Skip to main content
Glama
billy12151

memory-arbiter-mcp

Server Configuration

Describes the environment variables required to run the server.

NameRequiredDescriptionDefault
MEMORY_ARBITER_CLIENTYesClient identifier for the tool (e.g., zcode, codex, cursor, claude-code)
MEMORY_ARBITER_DB_PATHYesPath to the shared SQLite database file
MEMORY_ARBITER_AGENT_IDYesAgent identifier for the client (e.g., zcode-default)

Capabilities

Features and capabilities supported by this server

CapabilityDetails
tools
{
  "listChanged": false
}
prompts
{
  "listChanged": false
}
resources
{
  "subscribe": false,
  "listChanged": false
}
experimental
{}

Tools

Functions exposed to the LLM to take actions

NameDescription
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搜索跨工具共享记忆库。项目知识、历史决策、偏好、文档摘要类问题应先查记忆,再读源文件。优先用 2-4 个核心词;一次搜不到先换同义词/短关键词重试;空 query 或 memory_recent 可列最近记忆。默认不返回 superseded;审计历史链路时传 include_superseded=true。debug_ranking=true 返回排序调试字段。v0.5.0:配置 GGUF embedding + sqlite-vec 后,不传 query_embedding 也会自动对 query 向量化;显式 query_embedding 仍优先。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仲裁两条冲突记忆的胜者与败者。mark_conflict=true 记录冲突,apply=true 自动将非保护败方标记为 superseded。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

NameDescription

No prompts

Resources

Contextual data attached and managed by the client

NameDescription

No resources

Latest Blog Posts

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