缪斯（灵感之神）
Muse 是一个 MCP 服务器，为支持 MCP 采样\*的任何 AI 代理提供基于 Markdown 的记忆功能。
这个想法是，智能体随着时间的推移会积累起一种“记忆”，这实质上成为了你代码库的文档。 由于它们只是Markdown文件，你可以（并且应该）将它们提交到你的版本控制系统中，以便与他人共享 你们的团队。 当内存文件在MCP服务器外部（即由人工操作）被创建/删除/更新时，muse将自动进行处理 将这些更改存储到其内存中。在进行操作之前，最好先回顾一下Muse生成的所有文档并进行编辑 将其提交（或存入）系统。
\*注：截至撰写本文时，MCP采样仅在VSCode中支持，并且偶尔会出现一些错误 （例如，你可能需要不时地重启VSCode，以防服务器开始因VSCode而超时）。这 项目 _严重地；大量地_ 使用MCP采样，因此你可能应该只使用那些不计入你的（某种指标或限制）的模型 请求预算。目前该项目未提供模型提示。
在VSCode中，目前采样过程也显得有些慢，但随着时间的推移，这种情况可能会有所改善。在我看来，它仍然 由于内存如此有用，等待大约30秒进行查询或数据摄入是值得的。
安装
使用命令添加一个MCP服务器 npx -y @arcticzeroo/muse . 你也可以选择性地包含一个 包含上下文信息的文件 npx -y @arcticzeroo/muse --context 。
在 mcp.json，这看起来会是这样的：
{
"servers": {
"muse": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@arcticzeroo/muse",
""
]
}
}
}如果你的代码库中包含大量自创术语，添加一个上下文文件会大有帮助。
此外，在你的（计划/列表/内容等）中添加一行可能是个好主意 copilot-instructions.md （或同等学历）其中内容大致如下：
IMPORTANT: Always query memory in muse before searching/writing code. Once you're done with your task, make sure to ingest into muse's memory with any new information you learned.替代安装方式：作为库使用
Muse 可以作为库来使用。查看它是如何被使用的： server/tools 举个例子。
import { MemorySession } from '@arcticzeroo/muse/session';
import { MCP_SERVER } from './mcp-server.js';
import z from 'zod';
const session = MemorySession.createAsync({
mcpServer: MCP_SERVER, // should be your MCP server instance from the MCP SDK
outputDirectory: '',
contextFile: '', // optional
});
MCP_SERVER.registerTool(
'query',
{
inputSchema: z.string()
},
async ({ query }) => {
const result = await session.queryMemory(query);
return [{
type: 'text',
text: result
}];
}
);
await MCP_SERVER.connect(transport);
await session.initializeAfterMcpServerStarted();使用方法
一旦你的MCP服务器运行起来，你就可以随心所欲地在你的AI代理中使用它。你可以做以下事情：
- 请人工智能调查某些特性、架构、语言模式等，并将其内容加载到内存中。
- 请让AI浏览您现有的副驾驶指令文件，调查相关代码，并将调查结果加载到内存中。
- 让AI查询关于某个主题的记忆。
文档
此仓库中的文档 /docs 由muse生成，并进行了轻微编辑。