memory-arbiter-mcp
Server Configuration
Describes the environment variables required to run the server.
| Name | Required | Description | Default |
|---|---|---|---|
| MEMORY_ARBITER_CLIENT | Yes | Client identifier for the tool (e.g., zcode, codex, cursor, claude-code) | |
| MEMORY_ARBITER_DB_PATH | Yes | Path to the shared SQLite database file | |
| MEMORY_ARBITER_AGENT_ID | Yes | Agent identifier for the client (e.g., zcode-default) |
Capabilities
Features and capabilities supported by this server
| Capability | Details |
|---|---|
| tools | {
"listChanged": false
} |
| prompts | {
"listChanged": false
} |
| resources | {
"subscribe": false,
"listChanged": false
} |
| experimental | {} |
Tools
Functions exposed to the LLM to take actions
| Name | Description |
|---|---|
| memory_write | 写入一条结构化记忆到跨工具共享记忆库。必填 content,建议填 subject/tags/source_type。v0.5.0:如果配置了 GGUF embedding + sqlite-vec,写入成功后会自动存向量;响应里仅在尝试过向量化时返回 embedding_stored。 |
| memory_search | 搜索跨工具共享记忆库。项目知识、历史决策、偏好、文档摘要类问题应先查记忆,再读源文件。优先用 2-4 个核心词;一次搜不到先换同义词/短关键词重试;空 query 或 memory_recent 可列最近记忆。默认不返回 superseded;审计历史链路时传 include_superseded=true。debug_ranking=true 返回排序调试字段。v0.5.0:配置 GGUF embedding + sqlite-vec 后,不传 query_embedding 也会自动对 query 向量化;显式 query_embedding 仍优先。 |
| memory_get | 通过 ID 直接获取一条记忆的完整信息。用于已知 memory_id 时(如从冲突列表、审计结果、搜索结果中获取)快速获取单条记忆详情,无需再走搜索流程。只读,不修改任何数据。 |
| memory_store_embedding | 为指定记忆手动存入或替换语义向量。v0.5.0 配置 GGUF embedding 后,新写入/普通查询可自动向量化;这个工具仍适合 backfill、非 GGUF 模型、远程 API 或自定义向量流程。向量维度必须匹配 vec.dim。 |
| memory_recent | 列出指定 workspace 最近记忆,不按关键词过滤。用于关键词不确定、memory_search 直接命中为空、或需要先浏览库存再决定是否读源文件的场景。 |
| memory_compare | 比较两条记忆是否冲突,返回可解释的比较理由,不落冲突记录。 |
| memory_arbitrate | 仲裁两条冲突记忆的胜者与败者。mark_conflict=true 记录冲突,apply=true 自动将非保护败方标记为 superseded。 |
| memory_list_conflictsC | 列出记忆冲突记录,默认只看 open 状态。 |
| memory_confirm | 将一条记忆标记为用户确认,提升为 user_confirmed + locked 保护级别,禁止自动覆盖。 |
| memory_supersede | 显式废弃一条记忆,可突破 user_confirmed/locked 保护(memory_arbitrate 被挡时用)。必须 authorized=true 才执行;联动降保护级别并把相关 open 冲突标记为 resolved,审计记录写入 conflicts 表。废弃后不可逆。 |
| memory_status | 查看 memory-arbiter 运行状态:数据库路径、降级模式、客户端标识、策略配置、配置解析 warning、自动 embedding 是否已配置。 |
| memory_audit_summary | 返回各 workspace 的记忆统计概览:条目数、最旧/最新条目时间、open 冲突数、各 source_type 分布。纯 SQL 聚合,不做语义判断,用于快速判断是否需要深入审查。 |
| memory_doctor_overview | 对 memory-arbiter 做一次健康体检,返回分级诊断报告(只读)。覆盖配置完整性、向量化启用链、分段、数据一致性、容量堆积。每条诊断带 severity 与针对当前配置的 fix_hint。deep=true 时额外实际加载 GGUF 模型做维度探针(秒级开销)。 |
| memory_edit | 原地编辑记忆正文,旧版本自动存入 memory_history 版本链并同步 FTS。两种模式:传 new_content 整体替换,或 old_text+new_text 精确局部替换。normal 记忆可直接编辑;locked/user_confirmed 需 authorized=true。v0.5.0:若配置自动 embedding,编辑成功后会重算向量;重算/写入失败会删除旧向量,避免语义召回仍按旧内容命中。 |
| memory_history | 查看一条记忆的版本演化轨迹(memory_history 表的历史快照,按版本号倒序)。只读,不动任何表。配合 memory_edit 使用:每次编辑前的旧正文都存在这里,必要时可人工恢复。 |
| memory_cleanup_history | 清理 memory_history 表的历史快照(不碰 memories 活跃记录)。三种粒度:传 memory_id 只清指定记忆的历史;传 older_than_days 只清 N 天前的快照;两者都不传=全量瘦身,必须 authorized=true 作为确认门。绝对安全:无论传什么参数,只 DELETE FROM memory_history,memories 表一条都不动。 |
| memory_split | 长文分段工具(v0.6.0,分段唯一入口)。两阶段:首次调用返回原文+schema供外部 LLM 生成段落信息;二次提交验证 offset 并原子发布段落+向量。split_decision: None=首次, "split"=发布, "decline"=拒绝, "rebuild"=重建。v0.6.0 为单批:原文一次性返回;超长文档请调用方在 memory_write 前自行分块。 |
| get_sections | 获取指定 section 的完整原文片段(content[start_offset:end_offset])+ 元数据。section_ids 为空时返回该 memory 的全部 sections。 |
| memory_split_status | 查看某条记忆的分段状态、section 目录、content hash 和全局向量索引状态。 |
| memory_rebuild_embeddings | 批量重建向量(v0.6.0)。用于 embedding 模型切换后的向量层迁移,或 ready 状态下的局部修复。不需要 LLM 调用——只重算向量。dry_run=True 只返回清单不执行。 |
Prompts
Interactive templates invoked by user choice
| Name | Description |
|---|---|
No prompts | |
Resources
Contextual data attached and managed by the client
| Name | Description |
|---|---|
No resources | |
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/billy12151/memory-arbiter-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server