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
- 01持久化规则、片段和摘要
- 02按上下文组织资源
- 03创建、列出和恢复备份
- 04通过 API 管理资源
适用场景
- 01在对话开始时加载全局规则
- 02重复使用代码或文本片段
- 03跨对话保存摘要
- 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。
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。
工具
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
- 开始对话:加载上下文
- 访问资源:根据需要检索片段和摘要
- 遵循规则:遵守上下文返回的规则
- 添加/更新资源:根据对话存储新的片段或摘要
- 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
-
安装软件包:
pip install -e . -
运行 MCP 服务:
python -m mcp.server.run remember_me_mcp_server.server -
使用 MCP Inspector 连接到服务,以测试并与 API 端点交互
使用大模型
-
确保服务按上述说明运行
-
配置大模型平台以连接到 MCP 服务并提供必要的工具
-
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
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。