pmll-memory-mcp

Name: pmll-memory-mcp
Author: drQedwards

本地服务

github.com/drQedwards记忆与知识153 周前更新

代码仓库

关于 pmll-memory-mcp

pmll-memory-mcp 为编码 Agent 提供持久化上下文记忆，结合会话隔离的短期 KV 缓存与可选的长期图存储，并以 Q-promise 去重。

主要功能

01会话隔离的 KV 记忆
02基于 Q-promise 的去重
03SQLite 属性图存储
04语义搜索与时间衰减
05统一上下文解析与自动提升

适用场景

01任务开始时初始化记忆
02调用昂贵工具前查询缓存
03跨会话检索常用信息

MCP 相关

这是一个 MCP 服务，向 MCP 客户端提供短期记忆、长期图记忆及统一上下文解析工具。

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。

mcp.json · 通用配置

{
  "mcpServers": {
    "drqedwards-pmll-memory": {
      "command": "npx",
      "args": [
        "-y",
        "pmll-memory-mcp"
      ]
    }
  }
}

启动命令npx -y pmll-memory-mcp

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npmpmll-memory-mcp0.1.1stdio

工具

收录的工具列表 · 更新于 2 周前

参数	类型	必填	说明
silo_size	integer	否	KV 槽位的最大数量（与 memory_silo_t.size 一致）。
session_id	string	是	此 Agent 任务的唯一标识符（例如 UUID）。

详细介绍

PPM — Python Package Manager

pypm 打包命令行工具，配备共享的 PMLL 记忆和 Q-promise。同系列项目：drQedwards/pmll。

Stellar pmll-anchor 实时 ID：docs/STELLAR.md · 技能：SKILL.md · 承诺：Q_promise_lib/README.md。

简而言之：PPM 用于打包 Python（C CLI）。共享的 PMLL 负责记忆/状态（memory_silo_t、精确 peek 和语义 peek_semantic、 SAT 桥接、init_pml）。Q-promise 负责时序/控制流（qpromise_*、libqpromise.so） ——它不会取代 silo。可选的 Stellar 承诺通过 pmll-anchor 将链下 CodeworkPayload 哈希为 32 字节摘要（ABI：init/store/get/bump）。配套的打包命令行工具和 MCP 记忆服务位于仓库内。

PMLL 为 Agent 工作流提供持久化结构化记忆，同时还提供 PPM 打包命令行工具（隔离构建包、插件、签名）和 PMLL Memory MCP 服务。长期图工具改编自 Context+。

分层（合并后）

两个互补层，不可相互替代：

层	负责内容	主要接口
PMLL	持久化记忆/状态	`memory_silo_t`、`peek` / `peek_semantic`、`silo_set`、SAT 桥接、`init_pml`
Q-promise	时序/控制流	`qpromise_*` API、`libqpromise.so`、延迟执行的 `qpromise_drain()`

Q-promise 不会取代 silo。Promise 可以引用一个记忆键（以及可选的 SAT 状态 ID）；结果会通过 silo_set / qpromise_resolve_commit 写回。

预期循环

retrieve (peek / peek_semantic)
  → compute / request work
  → promise PENDING
  → resolve / reject (optionally resolve_commit → silo)
  → continuation (then / catch / finally via qpromise_drain)
  → memory update
  → retrieve again

线程安全：C Q-promise drain 为单线程。Continuation 仅在调用线程上执行 qpromise_drain() 时运行；调用方必须在外部串行化访问。详情：Q_promise_lib/README.md。

C 核心（PMLL）

头文件：PMLL.h · 实现：PMLL.c

符号	作用
`memory_silo_t`	关联/语义 silo：`tree`、`slots[]`、`embed_dim`（`PMLL_EMBED_DIM=32`）、`slot_count`
`silo_slot_t`	`key`、`content`、`embedding`、`resolved`
`init_silo` / `free_silo` / `silo_set`	分配、释放、写入键/内容及嵌入
`peek`	精确键查找，否则按索引查找
`peek_semantic`	在嵌入上按余弦相似度 ≥ `min_sim` 查找（`silo_embed_text`、`silo_cosine_similarity`）
`init_pml`	将每个 `assignment[i]` 设为 -1（未决）
`check_conflict`	将 -1 视为未决（而非因零填充而固定为 false）
`sat_bridge_*`	将 3SAT token 映射为 silo 中的关联字符串字面量

Q-promise 库

构建/测试/API：Q_promise_lib/README.md（权威文档）。公共符号为 qpromise_*；共享对象为 libqpromise.so。旧原型（QMemNode / q_mem_* / memory-chain walker）已移除；Q_promises.h 是兼容性头文件，会重定向到 qpromise.h。

✨ 功能

命令	功能说明
`pypm doctor`	检查 Python 头文件、C 编译器、OpenSSL、WASI 工具链、GPU，等等
`pypm sandbox [-d DIR]`	进入临时目录（或自定义 DIR），并获得完整的 shell 环境
`pypm plugin add NAME SRC`	将 `.so` 插件（从 URL 或路径）下载到 `~/.pypm/plugins/`
`pypm plugin run NAME …`	在指定插件中执行 `pypm_plugin_main()`
`pypm pypylock [-o FILE]`	将所有 wheel + 解释器打包到 `dist/venv.tar.gz`（或 FILE）
`pypm version`	打印当前 CLI 版本
`ppm import PKG`	导入并缓存软件包，并使用 GPU 加速哈希校验
`ppm add PKG --lock`	添加软件包并更新锁文件
`ppm plan` / `ppm apply`	规划依赖项变更，然后应用变更并保留审计记录
`ppm snapshot` / `ppm rollback`	创建环境快照；回滚到任意先前状态
`ppm sign` / `ppm verify`	对制品进行签名（Ed25519）并验证加密收据
`ppm sbom`	生成软件物料清单（SBOM）

已列入路线图： SAT 依赖求解器（独立的 SAT.c CDCL 求解器已存在，但尚未用于解析）、并行 wheel 缓存、使用单个锁文件的工作区、 WASM wheel 解析、Conda 和 Poetry 导入插件。

🔧 从源代码构建

系统依赖项

C11 编译器（gcc、clang 或 MSVC）
libcurl（用于下载插件）
libdl（用于动态加载，在 Linux / macOS 上为标准库）
tar / libarchive（可选，用于 pypylock 打包）

构建并首次运行

git clone https://github.com/drQedwards/PPM.git
cd PPM
cc -Wall -Wextra -ldl -lcurl -o pypm Ppm.c
./pypm doctor        # Diagnose your dev box
./pypm sandbox       # Spin up a throw-away REPL playground

Q-promise 共享库

cd Q_promise_lib
make clean && make test
make shared   # → libqpromise.so
cd ..

可选：CUDA 加速构建

nvcc -O3 CLI/CLI.cu -lcuda -o ppm-gpu
./ppm-gpu import transformers torch --verbose

🖥 CLI 命令

导入软件包

# Import a single package
ppm import transformers

# Import with a specific version
ppm import transformers==4.43.3

# Import multiple packages
ppm import transformers torch numpy

# Scan a Python file for imports and install them
ppm import --from-file my_script.py

# Verbose — watch what's happening
ppm import transformers --verbose
# 🔍 Resolving transformers...
# ⬇️  Downloading transformers-4.43.3-py3-none-any.whl
# 🔐 GPU integrity check: PASSED
# ✅ transformers==4.43.3 imported successfully

项目初始化

ppm init
# Creates:
# .ppm/
# ├── ledger.jsonl      ← append-only operation log
# ├── state.json        ← current state
# ├── lock.json         ← dependency lockfile
# └── snapshots/        ← rollback points

依赖解析与锁定

ppm add transformers torch==2.4.0 --lock

ppm plan
# { "plan": "install", "packages": { "transformers": "4.43.3", ... } }

ppm apply --note "Added ML stack"

快照与回滚

ppm snapshot --name "before-upgrade"
ppm snapshots
ppm rollback before-upgrade

环境诊断

ppm doctor
# ✅ Python dev headers found
# ✅ C compiler available
# ✅ CUDA toolkit available
# 🏁 Diagnostics complete (0 issues found)

沙盒

ppm sandbox                 # ephemeral temp directory
ppm sandbox -d /tmp/mydir   # custom directory

密封打包

ppm pypylock -o production-env.tar.gz

🔐 GPU 与安全功能

GPU 加速哈希校验

ppm import torch --verbose
# 🚀 GPU hash verification: SHA-256 computed on device
# ✅ Integrity verified: e3b0c44298fc1c149afbf4c8996fb924...

GPU 后端选择

ppm ensure transformers --gpu auto    # auto-detect CUDA
ppm ensure transformers --gpu cu121  # force CUDA 12.1
ppm ensure transformers --gpu cpu    # CPU-only

Ed25519 加密签名

ppm keygen --out-priv ed25519.priv --out-pub ed25519.pub
ppm sign   --sk ed25519.priv --file torch-2.4.0-*.whl --gpu ./libbreath_gpu.so
ppm verify --receipt torch-2.4.0-*.whl.receipt.json   --file torch-2.4.0-*.whl

来源信息与 SBOM

ppm sbom        --out project-sbom.json
ppm provenance  --out provenance.json
ppm graph --dot | dot -Tpng -o deps.png

🔌 插件系统

# Install a plugin
ppm plugin add auditwheel https://cdn.example.com/auditwheel.so

# Run it
ppm plugin run auditwheel repair --wheel torch-2.4.0-cp310-linux_x86_64.whl

编写插件（C）

// hello.c
#include <stdio.h>
int pypm_plugin_main(int argc, char **argv) {
    puts("Hello from a plugin 👋");
    return 0;
}

cc -shared -fPIC -o hello.so hello.c
mv hello.so ~/.pypm/plugins/
pypm plugin run hello

⚙️ 配置

`pypm.toml`

[tool.ppm]
python = "^3.10"
default_gpu = "auto"

[tool.ppm.backends]
cpu.index   = "https://download.pytorch.org/whl/cpu"
cu121.index = "https://download.pytorch.org/whl/cu121"
cu122.index = "https://download.pytorch.org/whl/cu122"

torch_prefer        = "2.4.*"
transformers_prefer = "4.43.*"

环境变量

export PYP_WORKSPACE_ROOT=/path/to/project   # override workspace detection
export PYP_DEBUG=1                           # enable debug output
export CUDA_VISIBLE_DEVICES=0               # control GPU usage

🧠 PMLL Memory MCP 服务

持久化记忆逻辑循环，结合短期 KV 上下文记忆、Q-promise 去重，以及 Context+ 长期记忆图，旨在提升编码 Agent 的上下文保留与检索能力。

pmll-memory-mcp 是一个 Model Context Protocol（MCP）服务，包含互补的短期 KV 层和可选的长期图层。构建服务时优先使用 MCPServer（mcp 2.x），并在不可用时回退到 FastMCP（mcp 1.x）——参见 mcp/pmll_memory_mcp/server.py。

以代码中的工具名称为准：TypeScript（mcp/src/index.ts）有 15 个工具，包括 graphql 和 create_relation 等名称；Python（mcp/pmll_memory_mcp/server.py）有 14 个工具（没有 graphql），其中一些名称较长，例如 create_memory_relation。 Ppm-lib/pmll_mcp/ 中的 ctypes 示例通过 qpromise_* 加载 libqpromise.so。

记忆层：

短期 KV 缓存（5 个工具）——按会话隔离的键值记忆，带有 Q-promise 去重功能，并与 PMLL.c::memory_silo_t 相对应。
长期记忆图（6 个工具）——改编自 @ForLoopCodes 的 Context+，提供由 SQLite 支持的属性图，其中包含类型化节点、加权边、时间衰减评分（e^(-λt)），以及通过稳定哈希嵌入实现的语义搜索。
解决方案引擎（3 个工具）——连接这两层，提供统一的上下文解析（短期 → 长期 → 未命中）、自动将频繁访问的条目提升至长期记忆，以及统一的记忆状态视图。

该服务旨在作为与 Playwright 和其他 MCP 工具并列的第 3 个初始化器——在每个 Agent 任务开始时加载一次。Agent 在任务开始时调用一次 init，然后在调用任何耗时较长的 MCP 工具前使用 peek，以避免重复调用。频繁访问的条目会被提升至长期记忆图，以便跨会话进行语义检索（由 SQLite 支持的图）。

不同实现的工具数量有所不同（TS 为 15 个，含 graphql；Python 为 14 个——见上文说明）。下方历史文档列出的是 TypeScript 工具接口。

为什么它是出色的第 3 个初始化器

现代 Claude Agent 任务通常会调用 Playwright、文件系统工具和其他 MCP 服务。如果没有共享记忆层，每个子任务都会从头重新初始化相同的上下文。pmll-memory-mcp 通过两个互补的记忆层消除了这项开销：

Agent task start
  ├── 1st init: Playwright MCP
  ├── 2nd init: Unstoppable Domains MCP  (see unstoppable-domains/)
  └── 3rd init: pmll-memory-mcp   ← this server
        ├── Short-term: all tool calls go through peek() first
        └── Long-term: frequently accessed entries auto-promote to graph

`peek()` 模式

在调用每一个耗时较长的 MCP 工具前，Agent 都会调用 peek 检查缓存：

// Pseudocode — what the agent does automatically via MCP tool calls

// 1. Check cache before navigating
const result = mcp.call("pmll-memory-mcp", "peek", { session_id: sid, key: "https://example.com" });
if (result.hit) {
    const pageContent = result.value;          // ← served from PMLL silo, no browser needed
} else {
    // 2. Cache miss — do the real work
    const pageContent = mcp.call("playwright", "navigate", { url: "https://example.com" });
    // 3. Populate the cache for future agents / subtasks
    mcp.call("pmll-memory-mcp", "set", {
        session_id: sid,
        key: "https://example.com",
        value: pageContent,
    });
}

工具参考（15 个工具）

短期 KV 内存（5 个工具）

工具	输入	输出	描述
`init`	`session_id: str`，`silo_size: int = 256`	`{status, session_id, silo_size, cleared}`	设置或重置会话 silo 和 Q-promise 状态（`cleared` 始终为 true）
`peek`	`session_id: str`，`key: str`	`{hit, value?, index?}` 或 `{hit, status, promise_id}`	非破坏性地检查缓存和 promise
`set`	`session_id: str`，`key: str`，`value: str`	`{status: "stored", index}`	在 silo 中存储 KV 键值对
`resolve`	`session_id: str`，`promise_id: str`	`{status: "resolved"\|"pending", payload?}`	检查/解析 Q-promise 延续
`flush`	`session_id: str`	`{status: "flushed", cleared_count}`	任务完成时清除所有 silo 槽位

GraphQL（1 个工具）

工具	输入	输出	描述
`graphql`	`query: str`，`variables?: object`，`operationName?: str`	`{data}` 或 `{errors}`	对内存存储执行 GraphQL 查询/变更

长期记忆图（6 个工具 — 改编自 Context+）

这些工具改编自 @ForLoopCodes 的 Context+，提供由 SQLite 支持的语义记忆，具备图遍历、衰减评分和余弦相似度搜索功能。

工具	输入	输出	描述
`upsert_memory_node`	`session_id`、`type`、`label`、`content`、`metadata?`	`{node}`	创建或更新记忆节点，并自动生成稳定哈希嵌入
`create_relation`	`session_id`、`source_id`、`target_id`、`relation`、`weight?`、`metadata?`	`{edge}`	创建类型化边（relates_to、depends_on、implements、references、similar_to、contains）
`search_memory_graph`	`session_id`、`query`、`max_depth?`、`top_k?`、`edge_filter?`	`{direct, neighbors, totalNodes, totalEdges}`	通过图遍历进行语义搜索 — 直接匹配项加邻居遍历
`prune_stale_links`	`session_id`、`threshold?`	`{removed, remaining}`	移除已衰减的边（e^(-λt) 低于阈值）以及访问次数较少的孤立节点
`add_interlinked_context`	`session_id`、`items[]`、`auto_link?`	`{nodes, edges}`	批量添加节点并自动建立相似度链接（余弦相似度 ≥ 0.72 时创建边）
`retrieve_with_traversal`	`session_id`、`start_node_id`、`max_depth?`、`edge_filter?`	`[{node, depth, pathRelations, relevanceScore}]`	从节点向外遍历 — 返回可达邻居，并按衰减和深度评分

解决方案引擎（3 个工具）

工具	输入	输出	描述
`resolve_context`	`session_id`、`key`	`{source, value, score}`	统一上下文查找：短期 KV → 长期记忆图 → 未命中
`promote_to_long_term`	`session_id`、`key`、`value`、`node_type?`、`metadata?`	`{promoted, nodeId}`	将短期 KV 条目提升到长期记忆图
`memory_status`	`session_id`	`{shortTerm, longTerm, promotionThreshold}`	统一查看短期 KV 和长期记忆图的状态

安装

通过 `npx`（推荐 — 无需安装）

npx pmll-memory-mcp

通过 npm

npm install -g pmll-memory-mcp
pmll-memory-mcp          # starts the stdio MCP server

通过 pip（Python）

pip install pmll-memory-mcp
pmll-memory-mcp          # starts the stdio MCP server

Claude Desktop / MCP 配置（`claude_desktop_config.json`）

NPX

{
  "tools": [
    {
      "name": "init",
      "description": "Set up PMLL silo and Q-promise state for a session. Call once at task start.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "silo_size": { "type": "integer", "default": 256 }
        },
        "required": ["session_id"]
      }
    },
    {
      "name": "peek",
      "description": "Non-destructive cache lookup + Q-promise check. Call before every expensive MCP tool invocation.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "key": { "type": "string" }
        },
        "required": ["session_id", "key"]
      }
    },
    {
      "name": "set",
      "description": "Store a key-value pair in the session silo. Call after a cache miss.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "key": { "type": "string" },
          "value": { "type": "string" }
        },
        "required": ["session_id", "key", "value"]
      }
    },
    {
      "name": "resolve",
      "description": "Check or resolve a Q-promise continuation by promise ID.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "promise_id": { "type": "string" }
        },
        "required": ["session_id", "promise_id"]
      }
    },
    {
      "name": "flush",
      "description": "Clear all silo slots for a session. Call at task completion.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" }
        },
        "required": ["session_id"]
      }
    },
    {
      "name": "graphql",
      "description": "Execute GraphQL queries or mutations against the memory store.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "query": { "type": "string" },
          "variables": { "type": "object" },
          "operationName": { "type": "string" }
        },
        "required": ["query"]
      }
    },
    {
      "name": "upsert_memory_node",
      "description": "Create or update a memory node with auto-generated stable hashing embeddings.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "type": { "type": "string" },
          "label": { "type": "string" },
          "content": { "type": "string" },
          "metadata": { "type": "object" }
        },
        "required": ["session_id", "type", "label", "content"]
      }
    },
    {
      "name": "create_relation",
      "description": "Create a typed, weighted edge between two memory nodes.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "source_id": { "type": "string" },
          "target_id": { "type": "string" },
          "relation": {
            "type": "string",
            "enum": ["relates_to", "depends_on", "implements", "references", "similar_to", "contains"]
          },
          "weight": { "type": "number" },
          "metadata": { "type": "object" }
        },
        "required": ["session_id", "source_id", "target_id", "relation"]
      }
    },
    {
      "name": "search_memory_graph",
      "description": "Semantic search with graph traversal — returns direct matches and neighbor walk.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "query": { "type": "string" },
          "max_depth": { "type": "integer" },
          "top_k": { "type": "integer" },
          "edge_filter": { "type": "string" }
        },
        "required": ["session_id", "query"]
      }
    },
    {
      "name": "prune_stale_links",
      "description": "Remove decayed edges (e^(-λt) below threshold) and orphan nodes with low access count.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "threshold": { "type": "number" }
        },
        "required": ["session_id"]
      }
    },
    {
      "name": "add_interlinked_context",
      "description": "Bulk-add nodes with auto-similarity linking (cosine >= 0.72 creates edges).",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "items": {
            "type": "array",
            "items": {
              "type": "object",
              "properties": {
                "type": { "type": "string" },
                "label": { "type": "string" },
                "content": { "type": "string" },
                "metadata": { "type": "object" }
              },
              "required": ["type", "label", "content"]
            }
          },
          "auto_link": { "type": "boolean" }
        },
        "required": ["session_id", "items"]
      }
    },
    {
      "name": "retrieve_with_traversal",
      "description": "Walk outward from a node, returning reachable neighbors scored by temporal decay and depth.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "start_node_id": { "type": "string" },
          "max_depth": { "type": "integer" },
          "edge_filter": { "type": "string" }
        },
        "required": ["session_id", "start_node_id"]
      }
    },
    {
      "name": "resolve_context",
      "description": "Unified context lookup: short-term KV -> long-term graph -> miss. Returns source and score.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "key": { "type": "string" }
        },
        "required": ["session_id", "key"]
      }
    },
    {
      "name": "promote_to_long_term",
      "description": "Promote a short-term KV entry to the long-term memory graph.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" },
          "key": { "type": "string" },
          "value": { "type": "string" },
          "node_type": { "type": "string" },
          "metadata": { "type": "object" }
        },
        "required": ["session_id", "key", "value"]
      }
    },
    {
      "name": "memory_status",
      "description": "Unified view of short-term KV and long-term graph memory status for a session.",
      "inputSchema": {
        "type": "object",
        "properties": {
          "session_id": { "type": "string" }
        },
        "required": ["session_id"]
      }
    }
  ]
}

Docker

{
  "mcpServers": {
    "pmll-memory-mcp": {
      "command": "docker",
      "args": [
        "run", "-i",
        "-v", "pmll_data:/app/data",
        "-e", "MEMORY_FILE_PATH=/app/data/memory.jsonl",
        "--rm", "pmll-memory-mcp"
      ]
    }
  }
}

VS Code MCP 配置

添加到 .vscode/mcp.json（或从命令面板打开 MCP: 打开用户配置）：

NPX

{
  "servers": {
    "pmll-memory-mcp": {
      "command": "npx",
      "args": ["-y", "pmll-memory-mcp"]
    }
  }
}

Docker

{
  "servers": {
    "pmll-memory-mcp": {
      "command": "docker",
      "args": [
        "run", "-i",
        "-v", "pmll_data:/app/data",
        "-e", "MEMORY_FILE_PATH=/app/data/memory.jsonl",
        "--rm", "pmll-memory-mcp"
      ]
    }
  }
}

Docker

# Build from the repository root
docker build -f mcp/Dockerfile -t pmll-memory-mcp .

# Run
docker run --rm -i pmll-memory-mcp:latest

# Run with persistent KV memory via volume
docker run --rm -i \
  -v pmll_data:/app/data \
  -e MEMORY_FILE_PATH=/app/data/memory.jsonl \
  pmll-memory-mcp:latest

配套服务与集成

服务 / 集成	目录 / 来源	传输方式	描述
Unstoppable Domains	`unstoppable-domains/`	HTTP（远程）	通过自然对话搜索、购买和管理 Web3 域名。
Context+	github.com/ForLoopCodes/contextplus	集成	长期语义记忆图，已改编到 `memory-graph.ts` 和 `solution-engine.ts`。作者： @ForLoopCodes。

完整 MCP 服务文档：mcp/README.md

⚓ Stellar 承诺（`pmll-anchor`）

记忆 / 代码工作负载保留在链下。可选的 32 字节 SHA-256 承诺通过 Soroban pmll-anchor 部署在 Stellar 主网上（与 drQedwards/pmll 共用）。 ABI 保持不变：仅有 init / store / get / bump——请勿虚构字段或合约 ID。此 PPM 树可能不包含完整的 pmll-anchor/ 合约源代码；类型化负载仍镜像为 skill.ts。调用文档 / 合约源代码：pmll/SKILL.md。本地摘要：SKILL.md。

网络	合约 ID	浏览器
主网	`CCF3B64AXLS4OLY5RN4H4K2CFZAYNZCJQY5MKCKCVAKMZNH7G7F7XUUF`	stellar.expert
测试网	`CDLQR24LLFWXTNGGJVJCRXAF3ZRDWFZRUFTDZ5SJOT2J33CS7DDYP7IU`	stellar.expert

管理员：GBFOFCD3XDANQWSGMHKJJ2V3YXS2QQD7RNC4LMDBVNBTUJOQZ3RLSB3E · wasm 哈希 1b6ad9c574e0f5c9e39968f836a410c03adcf057afa93a63d2710bd30fdd53ba

技能摘要：SKILL.md · 完整调用文档：pmll/SKILL.md

🏛 架构

┌───────────────┐
│ pypm (CLI)    │  ← C-based command parser
└───────┬───────┘
        │
        ▼
┌───────────────┐     ┌─────────────┐     ┌──────────────┐
│ Workspace     │◀───▶│ Resolver    │◀───▶│ Wheel Cache  │
│ (TOML / YAML) │     │ (SAT + PEP) │     │ (~/.cache)   │
└───────────────┘     └─────┬───────┘     └─────┬────────┘
                            │                   │
                            ▼                   ▼
                       ┌──────────┐       ┌────────────┐
                       │ Env Mgr  │       │ Plugin Host│
                       │ (.venv)  │       │ (dlopen)   │
                       └──────────┘       └────────────┘

┌─────────────────────────────────────────────────────┐
│                  pmll-memory-mcp v1.0.1              │
│                                                     │
│  ┌──────────── Short-term (5 tools) ──────────┐    │
│  │ index.ts → peekContext() → kv-store.ts      │    │
│  │                  │                          │    │
│  │                  └──────► q-promise-bridge   │    │
│  └─────────────────────────────────────────────┘    │
│                                                     │
│  ┌──────── Long-term — Context+ (6 tools) ────┐    │
│  │ memory-graph.ts → embeddings.ts             │    │
│  │ (nodes, edges, decay, cosine similarity)    │    │
│  └─────────────────────────────────────────────┘    │
│                                                     │
│  ┌──────── Solution Engine (3 tools) ─────────┐    │
│  │ solution-engine.ts                          │    │
│  │ (resolve_context, promote, memory_status)   │    │
│  └─────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────┘
        │                    │
        ▼                    ▼
  PMLL.c / PMLL.h      Q_promise_lib/
  (memory_silo_t)       (qpromise_* / libqpromise.so)

关键组件

文件 / 目录	用途
`Ppm.c`	C 核心命令行工具 v0.0.3-dev — 集成式单文件构建（约 500 行代码）
`Pypm.c`	PyPM 0.3.x 前端分发器；将任务委托给模块源文件
`PMLL.c` / `PMLL.h`	关联式 / 语义隔离区、peek/peek_semantic、SAT 桥接、init_pml=-1
`SAT.c` / `SAT.h`	独立布尔 SAT 求解器（采用 first-UIP 学习的 CDCL，可选 DRUP 证明；由 `tests/test_sat_c.py` 测试）。尚未接入依赖解析（已列入路线图）。`SAT.py` / `SAT.pyx`：用 Python 和 Cython 实现的同一算法；参见 `docs/SAT_SOLVERS.md`
`Q_promise_lib/`	Promise/continuation 库（`qpromise_*`、`libqpromise.so`；单线程清空队列）
`skill.ts` / `SKILL.md`	链下 CodeworkPayload + Stellar 技能入口
`pmll-anchor/`	Soroban 承诺合约（pmll 源码中包含；此处可能不存在）
`lattice/`	仅在 pmll 中 — 可玩的 Stellar 技能图 / ARC-AGI-3 游玩测试
`mcp/`	TypeScript PMLL Memory MCP 服务（15 个工具）
`mcp/src/memory-graph.ts`	改编自 Context+ 的长期记忆图
`mcp/src/solution-engine.ts`	连接短期 KV 与长期图的解决方案引擎
`mcp/src/embeddings.ts`	用于语义搜索的稳定哈希嵌入和余弦相似度（TF-IDF 类保留为旧版）
`CLI/`	扩展命令行界面
`Panda-lib/` `Torch-lib/` `Numpy-lib/`	库集成适配层
`scripts/`	构建辅助工具和自动化脚本

📝 发布说明

合并后（2026-08）— 语义隔离区 + Q-promise

PMLL C 核心：关联式 / 语义隔离区（slots + 嵌入）、peek + peek_semantic、SAT 桥接、init_pml 赋值从 -1（未定）开始。
Q-promise 演进为 qpromise_* + libqpromise.so；原型 QMemNode / q_mem_* API 已移除。
Stellar 技能 / skill.ts 已对齐，支持将链下 CodeworkPayload 哈希写入现有 pmll-anchor（ABI 未变）。
MCP 服务优先使用 MCPServer，并在不可用时回退到 FastMCP；Q-promise MCP 演示会加载 libqpromise.so。

pypm 0.0.3-dev（2025 年 6 月 25 日）

新增与改进

区域	更新内容
统一源文件	将 v0.0.1 + v0.0.2 合并到单个 `pypm.c` 文件中，简化构建流程。
版本升级	CLI 现在报告 `0.0.3-dev`。
工作区覆盖	遵循 `PYP_WORKSPACE_ROOT`，并仍会向上查找 `pypm-workspace.toml`。
Doctor v2.1	统计问题数量并以该数量作为退出码；通过 here-doc 执行内联 Python 探测。
Sandbox v2.1	新增 `-d <DIR>` 标志；默认值仍为 `mkdtemp`。
插件获取器加固	安全创建 `~/.pypm/plugins`；HTTP 4xx/5xx 错误使用 `CURLOPT_FAILONERROR`；保留插件退出码。
Hermetic bundle 标志	无论标志顺序如何，`pypylock -o <file>` 都能正常工作；默认值为 `dist/venv.tar.gz`。
错误呈现	`fatal()` 现在通过 `perror` 显示 `errno`；`dlopen`/`curl` 错误会向上传递。

修复

子命令后的 CLI 标志有时会被 getopt 跳过 → 解析前设置 optind = 2。
插件加载器在 dlsym 失败时仍返回成功 → 现在会返回非零值并关闭句柄。
工作区扫描不再覆盖后续 getcwd() 调用所用的 cwd。

不兼容变更

pypm version 现在是子命令（而非 --version 标志）。
doctor 的退出码现在可以大于 1（表示问题数量）。

迁移（0.0.2 → 0.0.3-dev）

如果你曾……	现在请执行
`./pypm doctor && echo OK`	检查 `[[ $? -eq 0 ]]` 或解析数字计数。
使用 `pypm_v002.c` / `pypm_v001.c`	改用 `pypm.c`，并执行 `make clean && make`。
硬编码 `dist/venv.tar.gz` 路径	使用 `-o` 标志指定自定义输出路径。

已知问题

Windows 构建需要：LoadLibraryW、_mktemp_s、bsdtar.exe 回退方案（#22）。
pypylock 依赖 shell tar；计划在 0.0.4 中移植 libarchive。
WASI/Rust/OpenSSL 检查目前仅为提示性桩。

pmll-memory-mcp 1.0.1

版本升级 — 从 1.0.0 升级至 1.0.1，以修复 PyPI 发布问题（1.0.0 已存在于 PyPI）。
更新项目描述 — PyPI 和 npm 软件包描述现在加入了“in Claude Sonnet/Opus agent tasks”，以匹配 mcp/README.md 中的标语。
刷新 README — PPM README.md 的 MCP 部分已更新，包含完整的工具参考、带 TypeScript 示例的 peek() 模式、VS Code MCP 配置，以及来自 mcp/README.md 的配套服务表。

pmll-memory-mcp 1.0.0

Context+ 集成 — 改造了 6 个长期记忆图工具，源自 Context+，作者为 @ForLoopCodes：upsert_memory_node、 create_relation、search_memory_graph、prune_stale_links、 add_interlinked_context、retrieve_with_traversal。
解决方案引擎 — 新增 2 个工具和 1 个状态工具，用于连接短期 KV 缓存与长期记忆图：resolve_context、promote_to_long_term、 memory_status。
GraphQL 工具 — 提供 graphql 工具，以灵活地访问查询和变更操作。
共 15 个工具（5 个短期 KV + 1 个 GraphQL + 6 个长期记忆图 + 3 个解决方案引擎）。
稳定哈希嵌入（维度固定、不共享词汇表），支持在记忆图中进行余弦相似度搜索。
对图边进行时间衰减评分（e^(-λt)），并自动清理。
批量添加上下文时自动建立相似度链接（余弦相似度 ≥ 0.72）。
统一的上下文解析路径：短期 → 长期 → 未命中。

pmll-memory-mcp 0.2.0

首次提交到 MCP Registry。
提供五个工具：init、peek、set、resolve、flush。
使用 TypeScript KV 存储，镜像 PMLL.c::memory_silo_t。
Q-promise 注册表（历史版本）；当前 C API 为 qpromise_* / libqpromise.so。
支持持久卷的 Docker 多阶段镜像。
随附的 Unstoppable Domains MCP 服务位于 mcp/unstoppable-domains/。

pypm 0.0.2 (25 Jun 2025)

工作区自动检测、Doctor v2、沙盒升级、添加/运行插件、pypylock -o。 重大变更：移除了 --version 标志；存在问题时，doctor 会以非零状态码退出。

pypm 0.0.1 (23 Jun 2025)

初始概念验证——单文件 CLI，包含 doctor、sandbox、plugin 和 pypylock。

🗺 路线图

版本	计划功能
0.0.4	Lockfile 解析器 + wheel 复制器，用于创建真正隔离的捆绑包
0.0.5	基于 `libsolv` 的依赖解析器
0.1.0	跨平台 shim（Windows / macOS）
0.1.1	WASI 工具链检测与 wheel 优先选择
future	SAT 依赖求解器、并行 wheel 缓存、工作区、WASM 解析

🤝 贡献与赞助

欢迎提交拉取请求！请在以下地址提交问题和 PR：
https://github.com/drQedwards/PPM/issues

如果你觉得 PPM 或 pmll-memory-mcp 有用，请考虑支持开发：

由 Dr. Q Josef Kurk Edwards 构建——借助共享的 PMLL 内存栈，让 Python 打包变得快速、确定且易于改造。

支持 Markdown

登录后评论

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。

阅读入门指南

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。

pmll-memory-mcp

关于 pmll-memory-mcp

主要功能

适用场景

MCP 相关

配置

工具

详细介绍

PPM — Python Package Manager

目录

分层（合并后）

预期循环

C 核心（PMLL）

Q-promise 库

✨ 功能

🔧 从源代码构建

系统依赖项

构建并首次运行

Q-promise 共享库

可选：CUDA 加速构建

🖥 CLI 命令

导入软件包

项目初始化

依赖解析与锁定

快照与回滚

环境诊断

沙盒

密封打包

🔐 GPU 与安全功能

GPU 加速哈希校验

GPU 后端选择

Ed25519 加密签名

来源信息与 SBOM

🔌 插件系统

编写插件（C）

⚙️ 配置

pypm.toml

环境变量

🧠 PMLL Memory MCP 服务

为什么它是出色的第 3 个初始化器

peek() 模式

工具参考（15 个工具）

短期 KV 内存（5 个工具）

GraphQL（1 个工具）

长期记忆图（6 个工具 — 改编自 Context+）

解决方案引擎（3 个工具）

安装

通过 npx（推荐 — 无需安装）

通过 npm

通过 pip（Python）

Claude Desktop / MCP 配置（claude_desktop_config.json）

NPX

Docker

VS Code MCP 配置

NPX

Docker

Docker

配套服务与集成

⚓ Stellar 承诺（pmll-anchor）

🏛 架构

关键组件

📝 发布说明

合并后（2026-08）— 语义隔离区 + Q-promise

pypm 0.0.3-dev（2025 年 6 月 25 日）

pmll-memory-mcp 1.0.1

pmll-memory-mcp 1.0.0

pmll-memory-mcp 0.2.0

pypm 0.0.2 (25 Jun 2025)

pypm 0.0.1 (23 Jun 2025)

🗺 路线图

🤝 贡献与赞助

评论

第一次接触 MCP？

MCP（Model Context Protocol）是什么？

MCP 服务和客户端有什么区别？

本地服务与远程服务怎么选？

如何在 Claude、Cursor 等客户端中安装服务？

收录的项目经过审核吗？“认证”标识代表什么？

我维护的项目已被收录，怎样认领？

`pypm.toml`

`peek()` 模式

通过 `npx`（推荐 — 无需安装）

Claude Desktop / MCP 配置（`claude_desktop_config.json`）

⚓ Stellar 承诺（`pmll-anchor`）