Titan 内存 MCP 服务器
我知道它现在坏了，我会修复它！理想情况下，它只需在光标（或克劳德桌面）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”。
一个用于 LLM 的神经记忆系统，可以学习和预测序列，同时通过记忆向量保持状态。该 MCP（模型上下文协议）服务器为 Claude 3.7 Sonnet 和其他 LLM 提供了工具，用于在交互过程中保持记忆状态。
Related MCP server: Memory Bank MCP
特征
完美适配 Cursor ：现在 Cursor 会自动以 yolo 模式运行 MCP，您可以利用 LLM 的新内存将双手从方向盘上解放出来
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：高效的张量操作和自动内存清理
MCP 集成：与 Cursor 和其他 MCP 客户端完全兼容
文本编码：将文本输入转换为张量表示
记忆持久性：在会话之间保存和加载记忆状态
安装
可用工具
Titan Memory MCP 服务器提供以下工具：
help
获取有关可用工具的帮助。
参数：
tool（可选）：获取帮助的特定工具名称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 内存模型。
参数：
inputDim：输入尺寸大小（默认值：768）hiddenDim：隐藏维度大小（默认值：512）memoryDim：内存维度大小（默认值：1024）transformerLayers：变压器层数（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：辍学率（默认值：0.1）maxSequenceLength：最大序列长度（默认值：512）memorySlots：内存插槽数量（默认值：5000）similarityThreshold：相似度阈值（默认值：0.65）surpriseDecay：惊喜衰减率（默认值：0.9）pruningInterval：修剪间隔（默认值：1000）gradientClip：渐变剪切值（默认值：1.0）
forward_pass
通过模型进行前向传递以获得预测。
参数：
x：输入向量或文本memoryState（可选）：要使用的内存状态
train_step
执行训练步骤来更新模型。
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
获取当前内存状态和统计信息。
参数：
type（可选）：可选内存类型过滤器
manifold_step
沿流形方向更新记忆。
参数：
base：基本内存状态velocity：更新方向
prune_memory
删除不太相关的记忆以释放空间。
参数：
threshold：修剪阈值（0-1）
save_checkpoint
将内存状态保存到文件中。
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
重置累积梯度以恢复训练问题。
**参数：**无
在 Cursor 中使用 Claude 3.7 Sonnet
Titan Memory MCP 服务器旨在与 Cursor 中的 Claude 3.7 Sonnet 无缝协作。以下是使用示例：
内存管理
Titan Memory MCP 服务器包含复杂的内存管理，以防止内存泄漏并确保高效的张量操作：
自动清理：定期清理未使用的张量
内存加密：安全存储内存状态
张量验证：确保张量具有正确的形状
错误恢复：优雅地处理张量错误
建筑学
Titan Memory MCP 服务器采用模块化架构构建：
TitanMemoryServer ：注册工具和处理请求的主服务器类
TitanMemoryModel ：神经记忆模型实现
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
欢迎贡献代码！欢迎提交 Pull 请求。
执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。