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: ContextHub

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

# 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

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：

// 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", {});

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：

1. 自动清理：定期清理未使用的张量

2. 内存加密：安全存储内存状态

3. 张量验证：确保张量具有正确的形状

4. 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。