Constancy MCP
Stores and serves images and binary blobs via Cloudflare Images and Cloudflare Workers, including signed direct-upload URLs and 5-minute signed download links for zero-token binary transfers.
Enables direct binary upload and download via curl commands using signed capability URLs, bypassing LLM context tokens for large payloads.
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
Constancy MCP (人基常热认知记忆外脑)
让大模型真正懂得“主动记、自动忘、懂分寸、读空气”的长期记忆系统。
基于控制论、心理物理学与多尺度信号处理统一模型:人基常热动力学(Anthropocentric Chrono-Thermal Dynamics, ACTD)。
💡 为什么需要 Constancy MCP?
当前所有主流大模型的长期记忆与 RAG 系统(ChatGPT Memory、Mem0、传统向量库),都存在致命的**“常度错配(Constancy Mismatch)”与“尺度盲(Scale-Blindness)”**:
❌ 无差别吞噬:把用户的口嗨、吐槽、临时预设当成“永久真理”保存,信噪比极低;
❌ 永生不死与幽灵诈尸:默认所有数据的常度是 $C_H = \infty$。把半年前废弃的旧方案在今天当成圣旨翻出来;
❌ 单一标量热度的失真:一个简单的计数器无法区分“刚才疯狂点了 10 次”和“过去两年里细水长流被验证了 10 次”;
❌ 不会“读空气”:缺乏时间锚点与时效健康度。比如把上周的“气象局说明天下雨”当成今天的事实,阴阳怪气地提醒用户“今天出门带伞”,场面极度尴尬。
真实的人脑智能,核心不是“死记硬背”,而是“会遗忘(Adaptive Forgetting)”与“多尺度新陈代谢”。
Related MCP server: Memsolus MCP Server
🧬 理论双翼:人基常热动力学 (ACTD)
本项目将**《人基常度理论》($C_H$)与《多尺度对数意图热度谱》($\mathbf{h}$)**统一融合,构成认知二象性模型:
$$\mathcal{S} = \big\langle C_H^{\text{prior}},; \mathbf{h}(t) \big\rangle$$
骨架(本性先验 $C_H$):基于智人动作电位 $t_0 = 1\text{ ms}$ 与最小可觉差 $\delta_{\text{JND}}$ 界定的固有预期寿命;
血肉(动态能谱 $\mathbf{h} \in \mathbb{R}^7$):基于人类意图事件驱动的多尺度连续懒衰减能量谱(覆盖 1 分钟到 2 年)。
坐标对齐公理:
$$C_H = s + \log_{10}(60,000) \approx \mathbf{s + 4.78}$$
通道 $k$ | 尺度 $s_k$ | 半衰期 | 对应常度 $C_H$ | 智人认知与交互层级 | 典型示例 |
0 | $0$ | 1 分钟 | $\approx 4.78$ | 微观注意力 | 当前打开、光标停留 |
1 | $1$ | 10 分钟 | $\approx 5.78$ | 单次会话 | 一次连续调试或编码 |
2 | $2$ | 100 分钟 | $\approx 6.78$ | 半日攻坚 | 半天工作单元 |
3 | $3$ | 16.7 小时 | $\approx 7.78$ | 生理昼夜 | 当日日记、时效预报(如天气预报 $C_H \approx 7.8$) |
4 | $4$ | 1 周 | $\approx 8.78$ | 冲刺周期 | 本周主线任务、临时点子检验期 |
5 | $5$ | 2.3 个月 | $\approx 9.78$ | 演进阶段 | 架构选型、接口标准稳定期 |
6 | $6$ | 2 年 | $\approx 10.78$ | 常青底噪 | 核心实体百科、硬件物理参数 |
💡 标尺映射说明:7 维谱系最大追踪通道 $s=6$ 对应半衰期约 2 年 ($C_H \approx 10.78$),作为日常动力学的最长意图载波。对于长期架构规范或硬件基石实体 ($C_H \ge 11.0$,如 10 年期实体 $C_H = 11.5$),其热度载波锚定在通道 6,其有效时效衰减 $\tau = 10^{C_H}$ 严格遵循物理基石先验。
完整形式化推导请参阅 docs/ACTD_SPEC.md 与 docs/THEORY.md。
⚙️ 核心机制:频段共振与决策三态机
通过常度频段共振提取有效热度 $H_{\text{eff}}$,计算命题的时效健康度 $V$:
$$V(t) = \exp\left( - \frac{\text{ms}(t_{\text{now}} - t_{\text{last_strong}})}{10^{C_H^{\text{dynamic}}}} \cdot \frac{1}{1 + \ln(1 + H_{\text{eff}})} \right)$$
核心防自热公理(被动检索 $\neq$ 现实确证):AI 发起
search_memory仅作为弱信号探针,仅激发短暂工作记忆 ($s=0$),绝不泄漏至长波通道,严禁凭空拉高 $C_H$,从数学上根除“频繁被搜导致陈旧记忆永不衰减”的幽灵诈尸后门。
大模型在检索记忆时,不再是冷冰冰地提取旧文本,而是获得清晰的行动决策指南:
graph TD
Search([检索命题]) --> Compute[共振计算时效健康度 V]
Compute -->|V ≥ 0.7| Green["🟢 确信有效 (Fresh)<br>直接作为坚固先验使用,免打扰,干脆利索"]
Compute -->|0.2 ≤ V < 0.7| Yellow["🟡 临界漂移 (Drifting)<br>禁止武断下定论,必须高情商向用户核实现状"]
Compute -->|V < 0.2| Gray["⚪ 静默沉淀 (Dormant)<br>自动软遗忘,绝不诈尸污染上下文"]高情商沟通实测对比:
传统 RAG:“你半年前不是说讨厌前端吗?你今天怎么又写前端了?”(机械、杠精、翻旧账)
Constancy MCP 引导的大模型:“我注意到半年前记录过您倾向于纯终端输出;考虑到该模块已跨越常规迭代周期,请问目前是否依然沿用此交互规范?”(审慎、得体、会读空气)
🛠️ MCP 工具接口规范 (Tools)
通过标准 Model Context Protocol 提供给 Claude / Cursor 等 AI Agent:
get_agent_init_info(role?, verbosity?)【🧭 Agent 启航与工作法手册】:获取服务端版本、架构哲学、角色职责矩阵(前线业务 vs. 专职医生)与高密度操作法则。支持
role: "chat" | "doctor" | "all"与verbosity: "compact" | "detailed"。同时注册为 MCP Native Prompt (constancy_agent_init)。
log_memory(content, c_h?, type?, entities?, tags?, source?)主动打点记事。必须显式定性认知来源(
user_stated/model_suggested/model_inferred/external),内置硬门禁:严禁模型越权替用户设立待办或决策。自动维护 7 维时间能量谱与衰减周期。
search_memory(query?, limit?, type?, entity?, min_validity?, include_retired?, image_url?, image_base64?, date_from?, date_to?, near?)多模态语义检索 + ACTD 连续懒衰减时效仲裁 + Qdrant 原生时空结构化过滤。基于
voyage-multimodal-3.5统一度量衡,支持纯文本、以图搜图、图文联合及纯时间/地理范围过滤。内置图片与关联便签动态去重,遇到存疑记忆自动前置【⚠️ 事实存疑待核】警示横幅。
get_daily_timeline(date, include_retired?)按时间顺序提取某一天全部碎片与动力学热度指标 ($C_H$、健康度 $V$、状态标签),供大模型生成每日研发日记(DevLog)与夜间蒸馏。
confirm_memory(id, note?, c_h?, revive?)🟡 状态闭环工具:当用户核实某条临界记忆依然有效时调用,强信号刷新验证时间戳并注入热度,使记忆满血重归 🟢 确信有效。若记忆已废弃,可传入
revive: true撤销废弃复活。
retire_memory(id, reason)抗熵归档工具:显式设置
retired: true,保留原业务分类type,将已过时或已被推翻的记忆标记失效沉淀 ($V \to 0$),杜绝死灰复燃。
update_memory(id, content, reason?)【⚡ 事实更迭/原子世代换代】:当用户当面明确更正事实时调用。安全退役旧版本(软归档保留不可变审计),以修正后的新内容生成新世代记忆并即时重算 1024 维向量嵌入,平滑继承前身谱系能量与 $C_H$。确保后续检索 100% 准确命中新事实,零模型歧义与零递归开销。
upsert_entity(name, description, aliases?, relations?)维护跨越周期的高阶常青实体百科清单 ($C_H \ge 11.0$)。
save_note(content, title?, base64?, mime_type?, c_h?, tags?)极简记事本/客观存根:专为“书记官记录”(用户交代“帮我记着点……”)与“LLM 工具性存根”(URI、代码片段、数据指纹)设计,原汁原味保存(上限 10KB),绝不作有损改写。支持可选的独立 BASE64 槽(上限 10KB,若为图片则自动送入 Voyage-Multimodal-3.5 进行图文混合特征对齐,自动计算服务端 SHA-256 校验和),默认常度 8.8(配置/速查类自动为 11.0)。
get_note(id)按需载荷与审计追溯:根据便签 ID 精确取回完整原始内容、Base64 载荷、SHA-256 校验和及历史修改审计链 (
revisions)。
list_notes(tag?, limit?, include_retired?)确定性标签枚举:基于 Qdrant scroll 物理枚举便签与客观存根(非向量相似度检索,杜绝阈值截断漏选)。适用于“我有哪些待办”、“列出所有配置存根”等枚举场景。
update_note(id, content?, mode?, title?, tags?, base64?, mime_type?, c_h?)版本可追溯编辑:修改便签内容(支持覆盖与追加模式)、分类标签或常度。修改时自动归档历史版本快照至
revisions审计链(最多保留 5 版);内容、标题或图片改动时自动触发 Voyage-Multimodal-3.5 重算语义向量。
get_blob_url(id)Capability 下载链接生成:为便签中存储的二进制数据生成 5 分钟带签名下载链接。供客户端或 Claude 代码沙箱通过
curl直接下载,完全避免大段 Base64 经过 LLM 对话上下文消耗 Token 或产生截断转义损耗。
fetch_image_vision(id, variant?, include_metadata?)【👁️ 视觉直读】:将图库中的指定图片以图像形式直接载入模型视觉通道,支持
ai512(极速省 Token 粗筛)、ai768(通用推荐)、ai1024(密集文本与复杂图表),无需沙箱下载。
create_upload_url(title?, content?, mime_type?, tags?, c_h?)Capability 直传链接生成:预分配便签 ID 并生成 5 分钟带签名直接上传链接。允许客户端或 Claude 沙箱通过
curl -X PUT直接将二进制流存入,完全不经过 LLM 对话上下文传输 Base64。
request_image_upload(filename?, captured_at?, c_h?, tags?)图片上传流水线(阶段一):预分配全局唯一图片 ID,生成直传至 Cloudflare Images 的带签名上传链接与一键直传 curl 命令,实现大文件零 Token 消耗入库。
commit_image_record(image_id, description, c_h?, tags?, captured_at?, location?, exif?)图片入库与多模态索引(阶段二):在直传完成后调用,由大模型深度观察图像细节生成高信噪比描述,注入 EXIF 拍摄时间与 GPS 经纬度,自动调用 Voyage-Multimodal-3.5 计算视觉向量并建立 Qdrant 索引与关联便签。
annotate_memory(id, kind, text, source?, ref_id?)非破坏性勘误与附注:对既有记忆进行事实更正(
correction)、存疑标记(dispute)或补充上下文(context)。原文与时空向量一字不动,保证因果可证伪性;后续检索自动挂载更正警示牌并置展示,彻底杜绝历史被涂抹带来的认知失真。
submit_concern(memory_id, reason, evidence, severity?, interaction_mode?)门诊异常主诉(日常 LLM 义务工具):当对话中发现旧记忆与现实明显冲突、过期或失真时,日常 LLM 有义务调用此工具提交病症顾虑并附带用户原话证据。支持静默 (
silent)、顺带告知 (informed_user)、确认后再报 (user_confirmed) 三档姿态。
get_maintenance_cases(limit?)🩺 巡诊分诊案卷获取(医生专用):供专职巡诊医生(Scheduled Task Claude)每小时整点唤醒调用。私域分诊台自动完成 1h/6h/24h 窗口计算与案卷聚合,无任务时秒级退出,零无效 Token 消耗。严禁日常对话模型调用。
resolve_maintenance_case(case_id, memory_id, verdict, treatment?, updated_content?, doctor_notes?)🩺 临床处方与世代更迭(医生专用):医生完成研判后下达处方,支持维持(
KEEP)、世代更新(UPDATE,旧记忆退休并指向新纪元,新记忆入库并继承谱系)、失效归档(EXPIRE)、同构精炼归并(MERGE)、留观跟踪(DEFERRED)或转送用户会诊(ESCALATED_TO_USER)。严禁日常对话模型调用。
inspect_memory(id, max_depth?)【🔬 认知基因透视/因果验血】:按 ID 精确获取记忆底层元数据(7维时间谱、健康度 V、revisions 与 annotations),双向递归追溯
predecessor前身链与superseded_by后继链,完整呈现世代全景因果拓扑图。纯只读诊断,零热力学扰动。
post_proactive_agenda(title, content, urgent?, dedup_key?, schedule_after?)【📥 全角色通用 - 主动通信待议投递】:向待议箱提交一条待沟通事项。供外部定时巡检(如 Fastmail 邮件维护)、日常前线会话记录未来待办、或巡诊医生跨会话投递。支持设置紧急程度 (
urgent)、预约延迟唤醒 (schedule_after) 与业务去重键 (dedup_key,相同 key 自动合并更新防刷)。详见 docs/PROACTIVE_AGENDA.md。
check_proactive_agenda(limit?)【⏰ 客户端定时任务专享 - 普通日常会话请勿随意轮询】:专供后台每小时定时任务(Scheduled Tasks / Cron)唤醒时轮询待议池。拉取当前有效且待沟通的事项列表(紧急优先)。若
has_agenda为 false,调用方必须保持完全静默直接收工,严禁向用户发送无意义问候。日常闲聊对话中若用户未明确要求查待办切勿调用。
resolve_proactive_agenda(agenda_id, status, snooze_until?, note?)【✅ 闭环核销 - 主动通信议题办结/延期】:核销或更新主动通信议题状态。当当班会话已与用户完成该事项沟通、用户明确表示无需再提时标记为
'done';若用户要求稍后提醒则标记为'snooze'并指定snooze_until。
🏗️ 飞轮运作流:白天打点,夜间蒸馏,长波自愈
graph LR
Day["白天:主动记录碎片<br>(C_H ≈ 8~9, 高频通道)"]
-->|夜间整理日记| Night["每日日记 DevLog<br>(C_H ≈ 10.5, 中频通道)"]
-->|长波能量共振| Entity["核心实体清单<br>(C_H ≥ 11.0, 长期常青基石)"]
Day -.->|未获长波能量支撑| Evaporate["根据半衰期自动遗忘蒸发 (抗熵新陈代谢)"]🔒 物理网络隔离与多租户网关接入
本服务已作为纯内网微服务集群收敛至统一企业入口:
统一对外入口:
https://mcp.bitsquirter.bid/mcp(由 MCPHub 集中提供 Google 账号鉴权与额度门禁);物理网络阻断:本 Worker 部署于
constancy.bitsquirter.bid,仅放行网关宿主机 IP(104.152.208.44)的直接流量,拒绝外部直接探测(403);多租户数据隔离:全链路采用 Google 官方数字身份
sub_id(通过网关头X-Consumer-Sub透传)作为 Qdrant Payload 的唯一user_id过滤主键,实现各租户之间物理/逻辑级绝对隔离。分级用量与周配额校验 (v1.12.0):
内部管理员白名单:主账号通过 Google
sub_id直通,全免配额校验;普通注册用户:默认分配免费额度 100 次/周,每周一 00:00 (UTC) 自动重置刷新(Zero-Cron 零定时任务按需自愈);
BitSquirter Pro 会员:$9.90/月解锁 1,000 次/周 外脑高频调用与优先低延迟通道;
元数据与指引豁免:
constancy-get_agent_init_info设为免费工具,会话开启与人设加载不扣减周调用额度;实时用量可见:支持访问
https://mcp.bitsquirter.bid/api/quota随时查询当前周剩余额度与重置周期。
🗺️ 路线图 (Roadmap)
《人基常度》形式化理论定义与标尺 (docs/THEORY.md)
《人基常热动力学 ACTD v1.0》统一规范 (docs/ACTD_SPEC.md)
数学自洽性审计与 4 大典型/极端场景全推演 (docs/VERIFICATION.md)
基于 Qdrant + Cloudflare Worker 的边缘向量与 ACTD 算法引擎
OAuth 2.1 RFC 8414 + 1 年免密动态注册 (Claude Custom Connectors 支持)
统一接入企业级 MCPHub 聚合网关 (
https://mcp.bitsquirter.bid/mcp)物理网络阻断与 Google
sub_id多租户强隔离架构 (零公网暴露)用户权限分级、周额度校验与大模型亲和拦截网关
LemonSqueezy 全球月度订阅与自动化秒级升配闭环 (
/checkout)官方 TypeScript / Python 本地 MCP Server 实现
Claude Desktop / Cursor / Antigravity 一键安装配置指南
自动化每日日记提取与实体清单蒸馏 Prompt 模版
📄 开源协议
本项目采用 MIT 许可证。
This server cannot be deployed
Related MCP Connectors
Persistent memory for AI agents, for code, research and everyday life. Stale facts retire.
Long-term memory for AI agents. Pass one sentence, and it remembers, recalls, or forgets.
Persistent memory for AI agents. Search and store durable facts, preferences and decisions.
Long-term memory for AI agents: learns what is true about each person and answers with sources.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceProvides AI agents with persistent, searchable memory that survives across conversations using semantic search, temporal versioning, and smart organization. Enables long-term context retention and cross-session continuity for AI assistants.14-

Memsolus MCP Serverofficial
AlicenseAqualityDmaintenanceProvides persistent long-term memory for AI agents through semantic search and automated knowledge graph extraction. It enables agents to store, recall, and reason over facts, preferences, and relationships across multiple conversations and sessions.1415 npmMIT- AlicenseNot gradedqualityDmaintenanceProvides persistent long-term memory for AI agents with semantic search and activation-based decay. Enables AI systems to remember across sessions through layered memory architecture and automatic context-aware retrieval.8 npmMIT
- AlicenseNot gradedqualityDmaintenanceProvides long-term memory for AI agents with per-user scoped recall, ranking by relevance, recency, and importance, consolidation of repeated events, and automatic forgetting.MIT