项目简介

'FrostAura MCP Gaia Core' 是一个轻量级的Model Context Protocol (MCP) 服务器，专门用于为大型语言模型（LLM）客户端提供核心的上下文管理能力。它能够托管和管理简单的任务列表以及持久化的记忆（作为资源），并提供工具让LLM可以读取、更新任务以及存储和召回记忆。该服务器通过标准输入/输出（Stdio）进行通信，非常适合作为LLM工具调用的后端服务。

主要功能点

任务管理: LLM可以通过工具查询当前待办任务列表，也可以创建或更新任务的状态和详情。
记忆存储: LLM可以将重要的决策、上下文信息或关键知识点存储起来，以便后续查询和利用。这些记忆通过分类和键值进行管理，并支持更新以避免重复。
记忆召回: LLM可以模糊搜索之前存储的记忆，以获取相关的历史信息或上下文，提高交互的连贯性和准确性。
上下文持久化: 任务和记忆都以JSONL格式存储在文件系统中，确保了数据在会话间的持久性。

安装步骤

该MCP服务器是基于.NET开发的，通常作为LifeOS项目的一部分运行。以下是其独立运行的简要步骤：

安装必要软件:
- Node.js 20+ LTS
- .NET SDK 9.0+
- Docker 24+ 及 Docker Compose (如果选择Docker方式)

克隆仓库: 打开您的终端或命令行工具，执行以下命令克隆项目：

git clone https://github.com/frostaura/fa.lifeos.git
cd fa.lifeos

构建MCP服务器: 进入MCP服务器项目目录并构建。

cd .gaia/mcps/gaia/src/fa.mcp.gaia
dotnet restore
dotnet build

运行MCP服务器: 服务器会以控制台应用的形式启动，并通过标准输入输出与MCP客户端通信。
```
dotnet run
```
（请注意：'dotnet run' 通常用于开发测试，生产环境部署建议使用 'dotnet publish' 发布后直接运行可执行文件。）

服务器配置

MCP客户端需要以下JSON格式的配置信息才能连接到 'FrostAura MCP Gaia Core' 服务器。此配置信息用于告知MCP客户端如何启动和与服务器通信。

{
  "server_name": "fa.mcp.gaia",
  "command": "dotnet",
  "args": [
    "run",
    "--project",
    "./.gaia/mcps/gaia/src/fa.mcp.gaia/fa.mcp.gaia.csproj"
  ],
  "description": "FrostAura MCP Gaia Core 服务器，提供任务和记忆管理工具。",
  "transport": "stdio",
  "version": "2.0.0"
}

'server_name': 注册到MCP客户端的服务名称，用于标识这个MCP服务器。
'command': 启动MCP服务器进程的命令。此处设置为 'dotnet'。
'args': 传递给 'command' 的参数列表。这里指示 'dotnet' 运行位于 './.gaia/mcps/gaia/src/fa.mcp.gaia/fa.mcp.gaia.csproj' 的项目。请确保此路径是相对于执行MCP客户端命令的目录。
'description': 对MCP服务器功能的简要描述，方便LLM客户端理解其用途。
'transport': 服务器与客户端通信的协议。此处设置为 'stdio'（标准输入/输出），意味着通过控制台的标准流进行通信。
'version': MCP服务器的版本号。

基本使用方法

一旦MCP服务器启动并被MCP客户端正确配置，LLM即可通过调用服务器提供的工具来执行操作。以下是几个JSON-RPC请求示例，演示了如何与服务器交互：

读取任务 (read_tasks): LLM可以调用 'mcp__gaia__read_tasks' 工具来获取当前的任务列表。

{
  "jsonrpc": "2.0",
  "method": "mcp__gaia__read_tasks",
  "params": {
    "hideCompleted": true
  },
  "id": "1"
}

'params.hideCompleted': 设置为 'true' 则只返回未完成的任务。

更新任务 (update_task): LLM可以调用 'mcp__gaia__update_task' 工具来创建新任务或更新现有任务。

{
  "jsonrpc": "2.0",
  "method": "mcp__gaia__update_task",
  "params": {
    "taskId": "plan_project",
    "description": "Detailed project planning for Q3 initiative.",
    "status": "in_progress",
    "assignedTo": "AI Assistant"
  },
  "id": "2"
}

'params.taskId': 任务的唯一标识符。 'params.description': 任务的详细描述。 'params.status': 任务的状态，例如 "in_progress"（进行中）、"completed"（已完成）。 'params.assignedTo': （可选）任务的负责人。

存储记忆 (remember): LLM可以调用 'mcp__gaia__remember' 工具来保存重要信息。

{
  "jsonrpc": "2.0",
  "method": "mcp__gaia__remember",
  "params": {
    "category": "project_strategy",
    "key": "q3_goals",
    "value": "Key goal is to launch new feature X by end of Q3 with 80% user adoption."
  },
  "id": "3"
}

'params.category': 记忆的分类。 'params.key': 记忆的键标识符，与分类一起用于唯一标识记忆。 'params.value': 实际要存储的记忆内容。

召回记忆 (recall): LLM可以调用 'mcp__gaia__recall' 工具来检索之前存储的信息。

{
  "jsonrpc": "2.0",
  "method": "mcp__gaia__recall",
  "params": {
    "query": "new feature launch",
    "maxResults": 5
  },
  "id": "4"
}

'params.query': 用于模糊搜索记忆的查询字符串。 'params.maxResults': （可选）返回的最大记忆数量，默认为20。

这些JSON-RPC请求将通过配置的Stdio传输协议发送给运行中的MCP服务器，服务器会处理请求并返回相应的JSON-RPC响应。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息