使用说明
RLM MCP服务器
MCP（模型上下文协议）服务器包装器 递归语言模型.
注： 这是RLM库的MCP接口。RLM的核心实现是 Alex Zhang、Tim Kraska和Omar Khattab 在麻省理工学院CSAIL。看 致谢 获得全额学分。
RLM允许使用LLM推理执行经过验证的代码——它迭代地编写和执行Python代码，直到产生经过验证的答案。
特性
- rlm_execute -使用Python代码和LLM推理执行任务
- rlm分析 -通过代码执行分析数据
- rlm代码 -生成和测试代码
- rlm分解 -将复杂任务分解为子任务
- rlm_状态 -检查系统状态
先决条件
-
RLM图书馆
git clone https://github.com/alexzhang13/rlm.git $HOME/rlm cd $HOME/rlm pip install -e . -
OpenRouter API密钥
export OPENROUTER_API_KEY="your-key-here"
安装
# Create MCP server directory
mkdir -p $HOME/.claude/mcp-servers/rlm
# Download files
curl -o $HOME/.claude/mcp-servers/rlm/src/server.py \
https://raw.githubusercontent.com/eesb99/rlm-mcp/main/src/server.py
curl -o $HOME/.claude/mcp-servers/rlm/run_server.sh \
https://raw.githubusercontent.com/eesb99/rlm-mcp/main/run_server.sh
curl -o $HOME/.claude/mcp-servers/rlm/setup.sh \
https://raw.githubusercontent.com/eesb99/rlm-mcp/main/setup.sh
curl -o $HOME/.claude/mcp-servers/rlm/requirements.txt \
https://raw.githubusercontent.com/eesb99/rlm-mcp/main/requirements.txt
# Setup
chmod +x $HOME/.claude/mcp-servers/rlm/*.sh
$HOME/.claude/mcp-servers/rlm/setup.sh
配置
增添 $HOME/.mcp.json:
{
"mcpServers": {
"rlm": {
"command": "bash",
"args": ["/YOUR/HOME/PATH/.claude/mcp-servers/rlm/run_server.sh"]
}
}
}
替换 /YOUR/HOME/PATH 使用您的实际主目录（运行 echo $HOME 找到它）。
环境变量
| 变量 | 默认值 | 描述 |
|---|---|---|
OPENROUTER_API_KEY |
（必需） | OpenRouter API密钥 |
RLM_MODEL |
openrouter/x-ai/grok-code-fast-1 |
根执行模型 |
RLM_SUBTASK_MODEL |
openrouter/openai/gpt-4o-mini |
子任务模型 |
RLM_MAX_DEPTH |
2 |
最大递归深度 |
RLM_MAX_ITERATIONS |
20 |
每个任务的最大迭代次数 |
RLM_LOG_DIR |
~/.rlm/logs |
执行日志目录 |
RLM_LIB_PATH |
$HOME/rlm |
RLM库的路径（如果未安装pip） |
与mcporter一起使用
# Install mcporter
npm install -g mcporter
# Check server is available
mcporter list | grep rlm
# Execute a calculation
mcporter call 'rlm.rlm_execute(task: "calculate the first 20 prime numbers")'
# Analyze data
mcporter call 'rlm.rlm_analyze(data: "[1,2,3,4,5]", question: "what is the mean?")'
# Check status
mcporter call 'rlm.rlm_status()'
安全通知
RLM通过设计执行任意Python代码。仅与受信任的输入一起使用。代码在本地Python环境中运行，无需额外的沙盒。
致谢
此MCP服务器是 递归语言模型（RLM） 图书馆由以下机构开发：
- 张 （MIT CSAIL）
- 蒂姆·克拉斯卡 （MIT CSAIL）
- 奥马尔·哈塔卜 （MIT CSAIL）
RLM的概念和实现是他们的原创作品。这个存储库只提供了一个MCP接口，使RLM可以通过模型上下文协议访问。
引用：
@article{zhang2025rlm,
title={Recursive Language Models},
author={Zhang, Alex L. and Kraska, Tim and Khattab, Omar},
journal={arXiv preprint arXiv:2512.24601},
year={2025}
}
参考文献
- 纸张： 递归语言模型 （张，克拉斯卡，哈塔卜2025）
- RLM图书馆： github/alexhang13/rlm
- MCP-SDK： 模型上下文协议.io
- 麦克波特： mcporter.dev
许可证
MIT许可证-请参阅 许可证
