AI代理记忆管理服务

用MCP构建Agent内存：超越快速工程

该项目演示了如何使用模型上下文协议（MCP）模式为AI代理实现持久内存，超越简单的提示工程，创建真正有状态和上下文感知的AI交互。它具有一个用于管理会话内存的FastAPI服务器和一个用于演示的Python客户端。

特性

服务器提供了一组强大的API端点，用于管理和分析代理内存：

• /memory/store （职位）：将给定会话的新消息存储在代理的内存中。
• /memory/recall/{session_id} （获取）：检索特定会话的最新消息。
• /memory/sessions （获取）：列出所有唯一的对话会话ID。
• /memory/analytics/{session_id} （获取）：为会话提供全面的分析，包括消息计数、持续时间和响应率。
• /memory/extract/{session_id} （获取）：提取包含所有消息详细信息的完整会话上下文，以实现完全透明。
• /memory/relevancy/{session_id} （获取）：显示消息相关性评分逻辑，显示消息如何根据上下文重要性进行排名。
• /memory/context_details/{session_id} （获取）：检索详细的上下文信息以进行调试，显示有关每条消息的元数据，但不显示完整内容。
• /memory/trends/{session_id} （获取）：显示会话上下文使用随时间变化的趋势，显示对话活动模式。
• /workshop/status （获取）：返回增强的服务器状态和内存统计信息。
• / （获取）：提供全面的研讨会元数据和API文档。

项目结构

.
├── workshop_server.py
├── demo_script.py
├── requirements.txt

• workshop_server.py：处理内存存储、检索和分析的主要FastAPI应用程序。
• demo_script.py：一个Python客户端脚本，用于与 workshop_server.py 并展示其特点。
• requirements.txt：列出运行项目所需的所有Python依赖项。

使用的技术

• 快速 API：一个现代、快速（高性能）的web框架，用于使用Python 3.8+构建API。
• 派丹蒂克：使用Python类型提示进行数据验证和设置管理。
• 乌维科恩：用于运行FastAPI应用程序的ASGI服务器。
• 数据库：一种用于持久内存存储的轻量级、基于文件的关系数据库。
• 意图tp：演示脚本中使用的Python异步HTTP客户端/服务器框架。

入门指南

按照以下步骤在本地设置和运行项目。

先决条件

• Python 3.8或更高版本

安装

1. 克隆存储库 （如果你还没有，或者创建一个新的）：

   复制

   git clone https://github.com/your-username/mcp-memory-workshop.git
   cd mcp-memory-workshop
   

   （替换 your-username/mcp-memory-workshop 推送后，使用您的实际GitHub存储库路径。)

2. 创建虚拟环境 （推荐）：

   复制

   python -m venv venv
   

3. 激活虚拟环境:

   • 在macOS/Linux上：
     复制

     source venv/bin/activate
     

   • 在Windows上：
     复制

     .\venv\Scripts\activate
     

4. 安装依赖项:

   复制

   pip install -r requirements.txt
   

运行服务器

1. 启动FastAPI服务器: 确保您的虚拟环境已激活。
   复制

   python workshop_server.py
   

   服务器通常会启动 http://localhost:8081。您可以访问API文档，网址为 http://localhost:8081/docs。保持这个终端打开。

运行演示

1. 确保服务器正在运行 在单独的终端中。
2. 打开一个新终端 并激活虚拟环境。
3. 运行演示脚本:
   复制

   python workshopdemo.py
   

   此脚本将与正在运行的服务器交互，存储示例对话，并演示所有内存调用和分析功能。