使用说明（Markdown 格式）

项目简介
- 该仓库实现了一个以“几何记忆引擎”为核心的 MCP 服务器端，支持资源管理、工具调用、提示渲染等功能，通过 JSON-RPC 与客户端通信，能够持续地向 LLM 客户端提供上下文信息与外部能力。
- 服务器核心与客户端工具分离，服务端提供 am_query、am_ingest、am_buffer、am_stats、am_export、am_import、am_salient、am_feedback、am_batch_query、am_retrieve 等多种 MCP 接口，便于 LLM 调用外部功能与查询上下文。
主要功能点
- MCP 核心能力
  - 资源与记忆管理：管理潜在记忆（ episodes/ neighborhoods / occurrences ）以及意识记忆（conscious episode）。
  - 工具注册与执行：提供 am_query、am_ingest、am_buffer、am_salient、am_feedback、am_retrieve 等工具，以及两阶段检索等能力。
  - Prompt/上下文渲染：对检索结果进行打包，渲染成可供 LLM 使用的上下文片段（Conscious、Subconscious、Novel 等类别）。
- 服务器实现要点
  - 通过 am-cli/server.rs 与 rmcp 框架实现 MCP 服务端逻辑，提供多条 MCP 接口的实现与路由。
  - 会话管理与记忆能力声明：维护 session_recalled、记忆的活性与演化（ drift、interference、kuramoto 耦合等机制）。
  - 支持多种传输协议（如 stdio），以及通过客户端配置实现的扩展传输。
- 运行与调试
  - 服务器以 MCP 端点形式提供，客户端可通过 JSON-RPC 调用各类端点，进行记忆检索、记忆增强、记忆标注等操作。
安装步骤
- 安装依赖与工具链：需要 Rust 环境与 cargo。
- 构建与安装服务器客户端工具
  - 使用 Rust 工具链构建 am-cli（提供服务器入口和 MCP 服务功能）。
  - 典型命令为：cargo install --path crates/am-cli
- 启动 MCP 服务器
  - 直接在项目根目录执行服务入口（通过 am serve 启动，使用 stdio 传输）。
  - 服务器启动后将通过 MCP 与客户端进行 JSON-RPC 交互，提供上述多种接口。
服务器配置（MCP 客户端必需的启动信息，JSON 格式）注：MCP 客户端需要配置服务器启动命令与参数，用于建立与 MCP 服务器的连接。以下为示例结构描述，实际值请按客户端配置要求填入。 { "server_name": "attention-matters", "command": "am", "args": ["serve"], "transport": "stdio", "notes": "使用 am serve 通过 stdio 传输与 MCP 客户端通信；如需通过 WebSocket/ SSE，请相应调整 transport 与底层实现。" }
基本使用方法
- 启动与对接
  - 先在客户端环境确保可以通过 MCP 客户端配置连接到服务器（如上配置示例所示）。
  - 使用 am serve 启动服务器，并确保客户端能够通过指定传输方式与服务器进行 JSON-RPC 通信。
- 调用与流水线
  - 使用 MCP 客户端通过 JSON-RPC 调用 am_query（记忆检索）、am_ingest（文档导入）、am_buffer（缓冲对话后形成记忆）、am_salient（标注为 conscious）、am_feedback（记忆反馈）等接口，获得结构化的上下文与结果。
  - 服务端返回的上下文可直接嵌入到 LLM 的回答中，或用于后续的推理与决策过程。
- 运行与调试要点
  - 互动过程中请关注服务器输出日志与返回的 JSON 结果结构，确保字段包括 context、metrics、recalled_ids、token_estimate、stats 等以便下游组件正确解析。
  - 如遇到连接问题，检查配置的 transport、端口（若扩展到 Socket/WebSocket），以及服务器是否已正确启动并监听。
额外说明
- 该实现包含丰富的单元测试和集成测试，覆盖查询、索引、两阶段检索、 sev 行为、序列化/反序列化、GC 等功能点，确保 MCP 服务端的稳定性与可扩展性。

attention-matters MCP 服务器实现

服务器信息