เซิร์ฟเวอร์หน่วยความจำการสนทนาที่ต่อเนื่องสำหรับกระบวนการทำงานของ AI ที่ใช้ MCP
Waggle-mcp ซึ่งพัฒนาโดย Abhigyan Shekhar เป็นเซิร์ฟเวอร์ MCP ที่ให้เลเยอร์หน่วยความจำภายนอกสำหรับผู้ช่วย AI โดยบันทึกเหตุผลการตัดสินใจและสถานะของโครงการตามเวลา มันจับความจำในการสนทนา สกัดข้อเท็จจริงออกมาเป็นโหนดกราฟที่มีประเภท และเก็บไว้ในกราฟความรู้ท้องถิ่นเพื่อให้ตัวแทนสามารถรักษาบริบทข้ามเซสชันและแอปพลิเคชันได้ เครื่องมือนี้มีการฝังตัวประโยคแบบ local sentence-transformer, การค้นหาชั่วคราว และการวินิจฉัยในตัว ทำให้เหมาะสำหรับนักพัฒนาและผู้ใช้ที่มีความสามารถสูงของผู้ช่วยในการเขียนโค้ดที่ต้องการบริบททั่วทั้งโครงการอย่างต่อเนื่องและการเก็บข้อมูลที่รักษาความเป็นส่วนตัว
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
แอปนี้ทำหน้าที่เป็นเครื่องยนต์ความจำในการสนทนาสำหรับโฮสต์ MCP โดยบันทึกไม่เพียงแต่ข้อความ แต่ยังรวมถึงเหตุผลของโครงการ การตัดสินใจ และการเปลี่ยนแปลงเพื่อให้ตัวแทนสามารถรักษาบริบทหลังจากการรีเซ็ตหน้าต่างบริบท มันจัดเก็บข้อมูลในรูปแบบของโหนดกราฟที่พิมพ์และสนับสนุนการค้นหาชั่วคราวเพื่อดึงสถานะของโครงการในเวลาที่กำหนด การแชร์บริบทข้ามแอปพลิเคชันช่วยให้ลูกค้า MCP ที่แตกต่างกันสามารถเข้าถึงความจำเดียวกัน ซึ่งเหมาะสำหรับการพัฒนาหลายเครื่องมือที่ความต่อเนื่องระหว่างเซสชันการสนทนาที่แยกจากกันมีความสำคัญ
มันต้องการข้อมูลนำเข้าและการตั้งค่าอะไรบ้าง?
มันต้องการ Python 3.11 หรือสูงกว่าและสภาพแวดล้อมโฮสต์ MCP เช่น Claude Desktop, Cursor, Codex หรือ Antigravity โครงการนี้ทำงานบน macOS, Linux และ Windows เมื่อเปิดใช้งานการสนับสนุน UTF-8 เส้นทางการติดตั้งรวมถึง pipx โดยใช้คำสั่ง 'pipx install waggle-mcp' ตามด้วยคำสั่งการตั้งค่าที่กำหนดค่าอัตโนมัติสำหรับลูกค้า MCP ที่รองรับ เครื่องมือวินิจฉัยในตัว 'waggle-mcp doctor' จะตรวจสอบสุขภาพการติดตั้งในระหว่างการตั้งค่าเริ่มต้น
สถาปัตยกรรมความจำของมันเชื่อถือได้และเหมาะสมสำหรับโครงการที่มีความละเอียดอ่อนต่อความเป็นส่วนตัวหรือไม่?
การให้เหตุผลที่สนับสนุนกราฟ เป็นพื้นฐานของความสอดคล้องของความจำโดยการบันทึกโหนดที่พิมพ์และทำให้ระบบสามารถแสดงความขัดแย้งและตรรกะของโครงการที่พัฒนาแทนที่จะพึ่งพาเพียงความคล้ายคลึงของเวกเตอร์ แอปใช้การฝังประโยคของ transformer ในท้องถิ่นตามค่าเริ่มต้น ดังนั้นจึงไม่จำเป็นต้องใช้คีย์ API ภายนอกสำหรับการสร้างเวกเตอร์ การจัดเก็บในท้องถิ่นใช้ SQLite เป็นหลัก โดยมีแบ็กเอนด์ Neo4j ที่เป็นตัวเลือกสำหรับความต้องการฐานข้อมูลกราฟที่ซับซ้อนมากขึ้น สนับสนุนโมเดลความเป็นส่วนตัวแบบท้องถิ่นเป็นอันดับแรก
ทางเลือกที่ใช้งานได้จริงสำหรับนักพัฒนาที่ต้องการหน่วยความจำโครงการอย่างต่อเนื่อง
เครื่องมือนี้เป็นตัวเลือกที่ใช้งานได้จริงสำหรับนักพัฒนาและผู้ใช้ที่มีความสามารถสูงที่ต้องการหน่วยความจำโครงการที่คงอยู่ในหลาย ๆ ไคลเอนต์ MCP การออกแบบที่เน้นท้องถิ่นช่วยสนับสนุนการทำงานที่คำนึงถึงความเป็นส่วนตัว แต่การนำไปใช้งานขึ้นอยู่กับการรวมโฮสต์ MCP และการตอบสนองความต้องการ Python 3.11 สำหรับทีมที่ยอมรับการโฮสต์ในท้องถิ่นและการกำหนดค่าบางครั้ง จะช่วยลดการถ่ายโอนบริบทซ้ำและช่วยรักษาความต่อเนื่องในระหว่างการพัฒนาหลายเซสชัน.
