Remember Me

一个用于在基于 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 是一个 MCP 服务器，旨在持久化聊天工件和规则。它提供了一个强大的框架，用于存储、检索和管理不同类型的持久化资源：

• 规则 (Rules)：定义交互的行为约束和指导方针
• 片段 (Snippets)：存储可重用的代码或文本片段
• 摘要 (Summaries)：保存来自对话的重要上下文信息

该系统使用 SQLite 进行持久化，并提供了一个全面的 API，用于跨不同上下文管理这些资源。

架构

核心组件

• MyContext: 所有持久化操作的中心管理器
• PersistentResource: 所有可存储资源的基础类
  • Rule: 定义可接受的交互参数的命令
  • Snippet: 可以引用的代码或文本片段
  • Summary: 关于对话的上下文信息
• Backup: 用于创建和恢复上下文状态的系统

数据模型

资源存储时具有以下属性：

• Context: 资源的命名空间（例如，“me” 表示全局资源）
• 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

规则使用结构化的策略框架：

• MUST: 绝对要求
• MUST NOT: 绝对禁止
• SHOULD: 推荐做法
• SHOULD NOT: 不鼓励的做法
• MAY: 可选考虑事项

API

上下文管理

• my_context(): 加载当前上下文，可选择加载额外的上下文
• my_context_backup_create(): 创建当前状态的备份
• my_context_backup_restore(): 从之前的备份恢复
• my_context_backup_list(): 查看可用的备份
• my_context_backup_remove(): 删除特定的备份
• my_context_backup_clear(): 删除所有备份

规则管理

• my_context_rule_list(): 列出上下文的所有规则
• 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(): 列出上下文的片段
• my_context_snippet_get(): 检索特定的片段
• 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(): 列出上下文的摘要
• my_context_summary_get(): 检索特定的摘要
• my_context_summary_set(): 创建或更新摘要
• my_context_summary_remove(): 删除摘要

与 LLM 一起使用

"me" 上下文

"me" 上下文是一个特殊的默认上下文，始终可用。它包含全局规则、片段和摘要，应应用于每个对话。加载上下文时，始终包含 "me" 上下文。

加载上下文

LLM 应在对话开始时加载上下文。这将检索 "me" 上下文中的所有规则、片段和摘要。然后，LLM 应遵循返回的任何规则。

额外的上下文

您可以通过在 extra_context 参数中指定它们来加载 "me" 之外的额外上下文。这允许为不同类型的对话或任务组织不同的规则、片段和摘要集。

例如，您可能有：

• 一个带有编程相关片段的 "coding" 上下文
• 一个带有写作提示的 "creative" 上下文
• 一个带有专业知识的 "technical" 上下文

这些可以根据需要与默认的 "me" 上下文一起加载。

示例 LLM 工作流程

1. 开始对话: 加载上下文
2. 访问资源: 根据需要检索片段、摘要
3. 遵循规则: 遵守从上下文中返回的规则
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: 在重大更改之前保存重要状态

运行服务器

使用 MCP Inspector

1. 安装包：

   pip install -e .
   

2. 运行 MCP 服务器：

   python -m mcp.server.run remember_me_mcp_server.server
   

3. 使用 MCP Inspector 连接到服务器，以测试和与 API 端点交互

使用 LLM

1. 确保服务器如上所述运行

2. 配置您的 LLM 平台以连接到 MCP 服务器并公开必要的工具

3. 在对话中，LLM 应首先加载上下文，然后遵循返回的任何规则