mcpField
M
Memory Context Manager_v2

Memory Context Manager_v2

本地服务
github.com/Big0290记忆与知识163 周前更新

关于 Memory Context Manager_v2

Memory Context Manager_v2 是用于监控 Memory Context Manager v2 MCP 服务及其演进引擎的网页界面,面向系统运维人员,集中展示健康状况、服务指标、活动和学习进度。

主要功能

  1. 01实时系统健康仪表板
  2. 02MCP 连接与工具状态
  3. 03演进指标和任务计划
  4. 04学习来源与活动跟踪
  5. 05基于 RedwoodJS 和 Chakra UI 的响应式界面

适用场景

  1. 01查看服务健康状况和可用工具
  2. 02跟踪演进任务与学习进度
  3. 03检查近期系统活动和资源用量

MCP 相关

该界面连接到 Memory Context Manager v2 MCP 服务,展示连接状态、工具可用性和实时系统数据。

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": {
"memory-context-manager_v2": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"MCP_LOG_LEVEL",
"-e",
"OLLAMA_BASE_URL",
"memory-context-manager-v2:latest"
],
"env": {
"MCP_LOG_LEVEL": "<MCP_LOG_LEVEL>",
"OLLAMA_BASE_URL": "<OLLAMA_BASE_URL>"
}
}
}
}
启动命令docker run -i --rm -e MCP_LOG_LEVEL -e OLLAMA_BASE_URL memory-context-manager-v2:latest
需要配置的环境变量
MCP_LOG_LEVEL
OLLAMA_BASE_URL

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
ocimemory-context-manager-v2:latest

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

🚀 MCP 服务 UI - Memory Context Manager v2

一个美观、现代的 Memory Context Manager v2 MCP 服务 Web 界面,使用 RedwoodJS 和 Chakra UI 构建。此 UI 展示了我们的 Continuous Self-Evolution System,并提供对自主 AI 能力的实时监控。

✨ 功能

🎯 仪表板概览
  • 通过美观的进度条实时监控系统健康状况
  • 演进引擎状态,展示持续自我改进情况
  • MCP 服务指标,显示连接状态和工具可用性
  • 近期活动动态,追踪所有系统操作
  • 快捷操作,即时控制系统
🧠 演进引擎界面
  • 全面的演进指标,附带详细分类
  • 计划任务管理,包含优先级和时间安排
  • 近期演进历史,展示学习进度
  • 学习来源追踪,记录从文档摄取的内容
  • 系统健康监控,涵盖后台进程
🎨 现代 UI/UX
  • Chakra UI 组件,实现一致且易于访问的设计
  • 响应式布局,适用于所有设备
  • 自定义主题,采用品牌色彩和演进点缀色
  • 交互元素,带有悬停效果和动画
  • 专业仪表板布局,配备侧边栏导航

🏗️ 架构

前端技术栈
  • RedwoodJS - 全栈 React 框架
  • Chakra UI - 现代组件库
  • TypeScript - 类型安全开发
  • React Icons - 精美图标
后端集成
  • MCP 服务 - Memory Context Manager v2
  • 演进引擎 - 持续自我改进
  • 实时数据 - 实时系统监控
  • API 端点 - RESTful 通信

🚀 快速开始

前提条件
  • Node.js 18+
  • Yarn 包管理器
  • 正在运行的 MCP 服务(Memory Context Manager v2)
安装
  1. 克隆仓库

    git clone <repository-url>
    cd mcp-server-ui
    
  2. 安装依赖项

    yarn install
    
  3. 启动开发服务

    yarn rw dev
    
  4. 打开浏览器 访问 http://localhost:8910

📱 页面与功能

🏠 仪表板页面 (/)
  • 系统健康概览:包含进度条的实时指标
  • 演进引擎状态:当前演进进度和统计数据
  • MCP 服务状态:连接状态和工具可用性
  • 近期活动:系统操作时间线
  • 快捷操作:即时控制系统的按钮
⚡ 演进引擎页面 (/evolution-engine)
  • 演进指标:系统改进情况的详细分类
  • 计划任务:管理即将执行的演进任务
  • 近期演进:已完成改进的历史记录
  • 学习来源:文档来源和学习进度
  • 系统健康:后台进程和资源使用情况

🎨 设计系统

调色板
  • 品牌色彩:用于主要元素的专业蓝色调
  • 演进色彩:用于演进相关功能的紫色点缀
  • 状态颜色:绿色(成功)、黄色(警告)、红色(错误)
  • 中性色彩:用于文本和边框的灰度色阶
组件库
  • 卡片:简洁、凸起的内容容器
  • 进度条:直观展示指标
  • 徽章:状态指示器和标签
  • 表格:有序展示数据
  • 选项卡:组织内容分区
  • 提醒:重要信息通知

🔧 配置

环境变量
# MCP Server Configuration
MCP_SERVER_URL=http://localhost:8000
MCP_SERVER_TIMEOUT=30000

# Evolution Engine Settings
EVOLUTION_CHECK_INTERVAL=5000
EVOLUTION_MAX_CONCURRENT=3
主题自定义

可在 web/src/App.tsx 中自定义 Chakra UI 主题:

const theme = extendTheme({
  colors: {
    brand: {
      /* Custom brand colors */
    },
    evolution: {
      /* Custom evolution colors */
    },
  },
  components: {
    Button: {
      /* Custom button styles */
    },
  },
})

📊 数据集成

MCP 服务通信
  • 实时更新:来自演进引擎的实时数据
  • 状态监控:服务健康状况和连接状态
  • 工具管理:可用的 MCP 工具及其状态
  • 性能指标:系统性能指标
Evolution Engine 数据
  • 学习进度:文档摄取状态
  • 演进指标:随时间推移的性能提升
  • 任务调度:即将执行的演进任务
  • 系统健康状况:资源使用情况和后台进程

🚀 部署

生产构建
# Build the application
yarn rw build

# Start production server
yarn rw serve
Docker 部署
# Build Docker image
docker build -t mcp-server-ui .

# Run container
docker run -p 8910:8910 mcp-server-ui

🔍 监控与分析

系统指标
  • 整体健康评分:系统性能综合评分
  • 性能指标:速度和效率指标
  • 智能评分:AI 能力测量
  • 适应性评级:系统灵活性和学习能力
演进跟踪
  • 成功率:成功演进的百分比
  • 学习来源:文档来源及其影响
  • 改进趋势:随时间推移的性能变化
  • 资源使用情况:内存和 CPU 消耗

🧪 测试

运行测试
# Unit tests
yarn rw test

# Integration tests
yarn rw test --watch

# E2E tests
yarn rw test:e2e
测试覆盖率
# Generate coverage report
yarn rw test --coverage

🤝 贡献

开发工作流
  1. Fork 仓库
  2. 创建功能分支
  3. 进行更改
  4. 为新功能添加测试
  5. 提交拉取请求
代码规范
  • TypeScript:启用严格类型检查
  • ESLint:代码质量与一致性
  • Prettier:代码格式化
  • Chakra UI:组件库使用

📚 文档

API 参考
  • MCP 服务工具:可用的 MCP 服务函数
  • Evolution Engine:持续自我改进 API
  • 系统健康状况:监控和指标端点
组件库
  • Chakra UI 组件:用法示例和属性
  • 自定义组件:专用于仪表板的组件
  • 布局系统:响应式设计模式

🌟 展示

此 UI 展示了我们的持续自我演进系统的强大功能:

  • 🎯 自主学习:系统自动从文档中学习
  • 📈 性能提升:实时指标展示系统演进
  • 🔄 后台处理:无需用户干预即可持续优化
  • 🧠 智能适应:系统适应新的知识来源
  • 📊 可视化监控:精美的仪表板,便于监督系统

🔮 未来增强

计划功能
  • 实时 WebSocket 更新,提供实时数据
  • 高级分析,包含图表
  • 用户管理,支持基于角色的访问控制
  • API 文档,支持交互式测试
  • 移动应用,便于随时随地监控
集成可能性
  • Grafana 仪表板,用于高级指标
  • Slack 通知,用于系统警报
  • GitHub 集成,用于基于代码的学习
  • CI/CD 流水线,用于自动化部署

📄 许可证

本项目采用 MIT 许可证授权,详情请参阅 LICENSE 文件。

🙏 致谢

  • 感谢 RedwoodJS 团队 提供出色的全栈框架
  • 感谢 Chakra UI 团队 提供精美的组件库
  • 感谢 MCP 社区 提供 Model Context Protocol
  • 感谢 开源贡献者 提供灵感和工具

使用 RedwoodJS + Chakra UI 倾心打造 ❤️

展示自主 AI 系统的未来 🚀🧠✨

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。