使用说明
RLM MCP服务器
使用克劳德代码分析10GB+文件 -不需要API密钥。
MCP服务器实现 麻省理工学院的递归语言模型 这使得Claude Code可以分析对于其上下文窗口来说太大的文件。
┌─────────────────────────────────────────────────────────────┐
│ "Find all errors in this 5GB log file" │
│ │
│ Claude → writes Python → RLM executes → returns results │
│ │
│ Result: 78% fewer tokens, same accuracy │
└─────────────────────────────────────────────────────────────┘
快速开始
1.安装：
pip install rlm-mcp
2.配置克劳德代码 (~/.claude/settings.json):
{
"mcpServers": {
"rlm": {
"command": "rlm-mcp"
}
}
}
3.使用它：
Load /var/log/syslog and find all kernel errors
就是这样。Claude自动使用RLM进行大文件分析。
为什么选择RLM？
| 问题 | 传统 | RLM解决方案 |
|---|---|---|
| 10GB日志文件 | ❌ 与上下文不符 | ✅ 外部加载，通过Python查询 |
| 令牌使用情况 | 📈 ~12500个令牌 | 📉 ~2700个代币（减少78%） |
| 复杂分析 | ❌ 仅限于grep模式 | ✅ 完整的Python（正则表达式、统计数据、聚合） |
真实基准
使用Claude Code Opus 4.5在300KB的系统日志上进行测试：
┌───────────┬──────────────┬───────────────┬─────────┐
│ Method │ Input Tokens │ Output Tokens │ Total │
├───────────┼──────────────┼───────────────┼─────────┤
│ Grep/Read │ ~10,000 │ ~2,500 │ ~12,500 │
│ RLM │ ~1,500 │ ~1,200 │ ~2,700 │
└───────────┴──────────────┴───────────────┴─────────┘
Both methods found identical results.
RLM used 78% fewer tokens.
科学
基于 递归语言模型 来自MIT CSAIL：
“我们建议将长上下文视为通过Python REPL进行交互的‘外部环境’…” — Alex L. Zhang，Tim Kraska，Omar Khattab（麻省理工学院），2025
论文结果
| 基准 | 传统 | RLM |
|---|---|---|
| S-NIAH（800万代币） | 39.3% | 96.0% |
| 乌龙茶 | 36.2% | 56.7% |
运作原理
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Claude Code │────▶│ RLM Server │────▶│ Python REPL │
│ (The Brain) │◀────│ (MCP) │◀────│ (Execution) │
└─────────────────┘ └─────────────────┘ └─────────────────┘
1. You ask: "Find errors in this huge log"
2. Claude loads file via rlm_load_file()
3. Claude writes Python: re.findall(r'ERROR.*', context)
4. RLM executes on full file (outside Claude's context)
5. Only results return to Claude
6. Claude answers with findings
关键见解： 克劳德是大脑，RLM是双手。无需API密钥-使用您的Claude Code订阅。
可用工具
| 工具 | 说明 |
|---|---|
rlm_load_file |
加载大容量文件 |
rlm_load_multiple_files |
将多个文件作为字典加载 |
rlm_execute_code |
在加载的内容上运行Python |
rlm_get_variable |
获取变量的值 |
rlm_session_info |
检查会话状态 |
rlm_reset_session |
清除会话内存 |
何时使用
┌─────────────────────────────┬────────────────────┐
│ Use Case │ Recommended │
├─────────────────────────────┼────────────────────┤
│ Small files (<50KB) │ Direct read │
│ Single pattern search │ Grep │
│ Large files (>200KB) │ ✅ RLM │
│ Complex analysis/statistics │ ✅ RLM │
│ Multi-pattern correlation │ ✅ RLM │
│ Aggregation/counting │ ✅ RLM │
│ Cross-file analysis │ ✅ RLM │
└─────────────────────────────┴────────────────────┘
示例会话
# Load a large log
>>> rlm_load_file("/var/log/app.log")
File loaded: 2,847,392 chars
# Search for errors
>>> rlm_execute_code("""
import re
errors = re.findall(r'ERROR.*', context)
print(f"Found {len(errors)} errors")
""")
Found 156 errors
# Analyze patterns
>>> rlm_execute_code("""
from collections import Counter
types = re.findall(r'ERROR.*?\] (\w+)', context)
print(Counter(types).most_common(5))
""")
[('Connection', 67), ('Database', 43), ('Timeout', 28)]
安全
- 30秒超时 --失控代码自动终止
- 进程隔离 --使用多处理
- 输出截断 --防止内存问题
需求
- Python 3.10+
- 支持MCP的Claude代码
- 不需要API密钥
链接
- github： https://github.com/ahmedm224/rlm-mcp
- 纸张： https://arxiv.org/abs/2512.24601
- 问题： https://github.com/ahmedm224/rlm-mcp/issues
引用
@article{zhang2025recursive,
title={Recursive Language Models},
author={Zhang, Alex L. and Kraska, Tim and Khattab, Omar},
journal={arXiv preprint arXiv:2512.24601},
year={2025}
}
许可证
麻省理工学院©艾哈迈德·阿里
