwen 3.5 9B - 用于记忆操作的本地大模型
  • Mem0 - 自动提取事实
  • Qdrant - 用于语义搜索的向量数据库
  • Redis - 快速状态持久化(LangGraph 检查点保存器)
  • LangGraph - 多 Agent 协调
  • Jest - 测试框架
  • fast-check - 基于属性的测试

项目结构

.
├── src/                    # Source code
├── tests/                  # Test files
├── data/                   # Chronicle storage
├── codex/                  # Agent Codex (L4)
├── docs/                   # Documentation
└── .kiro/specs/           # Specification documents

开始使用

前置条件
  • Node.js 18+
  • Ollama(用于 Qwen 3.5 9B)
  • Docker(用于 Qdrant 和 Redis)
安装
# Install dependencies
npm install --legacy-peer-deps

# Pull Qwen 3.5 9B model
ollama pull qwen2.5:9b-instruct-q4_K_M

# Pull embedding model
ollama pull nomic-embed-text

# Start Qdrant (using setup script)
# Windows PowerShell:
.\scripts\setup-qdrant.ps1

# Linux/Mac:
bash scripts/setup-qdrant.sh

# Or manually with Docker:
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 -v qdrant_storage:/qdrant/storage qdrant/qdrant

# Start Redis
docker run -d --name redis -p 6379:6379 redis

# Build and install globally
npm run build
npm install -g . --legacy-peer-deps
CLI 用法
# Interactive main menu
anots

# Real-time monitoring dashboard (Terminal UI)
anots dashboard

# Chat with Axiom (TCAM Node C)
anots axiom

# Start MCP server (19 tools for IDE integration)
anots mcp:start

# Start REST API server
anots api:start

# Start API with Axiom chat endpoint
anots api:start --axiom

# Search memory
anots memory:search "your query"

# Import conversation (JSON/Markdown)
anots import conversation.json --type general

# System status
anots status

# Configuration wizard
anots setup

# Show all commands
anots --help
仪表板功能

终端 UI 仪表板(anots dashboard)提供:

  • 实时监控记忆层健康状况
  • 系统统计信息(章节、会话、记忆)
  • 带时间戳的活动日志
  • 键盘快捷键(F1-F3、R、Q)
  • 每 2 秒自动刷新
  • 具有 90 年代 BBS 风格的赛博朋克美学
验证设置
# Check Qdrant
curl http://localhost:6333/health

# Check Redis
redis-cli ping

# Check Ollama
ollama list
开发
# Build
npm run build

# Run tests
npm test

# Run tests with coverage
npm run test:coverage

# Lint
npm run lint

# Format code
npm run format

导入对话

将大型对话文件导入 ANOTS 记忆系统:

# Import Ubik conversation
npm run import -- data/import/conversation.json --type ubik

# Import Axiom conversation
npm run import -- data/import/conversation.md --type axiom

# Preview import without writing (dry run)
npm run import -- data/import/conversation.json --dry-run

# Custom chunk size (messages per chapter)
npm run import -- data/import/large-file.json --type ubik --chunk-size 100
导入内容
  1. Chronicle:按章节保存的对话历史
  2. Hive Mind:用于搜索的语义索引
  3. Codex:提取出的事实与见解

有关详细文档和示例,请参阅 data/import/README.md。

规范

完整规范请参阅 .kiro/specs/memory-system/:

  • requirements.md - 功能需求
  • design.md - 技术设计
  • tasks.md - 实现任务

许可证

MIT

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。