使用说明

🧠 Wolf Logic MCP-内存上下文协议服务器

用于AI代理的完整内存管理系统，具有分布式架构、AMD ROCM支持和多存储同步。

🏗️ 建筑

核心服务

服务	端口	用途
Flask仪表板	3000	用于内存浏览的Web UI
REST API	8888	FastAPI内存CRUD操作
MCP服务器	8765	模型上下文协议
时间同步	8900	时间戳同步
PostgreSQL+PgVector	8432	矢量嵌入存储
Neo4j	7474/7687	图形关系
Qdrant	6333	矢量相似性搜索

数据流

User/AI Agent
    ↓
Flask UI (3000) ──→ REST API (8888)
    ↓                     ↓
MCP Server (8765) ────────┤
    ↓                     ↓
Time Sync (8900) ←────────┤
    ↓                     ↓
┌───────────────────────────────┐
│   PostgreSQL   Neo4j   Qdrant │
│    (8432)     (7687)   (6333) │
└───────────────────────────────┘

🚀 快速开始

先决条件

Docker&Docker编写
AMD ROCM驱动程序（可选，用于GPU加速）
推荐16GB+内存

启动一切

cd /mnt/s/wolf-logic-mcp
docker compose -f docker-compose.yml up -d

访问服务

仪表盘: http://localhost:3000
API文件: http://localhost:8888/docs
Neo4j浏览器: http://localhost:7474
时间同步状态: http://localhost:8900/sync/status

📋 API终点

REST API（端口8888）

内存操作：

POST /memories -创建内存
GET /memories -列出内存（需要user_id/agent_id/run_id）
GET /memories/{id} -获取特定内存
PUT /memories/{id} -更新内存
DELETE /memories/{id} -删除内存
POST /search -语义搜索
GET /memories/{id}/history -记忆历史

系统：

GET /health -健康检查
GET /stats -系统统计
POST /configure -更新配置

时间同步API（端口8900）

同步：

POST /sync -更新服务时间戳
GET /sync/status/{service} -检查服务状态
GET /sync/status -所有服务状态
POST /sync/compare -比较时间戳
GET /sync/latest -最新更新时间戳

🔧 配置

环境变量

后端（.env）：

POSTGRES_HOST=postgres
POSTGRES_PORT=5432
POSTGRES_DB=memories
POSTGRES_USER=postgres
POSTGRES_PASSWORD=postgres

NEO4J_URI=bolt://neo4j:7687
NEO4J_USERNAME=neo4j
NEO4J_PASSWORD=mem0graph

OLLAMA_BASE_URL=http://localhost:11434
OLLAMA_LLM_MODEL=llama3.2:3b
OLLAMA_EMBEDDER_MODEL=nomic-embed-text

Flask用户界面（.env）：

MEMORY_API_URL=http://localhost:8888
PGVECTOR_URL=postgresql://postgres:postgres@localhost:8432/memories
USER_ID=cadillacthewolf

🐳 Docker服务

数据存储

PostgreSQL+PgVector -带有向量嵌入的主存存储
Neo4j -绘制记忆之间的关系图
Qdrant -快速向量相似度搜索

应用服务

FastAPI REST API -内存CRUD操作
FastAPI MCP服务器 -模型上下文协议
Flask仪表板 -Web用户界面
时间同步服务器 -时间戳同步

后台服务

奥拉玛 （可选）-用于嵌入的本地LLM

📊 记忆存储

PostgreSQL架构

CREATE TABLE memories (
    id UUID PRIMARY KEY,
    user_id VARCHAR,
    content TEXT,
    embedding VECTOR(384),
    created_at TIMESTAMP,
    metadata JSONB
);

Neo4j图形

(User)-[:CREATED]->(Memory)
(Memory)-[:MENTIONS]->(Entity)
(Entity)-[:RELATES_TO]->(Entity)

🔴 AMD ROCM支持

使用ROCM的作业代理

位于 server/Job Agent/:

ollama_job_rocm.py -支持ROCM的Ollama客户端
ollama_job_async.py -异步作业处理
ollama_job_batch.py -批量推理

使用ROCM启动

docker compose -f docker-compose.job-agent.yml up -d

要求：

带ROCM驱动程序的AMD GPU
/dev/kfd 和 /dev/dri 设备访问

🧪 发展

再进行

后端：

cd server
pip install -r requirements.txt

前端：

cd wolf-logic/ui-flask
pip install -r requirements.txt

TypeScript MCP服务器：

cd servers
npm install
npm run build

运行测试

# Python tests
cd tests
pytest

# TypeScript tests
cd servers
npm test

📝 项目结构

wolf-logic-mcp/
├── server/                 # FastAPI backend
│   ├── main.py            # REST API
│   ├── timesync_app.py    # Time sync server
│   ├── redis_manager.py   # Redis cache (optional)
│   ├── celery_*.py        # Background tasks
│   └── Job Agent/         # AMD ROCM jobs
├── servers/               # TypeScript MCP servers
│   └── src/
│       ├── memory/        # Memory MCP server
│       ├── timesync/      # Time sync MCP
│       └── everything/    # Demo server
├── wolf-logic/            # Wolf-Logic library
│   └── ui-flask/          # Flask dashboard
├── tests/                 # Test suite
├── docker-compose.yml     # Main services
└── docker-compose.job-agent.yml  # ROCM job agent

🔐 安全说明

更改生产中的默认密码
使用环境变量作为机密
为Neo4j/Qdrant启用身份验证
在生产环境中运行反向代理（nginx）

📚 文档

AMD ROCM设置：参见 AMD_ROCM_SETUP.md
API文档: http://localhost:8888/docs
建筑细部：请参阅内联注释

🤝 贡献

这是一个复杂的简单媒体项目。欢迎捐款。

📄 许可证

MIT许可证-请参阅许可证文件

🏷️ 版本

当前版本：1.0.0
协议：MCP 0.6.2
Python SDK：兼容wolf逻辑>=0.1.48

内置❤️ 通过复杂简单媒体
没有Nvidia-纯AMD ROCM 🔴