Titan Memory MCP 服务器

我知道它现在有问题，我会修复它的！理想情况下，这个程序可以在光标（或 Claude 桌面版）中以 yolo 模式运行，无需人工干预，并创建一个独立于 LLM 版本的“大脑”。

这是一个用于 LLM 的神经记忆系统，能够学习和预测序列，同时通过记忆向量保持状态。此 MCP（模型上下文协议）服务器为 Claude 3.7 Sonnet 和其他 LLM 提供了跨交互维护记忆状态的工具。

功能

• 非常适合光标：现在光标会自动在 yolo 模式下运行 MCP，你可以让你的 LLM 使用新记忆而无需手动干预
• 神经记忆架构：基于 Transformer 的记忆系统，可以学习和预测序列
• 内存管理：高效的张量操作，自动清理内存
• MCP 集成：完全兼容光标和其他 MCP 客户端
• 文本编码：将文本输入转换为张量表示
• 内存持久性：在会话之间保存和加载内存状态

安装

# Clone the repository
git clone https://github.com/yourusername/titan-memory.git
cd titan-memory

# Install dependencies
npm install

# Build the project
npm run build

# Start the server
npm start

可用工具

Titan Memory MCP 服务器提供以下工具：

help

获取关于可用工具的帮助。

参数：

• tool (可选)：要获取帮助的具体工具名称
• category (可选)：要探索的工具类别
• showExamples (可选)：包含使用示例
• verbose (可选)：包含详细描述

init_model

使用自定义配置初始化 Titan Memory 模型。

参数：

• inputDim：输入维度大小（默认值：768）
• hiddenDim：隐藏维度大小（默认值：512）
• memoryDim：记忆维度大小（默认值：1024）
• transformerLayers：Transformer 层的数量（默认值：6）
• numHeads：注意力头的数量（默认值：8）
• ffDimension：前馈维度（默认值：2048）
• dropoutRate：Dropout 率（默认值：0.1）
• maxSequenceLength：最大序列长度（默认值：512）
• memorySlots：记忆槽数量（默认值：5000）
• similarityThreshold：相似度阈值（默认值：0.65）
• surpriseDecay：惊奇衰减率（默认值：0.9）
• pruningInterval：剪枝间隔（默认值：1000）
• gradientClip：梯度裁剪值（默认值：1.0）

forward_pass

执行前向传递以获取预测。

参数：

• x：输入向量或文本
• memoryState (可选)：要使用的记忆状态

train_step

执行训练步骤以更新模型。

参数：

• x_t：当前输入向量或文本
• x_next：下一个输入向量或文本

get_memory_state

获取当前的记忆状态和统计信息。

参数：

• type (可选)：可选的记忆类型过滤器

manifold_step

沿流形方向更新记忆。

参数：

• base：基础记忆状态
• velocity：更新方向

prune_memory

移除不那么相关的记忆以释放空间。

参数：

• threshold：剪枝阈值（0-1）

save_checkpoint

将内存状态保存到文件。

参数：

• path: 检查点文件路径

load_checkpoint

从文件加载内存状态。

参数：

• path: 检查点文件路径

reset_gradients

重置累积的梯度以恢复训练问题。

参数： 无

在 Cursor 中与 Claude 3.7 Sonnet 一起使用

Titan Memory MCP 服务器设计为与 Cursor 中的 Claude 3.7 Sonnet 无缝协作。以下是如何使用它的示例：

// Initialize the model
const result = await callTool("init_model", {
  inputDim: 768,
  memorySlots: 10000,
  transformerLayers: 8,
});

// Perform a forward pass
const { predicted, memoryUpdate } = await callTool("forward_pass", {
  x: "const x = 5;", // or vector: [0.1, 0.2, ...]
  memoryState: currentMemory,
});

// Train the model
const result = await callTool("train_step", {
  x_t: "function hello() {",
  x_next: "  console.log('world');",
});

// Get memory state
const state = await callTool("get_memory_state", {});

内存管理

Titan Memory MCP 服务器包括高级的内存管理，以防止内存泄漏并确保高效的张量操作：

1. 自动清理：定期清理未使用的张量
2. 内存加密：安全地存储内存状态
3. 张量验证：确保张量具有正确的形状
4. 错误恢复：优雅地处理张量错误

架构

Titan Memory MCP 服务器采用模块化架构构建：

• TitanMemoryServer: 主服务器类，用于注册工具和处理请求
• TitanMemoryModel: 神经内存模型实现
• VectorProcessor: 处理输入处理和文本编码
• MemoryManager: 管理张量操作和内存清理

贡献

欢迎贡献！请随时提交 Pull Request。

许可证

本项目根据 MIT 许可证发布 - 详情请参阅 LICENSE 文件。