mcpField
R
Remember Me

Remember Me

本地服务
github.com/phlax记忆与知识081 周前更新

关于 Remember Me

Remember Me 是面向需保留对话规则、片段和摘要的应用的 MCP 服务。它使用 SQLite 存储资源,并支持按上下文检索与备份。

主要功能

  1. 01持久化规则、片段和摘要
  2. 02按上下文组织资源
  3. 03创建、列出和恢复备份
  4. 04通过 API 管理资源

适用场景

  1. 01在对话开始时加载全局规则
  2. 02重复使用代码或文本片段
  3. 03跨对话保存摘要
  4. 04备份和恢复上下文状态

MCP 相关

它向 MCP 客户端提供工具,用于加载和管理持久化上下文、规则、片段、摘要及备份。

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

记住我

用于在基于 MCP 的语言模型应用中维护对话上下文和规则的持久化框架。

概述

Remember Me 是一款 MCP 服务,旨在持久保存聊天内容和规则。它提供了一个稳健的框架,用于存储、检索和管理不同类型的持久化资源:

  • 规则:定义交互的行为约束和准则
  • 片段:存储可重复使用的代码或文本
  • 摘要:保留对话中的重要上下文信息

该系统使用 SQLite 进行持久化,并提供全面的 API,用于在不同上下文中管理这些资源。

架构

核心组件
  • MyContext:负责所有持久化操作的中央管理器
  • PersistentResource:所有可存储资源的基类
    • Rule:用于定义可接受交互参数的指令
    • Snippet:可供引用的代码或文本片段
    • Summary:有关对话的上下文信息
  • Backup:用于创建和恢复上下文状态的系统
数据模型

资源存储时包含以下属性:

  • Context:资源的命名空间(例如,用于全局资源的 "me")
  • Key:上下文中的唯一标识符
  • Content:实际存储的数据
  • Type/MIME Type:用于适当处理的格式信息
规则系统

规则采用结构化的策略框架:

  • MUST:绝对要求
  • MUST NOT:绝对禁止
  • SHOULD:建议做法
  • SHOULD NOT:不建议做法
  • MAY:可选事项

API

上下文管理
  • my_context():加载当前上下文,并可选择加载其他上下文
  • my_context_backup_create():创建当前状态的备份
  • my_context_backup_restore():从先前的备份恢复
  • my_context_backup_list():查看可用备份
  • my_context_backup_remove():删除指定备份
  • my_context_backup_clear():移除所有备份
规则管理
  • my_context_rule_list():列出某个上下文的所有规则
  • my_context_rule_set():创建或更新规则
  • my_context_rule_remove():删除规则
片段管理
  • my_context_snippet_list():列出某个上下文的片段
  • my_context_snippet_get():检索指定片段
  • my_context_snippet_set():创建或更新片段
  • my_context_snippet_remove():删除片段
摘要管理
  • my_context_summary_list():列出某个上下文的摘要
  • my_context_summary_get():检索指定摘要
  • my_context_summary_set():创建或更新摘要
  • my_context_summary_remove():删除摘要

与大模型配合使用

“me” 上下文

“me” 上下文是一种特殊的默认上下文,始终可用。它包含适用于每次对话的全局规则、片段和摘要。加载上下文时,始终会包含 “me” 上下文。

加载上下文

大模型应在对话开始时加载上下文,以检索 “me” 上下文中的所有规则、片段和摘要。随后,大模型应遵循返回的任何规则。

额外上下文

除了 “me” 之外,你还可以通过在 extra_context 参数中指定其他上下文来加载它们。这样便可以针对不同类型的对话或任务,组织不同的规则、片段和摘要。

例如,你可以设置:

  • 一个包含编程相关片段的 "coding" 上下文
  • 一个包含写作提示词的 "creative" 上下文
  • 一个包含专业知识的 "technical" 上下文

根据需要,可以将这些上下文与默认的 “me” 上下文一起加载。

大模型工作流示例
  1. 开始对话:加载上下文
  2. 访问资源:根据需要检索片段和摘要
  3. 遵循规则:遵守上下文返回的规则
  4. 添加/更新资源:根据对话存储新的片段或摘要
  5. 创建备份:在进行重大更改前保存重要状态

运行服务

使用 MCP Inspector
  1. 安装软件包:

    pip install -e .
    
  2. 运行 MCP 服务:

    python -m mcp.server.run remember_me_mcp_server.server
    
  3. 使用 MCP Inspector 连接到服务,以测试并与 API 端点交互

使用大模型
  1. 确保服务按上述说明运行

  2. 配置大模型平台以连接到 MCP 服务并提供必要的工具

  3. 在对话中,大模型应先加载上下文,然后遵循返回的任何规则

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。