Neurolithe MCP 服务器实现
使用说明（Markdown 格式）
-
项目简介
- Neurolithe MCP 服务器实现是一个用 Rust 编写的后端服务，按 MCP（Model Context Protocol）规范实现了通过标准输入输出（STDIO）进行 JSON-RPC 通信的服务器端组件。它管理会话级上下文、短期记忆（STM）与知识图谱中的长期记忆（LTM），并暴露用于读取/写入资源、执行工具、以及获取/渲染 Prompt 的能力。服务器端还负责会话管理、记忆的压缩与衰减等任务，目标是在 LLM 客户端和本地记忆库之间提供稳定、可扩展的上下文服务。
-
主要功能点
- MCP 核心通信：实现对 MCP 请求和响应的处理（包括 initialize、tools/list、tools/call 等），基于 JSON-RPC 2.0。
- 工具调用（Tools）：实现诸如 push_dialogue、store_memory、query_memory、delete_tenant、export_tenant 等工具的执行逻辑，支持与后端应用交互。
- 会话与上下文管理：通过 SessionManager 管理每个会话的对话缓冲、上下文压缩，以及与知识图谱的相关事实检索。
- 知识图谱与存储：使用 SQLite + sqlite-vec 实现的向量检索与图结构（节点、边、向量索引、FTS 索引），并提供记忆的查询、扩展与导出。
- 多模态嵌入与检索：通过 LLM 客户端获取文本嵌入、执行向量相似性检索以及对事实进行解析、描述与合并。
- 模块化架构：应用层、领域模型、基础设施分层清晰，便于扩展和测试。
-
安装步骤
- 依赖与编译
- 请确保已安装 Rust（以及所需的编译工具链）。
- 将代码克隆到本地后，在项目根目录执行构建与运行，Rust 项目会自动拉取依赖并编译。
- 运行
- 直接使用 cargo 构建并运行，可通过命令行进入到项目目录后执行 cargo run 来启动服务器（默认通过 STDIO 接收 JSON-RPC 请求）。
- 配置依赖
- 运行前需准备好 OpenAI/Gemini/Anthropic 等 LLM 提供者的 API Key，以及本地数据库（可选内存模式）等配置。
- 依赖与编译
-
服务器配置（MCP 客户端需要的连接信息） 说明：MCP 客户端需要提供启动服务器的命令和参数，以便通过 MCP 连接建立会话。本服务器的配置示例（JSON）如下，请按照实际环境填充： { "serverName": "neurolithe", "command": "~/.neurolithe/bin/neurolithe", "args": [], "env": { "NEUROLITHE_API_KEY": "your-api-key" } }
说明：
- serverName: 服务器实例名称，客户端用于区分不同 MCP 服务器的标识。
- command: 启动 Neurolithe MCP 服务器的可执行文件路径（示例为用户本地安装的二进制路径）。
- args: 启动参数数组，当前实现默认不需要额外参数，如有需要可在此添加。
- env: 启动时注入的环境变量（如 API Key 等）。请替换 your-api-key 为你的实际鉴权密钥。
-
基本使用方法
- 启动与连接
- 使用上述配置在 MCP 客户端配置中指向 neurolithe 服务器的启动命令与参数，客户端即可通过 MCP 协议的 JSON-RPC 方式与本服务器交互。
- 常用交互
- initialize：获取服务器能力和信息。
- tools/list：获取可用工具及输入结构。
- tools/call：按需调用工具（如 push_dialogue、store_memory、query_memory 等），客户端将参数以 JSON 形式传入，服务器执行并返回结果。
- 使用步骤示例（简要）
- 通过客户端发送 initialize 请求，确认服务器就绪与能力。
- 使用 tools/list 获取可用工具及其输入字段。
- 调用 push_dialogue 提供 tenant_id、session_id、new_message、ccl，获取上下文压缩后的结果。
- 调用 query_memory 进行历史记忆检索，获得与查询相关的 MemoryResult。
- 如需导出/删除租户数据，分别调用 export_tenant、delete_tenant。
- 启动与连接
-
备注
- 该实现通过 STDIO 进行 MCP 交互，不同于基于网络的实现，适合在本地 AI 工作流中嵌入使用。
- 服务器具有记忆管理、向量检索、图关系查询等能力，适合在本地进行大语言模型上下文管理与推理辅助。