Titan Memory MCP サーバー

現時点では壊れていることは承知しています。修正します。理想的には、これはカーソル（またはデスクトップ版の claude）で yolo モードで実行され、人間の介入なしに LLM バージョンに依存しない「頭脳」を作成します。

LLM向けのニューラルメモリシステム。メモリベクトルを介して状態を維持しながら、シーケンスを学習・予測できます。このMCP（モデルコンテキストプロトコル）サーバーは、Claude 3.7 Sonnetやその他のLLMがインタラクション間でメモリ状態を維持するためのツールを提供します。

Related MCP server: ContextHub

特徴

• カーソルに最適: カーソルはMCPをyoloモードで自動的に実行するので、LLMの新しいメモリを使用してハンドルから手を離すことができます。

• ニューラルメモリアーキテクチャ：シーケンスを学習および予測できるトランスフォーマーベースのメモリシステム

• メモリ管理: 自動メモリクリーンアップによる効率的なテンソル演算

• MCP統合:カーソルおよびその他のMCPクライアントと完全に互換性があります

• テキストエンコーディング: テキスト入力をテンソル表現に変換する

• メモリの永続性: セッション間でメモリの状態を保存および読み込みます

インストール

# Clone the repository
git clone https://github.com/yourusername/titan-memory.git
cd titan-memory

# Install dependencies
npm install

# Build the project
npm run build

# Start the server
npm start

利用可能なツール

Titan Memory MCP サーバーは次のツールを提供します。

help

利用可能なツールに関するヘルプを取得します。

パラメータ:

• tool （オプション）：ヘルプを取得するための特定のツール名

• category （オプション）：探索するツールのカテゴリ

• showExamples （オプション）: 使用例を含める

• verbose （オプション）: 詳細な説明を含める

init_model

カスタム構成で Titan Memory モデルを初期化します。

パラメータ:

• inputDim : 入力次元のサイズ（デフォルト: 768）

• hiddenDim : 隠しディメンションのサイズ（デフォルト: 512）

• memoryDim : メモリ次元サイズ（デフォルト: 1024）

• transformerLayers : トランスフォーマー層の数（デフォルト: 6）

• numHeads : アテンションヘッドの数（デフォルト: 8）

• ffDimension : フィードフォワード次元（デフォルト: 2048）

• dropoutRate : ドロップアウト率（デフォルト: 0.1）

• maxSequenceLength : 最大シーケンス長（デフォルト: 512）

• memorySlots : メモリスロットの数（デフォルト: 5000）

• similarityThreshold : 類似度の閾値（デフォルト: 0.65）

• surpriseDecay : サプライズ減衰率（デフォルト: 0.9）

• pruningInterval : 剪定間隔（デフォルト: 1000）

• gradientClip : グラデーションクリッピング値（デフォルト: 1.0）

forward_pass

モデルを順方向にパスして予測を取得します。

パラメータ:

• x : 入力ベクトルまたはテキスト

• memoryState (オプション): 使用するメモリ状態

train_step

トレーニング ステップを実行してモデルを更新します。

パラメータ:

• x_t : 現在の入力ベクトルまたはテキスト

• x_next : 次の入力ベクトルまたはテキスト

get_memory_state

現在のメモリの状態と統計を取得します。

パラメータ:

• type （オプション）：オプションのメモリタイプフィルター

manifold_step

多様体方向に沿ってメモリを更新します。

パラメータ:

• base : ベースメモリ状態

• velocity : 更新方向

prune_memory

関連性の低いメモリを削除してスペースを解放します。

パラメータ:

• threshold : 剪定しきい値 (0-1)

save_checkpoint

メモリの状態をファイルに保存します。

パラメータ:

• path : チェックポイントファイルのパス

load_checkpoint

ファイルからメモリ状態を読み込みます。

パラメータ:

• path : チェックポイントファイルのパス

reset_gradients

トレーニングの問題から回復するには、累積された勾配をリセットします。

**パラメータ:**なし

カーソル内のClaude 3.7 Sonnetでの使用

Titan Memory MCPサーバーは、CursorでClaude 3.7 Sonnetとシームレスに連携するように設計されています。使用例を以下に示します。

// 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", {});

メモリ管理

Titan Memory MCP サーバーには、メモリ リークを防ぎ、効率的なテンソル演算を保証するための高度なメモリ管理機能が含まれています。

1. 自動クリーンアップ: 未使用のテンソルを定期的にクリーンアップします

2. メモリ暗号化: メモリ状態を安全に保存します

3. テンソル検証: テンソルが正しい形状であることを確認する

4. エラー回復: テンソルエラーを適切に処理します

建築

Titan Memory MCP サーバーは、モジュラー アーキテクチャで構築されています。

• TitanMemoryServer : ツールを登録し、リクエストを処理するメインサーバークラス

• TitanMemoryModel : ニューラルメモリモデルの実装

• VectorProcessor : 入力処理とテキストエンコードを処理

• MemoryManager : テンソル演算とメモリのクリーンアップを管理する

貢献

貢献を歓迎します！お気軽にプルリクエストを送信してください。

ライセンス

このプロジェクトは MIT ライセンスに基づいてライセンスされています - 詳細については LICENSE ファイルを参照してください。