Titan 메모리 MCP 서버
지금 문제가 있는 건 알지만, 고치겠습니다! 이상적으로는 사람의 개입 없이 커서(또는 Claude 데스크톱)에서 Yolo 모드로 실행되어 LLM 버전과 상관없이 사용할 수 있는 "브레인"을 생성하는 것이 좋습니다.
메모리 벡터를 통해 상태를 유지하면서 시퀀스를 학습하고 예측할 수 있는 LLM용 신경 메모리 시스템입니다. 이 MCP(모델 컨텍스트 프로토콜) 서버는 Claude 3.7 Sonnet 및 기타 LLM이 상호작용 전반에 걸쳐 메모리 상태를 유지할 수 있는 도구를 제공합니다.
Related MCP server: mem0 Memory System
특징
커서에 적합 : 이제 커서가 Yolo 모드에서 MCP를 자동으로 실행하므로 LLM의 새 메모리로 핸들에서 손을 떼실 수 있습니다.
신경 메모리 아키텍처 : 시퀀스를 학습하고 예측할 수 있는 트랜스포머 기반 메모리 시스템
메모리 관리 : 자동 메모리 정리를 통한 효율적인 텐서 연산
MCP 통합 : Cursor 및 기타 MCP 클라이언트와 완벽하게 호환됩니다.
텍스트 인코딩 : 텍스트 입력을 텐서 표현으로 변환
메모리 지속성 : 세션 간 메모리 상태 저장 및 로드
설치
지엑스피1
사용 가능한 도구
Titan Memory MCP 서버는 다음과 같은 도구를 제공합니다.
help
사용 가능한 도구에 대한 도움을 받으세요.
매개변수:
tool(선택 사항): 도움말을 얻을 수 있는 특정 도구 이름category(선택 사항): 탐색할 도구의 카테고리showExamples(선택 사항): 사용 예를 포함합니다.verbose(선택 사항): 자세한 설명을 포함합니다.
init_model
사용자 지정 구성으로 Titan 메모리 모델을 초기화합니다.
매개변수:
inputDim: 입력 차원 크기(기본값: 768)hiddenDim: 숨겨진 차원 크기(기본값: 512)memoryDim: 메모리 차원 크기(기본값: 1024)transformerLayers: 변압기 레이어 수(기본값: 6)numHeads: 주의 헤드 수(기본값: 8)ffDimension: 피드포워드 차원(기본값: 2048)dropoutRate: 드롭아웃 비율(기본값: 0.1)maxSequenceLength: 최대 시퀀스 길이(기본값: 512)memorySlots: 메모리 슬롯 수(기본값: 5000)similarityThreshold: 유사도 임계값(기본값: 0.65)surpriseDecay: 깜짝 감소율(기본값: 0.9)pruningInterval: 가지치기 간격(기본값: 1000)gradientClip: 그래디언트 클리핑 값(기본값: 1.0)
forward_pass
예측을 얻기 위해 모델을 통한 전방 패스를 수행합니다.
매개변수:
x: 입력 벡터 또는 텍스트memoryState(선택 사항): 사용할 메모리 상태
train_step
모델을 업데이트하기 위해 학습 단계를 실행합니다.
매개변수:
x_t: 현재 입력 벡터 또는 텍스트x_next: 다음 입력 벡터 또는 텍스트
get_memory_state
현재 메모리 상태와 통계를 가져옵니다.
매개변수:
type(선택 사항): 선택 사항인 메모리 유형 필터
manifold_step
매니폴드 방향으로 메모리를 업데이트합니다.
매개변수:
base: 기본 메모리 상태velocity: 방향 업데이트
prune_memory
공간을 확보하려면 관련성이 낮은 기억을 제거하세요.
매개변수:
threshold: 가지치기 임계값(0-1)
save_checkpoint
메모리 상태를 파일에 저장합니다.
매개변수:
path: 체크포인트 파일 경로
load_checkpoint
파일에서 메모리 상태를 로드합니다.
매개변수:
path: 체크포인트 파일 경로
reset_gradients
훈련 문제를 복구하기 위해 누적된 기울기를 재설정합니다.
매개변수: 없음
커서에서 Claude 3.7 Sonnet 사용
Titan Memory MCP 서버는 Cursor에서 Claude 3.7 Sonnet과 원활하게 작동하도록 설계되었습니다. 사용 방법의 예는 다음과 같습니다.
// 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", {});메모리 관리
Titan Memory MCP 서버에는 메모리 누수를 방지하고 효율적인 텐서 작업을 보장하기 위한 정교한 메모리 관리 기능이 포함되어 있습니다.
자동 정리 : 사용하지 않는 텐서를 주기적으로 정리합니다.
메모리 암호화 : 메모리 상태를 안전하게 저장합니다.
텐서 검증 : 텐서가 올바른 모양을 가지고 있는지 확인합니다.
오류 복구 : 텐서 오류를 정상적으로 처리합니다.
건축학
Titan Memory MCP 서버는 모듈식 아키텍처로 구축되었습니다.
TitanMemoryServer : 도구를 등록하고 요청을 처리하는 메인 서버 클래스
TitanMemoryModel : 신경 메모리 모델 구현
VectorProcessor : 입력 처리 및 텍스트 인코딩을 처리합니다.
MemoryManager : 텐서 연산과 메모리 정리를 관리합니다.
기여하다
기여를 환영합니다! 풀 리퀘스트를 제출해 주세요.
특허
이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여되었습니다. 자세한 내용은 라이선스 파일을 참조하세요.