Token导航 LogoToken导航TokenDH.com
中转站排行榜
RLM Memory MCP Server logo
AI代理未说明官方级别未说明来源级核验

RLM Memory MCP Server

MCP Server

RLM Memory MCP Server是一个为AI代理提供持久化内存和语义文件发现服务的模型上下文协议服务器，适用于开发者在多项目环境中管理AI代理的记忆和文件索引。

工具数

11

提示词数

0

GitHub Stars

5

资源数

0
AI代理TypeScriptClaude开发工具Claude

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

作者 / 组织

jumpino27

提供方

jumpino27

最后核验

2026/5/17 20:21

快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

详细介绍

RLM内存MCP服务器

递归大模型（RLM）存储系统 -一种模型上下文协议（MCP）服务器，为AI代理提供持久内存和语义文件发现。

核心理念：AI Agent是 故意失明 到文件系统。而不是使用 ls, grep, find，或 dir，人工智能依靠MCP作为它的眼睛和记忆。

运作原理

┌─────────────────────────────────────────────────────────────────┐
│                     YOU (Developer)                             │
│                                                                 │
│   npm start → Opens UI at http://localhost:3848                 │
│   View all projects and memories in real-time                   │
│   Test all tools via the testing interface                      │
└─────────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────────────┐
│                   projects/ directory                           │
│   rlm-memory-mcp-server/projects/                               │
│   ├── jumpinotech/.rlm/                                         │
│   ├── my-app/.rlm/                                              │
│   └── another-project/.rlm/                                     │
└─────────────────────────────────────────────────────────────────┘
                              ▲
                              │
┌─────────────────────────────────────────────────────────────────┐
│                  AI Agents (Claude Code, Codex, etc)            │
│                                                                 │
│   NEW! Bi-directional communication:                            │
│   Agent asks: "What files for this task?" → MCP answers         │
│   MCP asks: "Is indexing complete?" → Agent confirms            │
└─────────────────────────────────────────────────────────────────┘

快速开始

cd rlm-memory-mcp-server

# Install dependencies
npm install

# Build
npm run build

# Create .env file with your Gemini API key
echo 'GEMINI_API_KEY=your-key-here' > .env

# Start the UI (for you to view memories and test tools)
npm start
# → Opens http://localhost:3848

脚本

命令描述
npm start启动UI服务器（用于查看内存+测试）
npm run dev在开发模式下启动UI并自动重新加载
npm run mcp直接运行MCP服务器（用于测试）
npm run build将TypeScript构建为JavaScript

环境变量

创建 .env 文件：

# Required for AI features
GEMINI_API_KEY=your-gemini-api-key

# Optional
UI_PORT=3848

在获取Gemini API密钥 谷歌人工智能工作室.

______________________________________________________________________

AI代理的MCP配置

克劳德代码

添加到 ~/.claude.json:

{
  "mcpServers": {
    "rlm-memory": {
      "command": "node",
      "args": ["D:\\rlm_memory\\rlm-memory-mcp-server\\dist\\index.js"]
    }
  }
}

或者使用CLI：

claude mcp add rlm-memory -- node D:\\rlm_memory\\rlm-memory-mcp-server\\dist\\index.js

OpenAI Codex命令行界面

添加到 ~/.codex/config.toml:

[mcp_servers.rlm-memory]
command = "node"
args = ["D:\\rlm_memory\\rlm-memory-mcp-server\\dist\\index.js"]

Gemini CLI

添加到 ~/.gemini/mcp.json:

{
  "servers": {
    "rlm-memory": {
      "command": "node",
      "args": ["D:\\rlm_memory\\rlm-memory-mcp-server\\dist\\index.js"]
    }
  }
}

______________________________________________________________________

AI代理可用的工具

对于AI代理集成： 看 example_agents.md AI代理应该遵循的简明规则。

核心工具

工具目的
rlm_init初始化新项目以进行跟踪
rlm_status获取项目统计信息
rlm_list_projects列出所有跟踪的项目

发现和搜索工具

工具目的
rlm_query主要的 -向MCP询问用户请求的相关文件
rlm_recall_memory按关键字检索相关的过去上下文
rlm_find_files_by_intent自然语言语义文件搜索

索引和内存工具

工具目的
rlm_index_codebase扫描并索引现有代码库
rlm_verify_index验证索引是否完成（索引检查后）
rlm_smart_memory推荐 -使用丰富的元数据创建内存
rlm_create_memory基本内存创建（传统）

网站地图管理工具

工具目的
rlm_manage_sitemap代码库更改时删除、移动或更新文件条目

______________________________________________________________________

新工具（v2.0）

1. rlm_query -双向通信（初级）

AI代理的主要工具↔ MCP通信。

AI代理问：“用户想修复登录按钮，我应该查看哪些文件？” MCP的Gemini搜索内存+文件映射+编辑历史，并返回带有上下文的相关文件。

{
  "project_name": "my-app",
  "user_request": "The user wants to fix the submit button color on the login form",
  "include_memories": true,
  "include_suggestions": true,
  "max_files": 10
}

退货：

  • relevant_files：包含描述、最近更改、组件类型、功能区的文件
  • relevant_memories：过去与此请求相关的工作
  • ai_analysis：解释如何处理任务
  • suggestions：AI代理的提示

2. rlm_smart_memory -增强内存创建（推荐）

创建具有丰富元数据的内存条目。AI代理提供详细的上下文，Gemini：

  • 提取语义搜索的最佳关键字
  • 按以下方式对文件进行分类 组件类型 （按钮、窗体、模态、api端点等）
  • 按以下方式对文件进行分类 特征区域 （身份验证、结账、仪表板等）
  • 轨迹 编辑历史记录 对于每个文件
{
  "project_name": "my-app",
  "user_prompt": "Fix the submit button color",
  "changes_context": "Changed the submit button in LoginForm to use the primary theme color instead of hardcoded blue. Also added hover state styling.",
  "files_modified": [
    {
      "path": "src/components/LoginForm.tsx",
      "change_type": "modified",
      "change_summary": "Updated button color to use theme.primary, added hover state"
    }
  ],
  "new_features": ["themed-buttons"],
  "affected_areas": ["auth", "ui"]
}

3. rlm_verify_index -后索引验证

在为代码库建立索引后，此工具会问： “就这些吗？你确定吗？”

{
  "project_name": "my-app",
  "expected_features": ["authentication", "payment", "dashboard"],
  "report_format": "summary"
}

退货：

  • 按类型和功能区域分组的文件索引
  • 检测到潜在差距（例如，“未找到测试文件”）
  • AI代理确认提示

4. rlm_manage_sitemap -网站地图管理

当代码库更改时，保持站点地图同步。

AI代理可以使用此工具：

  • 删除 不再存在的文件的条目
  • 移动 重命名/移动文件时的条目
  • 更新 元数据（描述、关键字、组件类型、特征区域）
{
  "project_name": "my-app",
  "operations": [
    { "action": "delete", "file_path": "src/old-component.tsx" },
    { "action": "move", "file_path": "src/Button.tsx", "new_path": "src/ui/Button.tsx" },
    {
      "action": "update",
      "file_path": "src/api/auth.ts",
      "updates": {
        "description": "JWT authentication service",
        "keywords": ["jwt", "auth", "token"],
        "feature_area": "security"
      }
    }
  ]
}

退货：

  • 成功/失败操作总结
  • 每次操作的详细结果
  • 当前站点地图条目计数

______________________________________________________________________

增强功能

文件元数据

地图中的每个文件现在都包括：

  • component_type：按钮、窗体、模态、钩子、服务、api端点等。
  • feature_area：身份验证、结账、仪表板、用户配置文件等。
  • edit_history：包含日期和摘要的过去更改数组

智能语义搜索

这 rlm_find_files_by_intent 工具现在：

  • 使用组件类型和特征区域缩小结果范围
  • 考虑编辑历史以进行相关性评分
  • 当您请求一个特定按钮时，不会返回所有按钮
  • 提供选择文件的原因的推理

回退模式

所有工具都可以在没有Gemini API（基于关键字的回退）的情况下工作：

  • rlm_query：使用加权关键字匹配
  • rlm_smart_memory：从文件路径推断类型
  • rlm_find_files_by_intent：基本关键字搜索

______________________________________________________________________

现有工具参考

rlm_init -初始化项目

{
  "project_name": "jumpinotech",
  "working_directory": "D:\\projects\\jumpinotech"
}

创造 projects/jumpinotech/.rlm/ 配备内存存储功能。

rlm_recall_memory -回忆上下文（先通话！）

{
  "project_name": "jumpinotech",
  "keywords": ["auth", "login", "session"]
}

返回过去工作的相关记忆。

rlm_find_files_by_intent -查找文件

{
  "project_name": "jumpinotech",
  "user_prompt": "I need to fix the submit button color"
}

使用AI从语义图中查找相关文件。

rlm_create_memory -保存内存（传统）

{
  "project_name": "jumpinotech",
  "user_prompt": "Fix login timeout",
  "changes_summary": "Increased session timeout from 30min to 2hrs",
  "files_modified": ["src/config/auth.ts"],
  "keywords": ["auth", "session", "timeout"]
}

rlm_index_codebase -索引现有代码库

{
  "project_name": "jumpinotech",
  "directory_path": "D:\\projects\\jumpinotech",
  "max_files": 200,
  "read_content": true
}

现在还摘录： component_type、feature_area和验证提示。

______________________________________________________________________

RLM工作流程

对于新项目

User: "Help me work on this new project"
        │
        ▼
┌──────────────────────────────────────┐
│ 1. rlm_init                          │
│    Initialize project                │
└──────────────────────────────────────┘
        │
        ▼
   Ready for RLM workflow!

对于现有的代码库（首次）

User: "Index this codebase"
        │
        ▼
┌──────────────────────────────────────┐
│ 1. rlm_init + rlm_index_codebase     │
│    Scans directory, builds file map  │
│    with AI-generated descriptions    │
└──────────────────────────────────────┘
        │
        ▼
┌──────────────────────────────────────┐
│ 2. rlm_verify_index                  │
│    MCP asks: "Is this everything?"   │
│    Shows what was indexed + gaps     │
└──────────────────────────────────────┘
        │
        ▼
   Project is ready!

常规任务工作流（推荐）

User: "Fix the submit button"
        │
        ▼
┌──────────────────────────────────────┐
│ 1. rlm_query (PRIMARY TOOL)          │
│    "User wants to fix submit button" │
│    → Gets: Relevant files, past      │
│       memories, AI suggestions       │
└──────────────────────────────────────┘
        │
        ▼
┌──────────────────────────────────────┐
│ 2. AI reads & fixes the files        │
│    Using context from rlm_query      │
└──────────────────────────────────────┘
        │
        ▼
┌──────────────────────────────────────┐
│ 3. rlm_smart_memory (MANDATORY!)     │
│    Records changes with rich context │
│    Updates file map with edit history│
└──────────────────────────────────────┘

传统工作流（仍受支持）

User: "Fix the submit button"
        │
        ▼
┌──────────────────────────────────────┐
│ 1. rlm_recall_memory                 │
│    keywords: ["submit", "button"]    │
└──────────────────────────────────────┘
        │
        ▼
┌──────────────────────────────────────┐
│ 2. rlm_find_files_by_intent          │
│    "Fix submit button not working"   │
└──────────────────────────────────────┘
        │
        ▼
┌──────────────────────────────────────┐
│ 3. AI reads & fixes the files        │
└──────────────────────────────────────┘
        │
        ▼
┌──────────────────────────────────────┐
│ 4. rlm_create_memory                 │
│    Records what was done             │
└──────────────────────────────────────┘

______________________________________________________________________

项目结构

rlm-memory-mcp-server/
├── src/
│   ├── index.ts           # MCP server (for AI agents via stdio)
│   ├── ui/
│   │   └── server.ts      # Web UI (for you at localhost:3848)
│   ├── services/
│   │   ├── database.ts    # File-based storage
│   │   └── gemini.ts      # Gemini AI (semantic search, keywords)
│   ├── tools/
│   │   ├── query.ts           # NEW: rlm_query
│   │   ├── smart-memory.ts    # NEW: rlm_smart_memory
│   │   ├── verify-index.ts    # NEW: rlm_verify_index
│   │   ├── index-codebase.ts  # Enhanced with types
│   │   ├── find-files.ts      # Enhanced semantic search
│   │   ├── recall-memory.ts
│   │   ├── create-memory.ts
│   │   └── init-status.ts
│   └── schemas/           # Zod validation
├── projects/              # All project data stored here
│   ├── jumpinotech/.rlm/
│   └── my-app/.rlm/
├── dist/                  # Built JavaScript
├── .env                   # Your API keys
└── package.json

______________________________________________________________________

Web UI功能

打开 http://localhost:3848 跑步后 npm start:

  • 实时更新 -每5秒自动刷新一次
  • 项目浏览器 -查看所有跟踪的项目
  • 内存查看器 -查看所有带有时间戳的记忆
  • 文件映射 -查看包含组件类型和特征区域的语义文件索引
  • 搜索 -按名称筛选项目
  • 工具测试 -直接从UI测试所有MCP工具

______________________________________________________________________

常见问题解答

为什么不在每个项目文件夹中存储数据？

集中存储 projects/ 指：

  • 一个备份所有AI记忆的地方
  • 易于在UI中查看所有项目
  • 没有杂乱的项目仓库 .rlm 文件夹
  • 即使删除项目文件夹也能工作

我可以在没有Gemini API的情况下使用它吗？

对！回到关键字匹配。人工智能功能不会那么智能。

我该如何备份我的记忆？

只需复制 projects/ 文件夹。

rlm_query和rlm_recall_memory有什么区别？

  • rlm_query: 全面的 -搜索文件+记忆+编辑历史记录，返回AI分析和建议
  • rlm_recall_memory: 简单 -只需按关键字搜索记忆

rlm_smart_memory和rlm_create_memory有什么区别？

  • rlm_smart_memory: 元数据 -提取零部件类型、要素区域、轨迹编辑历史记录
  • rlm_create_memory: 基础 -只存储内存条目

______________________________________________________________________

许可证

麻省理工学院

目录标签

目录标签

AI代理TypeScriptClaude开发工具本地部署持久化内存语义搜索文件索引

支持客户端

Claude

接入字段

传输方式（transport，传输协议）

未说明

鉴权方式（authType，认证方式）

api-key

工具数量（toolCount，工具数）

11

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

未说明api-key部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

仍需确认：installCommand

来源信息

RLM-Memory-MCP-Server logo

MCP World

mcpworld.com

/detail/ac162ca90c9e663b74911854c8ea79ff

RLM Memory MCP Server是一个为AI代理提供持久化内存和语义文件发现服务的模型上下文协议服务器，适用于开发者在多项目环境中管理AI代理的记忆和文件索引。

继续浏览同类 MCP

更多AI代理 MCP（18,706）返回 MCP 目录

上一个 MCP

Rlm MCP Server 3f0ca473

一个容器化的MCP服务器，为AI助手提供递归语言模型功能，允许通过编程方式探索大型上下文而非直接加载到上下文窗口中。

下一个 MCP

Rl Sandbox MCP

一个安全的隔离环境，AI代理可以在LibreOffice中执行电子表格任务，并通过MCP协议进行交互，支持自动性能评估。