使用说明
nemori_mcp（该词可能是特定用户名或代码，无直接中文翻译，保持原样）
一个简单的 M“odel” 可以翻译为“模型”（在计算机科学或相关领域中，常指数学模型、计算机模型等）。不过，具体翻译可能还需根据上下文来确定 Context（此处若作为独立词汇无直接对应中文翻译，但根据上下文可能指“上下文”或类似含义，若作为特定术语或品牌名则需具体情境确定） PNemori内存服务的MCP（内存控制协议）实现。
nemori_mcp 是一个专用的工具服务器，利用 FastMCP 展现其强大的长期记忆能力 Nemori（ネモリ） 作为大型语言模型（LLMs）易于使用的工具库。
你可以从（某处）找到OpenAPI演示视频 这个。
“Nemori”在中文中并没有一个直接对应的、广泛认知的翻译，因为它可能是一个特定文化、领域或语境下的专有名词或概念。不过，如果我们尝试根据其可能的含义或发音来推测，可以将其翻译为“余韵”或“残响”，但这仅是一种基于语境的猜测性翻译。在实际应用中，需要根据具体的上下文和语境来确定最准确的翻译 仓库： https://github.com/nemori-ai/nemori（该网址翻译为中文表述仍为原网址形式，因为网址本身是国际通用的，无需翻译）
多亏了 “nemori-ai”可以翻译为“遗留之爱”或“记忆中的爱恋”，具体翻译可能根据上下文和语境有所调整。这个词汇结合了“nemori”（可能指遗留、记忆或痕迹）和“ai”（爱）两个元素，表达了一种深藏于心或记忆中的爱意。 为他们的工作点赞！/ 为团队的工作鼓掌！
✨ 特点
- 持久内存： 利用Nemori的记忆系统，同时支持短期（情景）记忆和长期（语义）记忆。
- MCP集成： 轻松通过（某种方式）融入大型语言模型（LLM）生态系统 模型上下文协议（MCP）。
- 记忆检索： 提供灵活的内存搜索功能，支持多种方法（例如。，
hybrid，vector，bm25）。
🛠️ 先决条件
- Python 3.9或更高版本
- 制作；使；造成；成为
🚀 快速入门
这个仓库包含一个 Makefile 以简化设置、依赖项安装和服务器管理。
1. 安装
这一步创建了一个Python虚拟环境（.__env)，安装必要的依赖项（requirements.txt)，并下载所需的spaCy语言模型（en_core_web_sm 和 zh_core_web_sm）。
make install_deps
2. 运行服务
1. 复制 .env.example 到 .env。
2. 设置OPENAI_BASE_URL、OPENAI_API_KEY等。
运行MCP服务器
bash ./scripts/start_mcp.bash
跑 OpenApi服务器 （用于Open WebUI集成）
如果你需要通过Open WebUI进行连接。
make start_openapi
将工具服务器URL设置为
http://<ip>:8877。
如果你需要监听不同的端口（例如，8878）：
make start_openapi PORT=8878
⚙️ 暴露的工具
内存服务为代理提供了两项核心功能：
add_user_messages
将新的对话消息添加到持久内存中。这对于……至关重要 录音 上下文。
| 参数 | 类型 | 描述 |
| 分隔符 | 分隔符 | 分隔符 |
| messages | List[Message] | 一系列对话回合的列表，其中 Message 是 {"role": str, "content": str}。|
| 退货 | Dict | 操作状态。 |
| 注 这个工具是异步的，并且会自动等待Nemori的语义处理，以确保新添加的上下文能够立即被搜索到。 |
search_user_memory
根据查询，从专用用户记忆中检索相关的上下文信息或语义背景。
| 参数 | 类型 | 描述 |
|---|---|---|
query |
str 要搜索的查询字符串或问题。 |
|
search_method |
str |
用于检索的方法。默认为 vector。 |
| 回报 | List[Dict[str, Any]] 一个结合了情景记忆和语义记忆搜索结果的扁平化列表，按相关性排序。 |
可用的搜索方法
这个（或“该”） search_method 参数接受以下值（不区分大小写）：
vector（默认）hybrid（建议用于通用搜索）bm25vector_norlift
🧹 清理操作
要清除所有持久化数据（内存文件和底层Chroma数据库），请使用 clean_memory 命令：
make clean_memory
这将会删除 ./memories 并且 ./chroma_db 目录。
