MCP 服务器

TxtAi Memory Vector Server

使用 TxtAI 实现的用于语义搜索和内存管理的模型上下文协议 (MCP) 服务器。该服务器提供了一个强大的 API，用于存储、检索和管理具有语义搜索功能的基于文本的记忆。你也可以使用 Claude 和 Cline AI。

README

TxtAI Assistant MCP

一个模型上下文协议 (MCP) 服务器实现，用于使用 txtai 进行语义搜索和内存管理。该服务器提供了一个强大的 API，用于存储、检索和管理具有语义搜索功能的基于文本的记忆。

关于 txtai

本项目构建于 txtai 之上，这是一个由 NeuML 创建的卓越的开源 AI 驱动的搜索引擎。txtai 提供：

🔍 一体化语义搜索解决方案
🧠 基于 Transformer 的神经搜索
💡 零样本文本分类
🔄 文本提取和嵌入
🌐 多语言支持
🚀 高性能和可扩展性

我们通过将其与模型上下文协议 (MCP) 集成来扩展 txtai 的功能，使 Claude 和 Cline 等 AI 助手能够利用其强大的语义搜索功能。特别感谢 txtai 团队创建了如此强大而灵活的工具。

特性

🔍 跨存储记忆的语义搜索
💾 使用基于文件的后端的持久存储
🏷️ 基于标签的记忆组织和检索
📊 记忆统计和健康监控
🔄 自动数据持久化
📝 综合日志记录
🔒 可配置的 CORS 设置
🤖 与 Claude 和 Cline AI 集成

前提条件

Python 3.8 或更高版本
pip (Python 包安装程序)
virtualenv (推荐)

安装

克隆此存储库：

git clone https://github.com/yourusername/txtai-assistant-mcp.git
cd txtai-assistant-mcp

运行启动脚本：

./scripts/start.sh

该脚本将：

创建一个虚拟环境
安装所需的依赖项
设置必要的目录
从模板创建配置文件
启动服务器

配置

可以使用 .env 文件中的环境变量配置服务器。模板位于 .env.template：

# Server Configuration
HOST=0.0.0.0
PORT=8000

# CORS Configuration
CORS_ORIGINS=*

# Logging Configuration
LOG_LEVEL=DEBUG

# Memory Configuration
MAX_MEMORIES=0

与 Claude 和 Cline AI 集成

此 TxtAI Assistant 可以用作 Claude 和 Cline AI 的 MCP 服务器，以通过语义记忆和搜索功能增强它们的能力。

Claude 的配置

要将此服务器与 Claude 一起使用，请将其添加到 Claude 的 MCP 配置文件中（通常位于 macOS 上的 ~/Library/Application Support/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "txtai-assistant": {
      "command": "path/to/txtai-assistant-mcp/scripts/start.sh",
      "env": {}
    }
  }
}

Cline 的配置

要与 Cline 一起使用，请将服务器配置添加到 Cline 的 MCP 设置文件（通常位于 ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json）：

{
  "mcpServers": {
    "txtai-assistant": {
      "command": "path/to/txtai-assistant-mcp/scripts/start.sh",
      "env": {}
    }
  }
}

可用的 MCP 工具

配置完成后，以下工具可供 Claude 和 Cline 使用：

store_memory: 存储具有元数据和标签的新记忆内容

{
  "content": "Memory content to store",
  "metadata": {
    "source": "conversation",
    "timestamp": "2023-01-01T00:00:00Z"
  },
  "tags": ["important", "context"],
  "type": "conversation"
}

retrieve_memory: 根据语义搜索检索记忆

{
  "query": "search query",
  "n_results": 5
}

search_by_tag: 按标签搜索记忆

{
  "tags": ["important", "context"]
}

delete_memory: 按内容哈希删除特定记忆

{
  "content_hash": "hash_value"
}

get_stats: 获取数据库统计信息

{}

check_health: 检查数据库和嵌入模型的健康状况

{}

使用示例

在 Claude 或 Cline 中，您可以通过 MCP 协议使用这些工具：

# Store a memory
<use_mcp_tool>
<server_name>txtai-assistant</server_name>
<tool_name>store_memory</tool_name>
<arguments>
{
  "content": "Important information to remember",
  "tags": ["important"]
}
</arguments>
</use_mcp_tool>

# Retrieve memories
<use_mcp_tool>
<server_name>txtai-assistant</server_name>
<tool_name>retrieve_memory</tool_name>
<arguments>
{
  "query": "what was the important information?",
  "n_results": 5
}
</arguments>
</use_mcp_tool>

AI 将自动使用这些工具来维护上下文并在对话期间检索相关信息。

API 端点

存储记忆

POST /store

存储具有可选元数据和标签的新记忆。

请求体：

{
    "content": "Memory content to store",
    "metadata": {
        "source": "example",
        "timestamp": "2023-01-01T00:00:00Z"
    },
    "tags": ["example", "memory"],
    "type": "general"
}

搜索记忆

POST /search

使用语义搜索搜索记忆。

请求体：

{
    "query": "search query",
    "n_results": 5,
    "similarity_threshold": 0.7
}

按标签搜索

POST /search_tags

按标签搜索记忆。

请求体：

{
    "tags": ["example", "memory"]
}

删除记忆

DELETE /memory/{content_hash}

按其内容哈希删除特定记忆。

获取统计信息

GET /stats

获取系统统计信息，包括记忆计数和标签分布。

健康检查

GET /health

检查服务器的健康状态。

目录结构

txtai-assistant-mcp/
├── server/
│   ├── main.py           # 主要服务器实现
│   └── requirements.txt  # Python 依赖项
├── scripts/
│   └── start.sh         # 服务器启动脚本
├── data/                # 数据存储目录
├── logs/                # 日志文件目录
├── .env.template        # 环境配置模板
└── README.md           # 此文件