使用说明

RLM MCP服务器

“企业计算机和文化思维之间的区别在于，思维并不试图将一切都保持在即时意识中——它知道如何有效地探索庞大的数据存储。”

一个容器化的MCP（模型上下文协议）服务器，提供 递归语言模型 任何AI助手的能力。

什么是RLM？

根据论文 “递归语言模型” 来自麻省理工学院CSAIL的RLM将大型上下文视为 外部环境 这可以通过编程方式进行探索，而不是塞进上下文窗口。

RLM不是将500页的文档塞进上下文中，而是教模型编写Python代码来探索文档——搜索、解析、计数、提取——迭代地建立理解，直到它能够回答你的问题。

快速开始

使用Docker Compose（推荐）

# Clone and enter directory
cd rlm-mcp-server

# With OpenAI
OPENAI_API_KEY=sk-xxx docker compose up

# With local llama.cpp server (running on port 8080)
RLM_API_BASE=http://host.docker.internal:8080/v1 docker compose up

# With Ollama
RLM_API_BASE=http://host.docker.internal:11434/v1 RLM_MODEL=llama3.2 docker compose up

直接使用Docker

# Build
docker build -t rlm-mcp-server .

# Run with OpenAI
docker run -e OPENAI_API_KEY=sk-xxx -p 8765:8765 rlm-mcp-server

# Run with local LLM
docker run \
  -e RLM_API_BASE=http://host.docker.internal:8080/v1 \
  --add-host host.docker.internal:host-gateway \
  -p 8765:8765 \
  rlm-mcp-server

与Claude Desktop集成

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "rlm": {
      "command": "docker",
      "args": [
        "run", "--rm", "-i",
        "--network", "host",
        "-e", "OPENAI_API_KEY",
        "rlm-mcp-server",
        "python", "src/server.py", "--transport", "stdio"
      ],
      "env": {
        "OPENAI_API_KEY": "your-key-here"
      }
    }
  }
}

看 examples/ 更多配置选项，包括本地LLM设置。

可用工具

会话管理

工具	说明
`rlm_load_context`	将文本内容加载到会话中
`rlm_load_file`	将文件加载到会话中
`rlm_list_sessions`	列出活动会话
`rlm_close_session`	关闭会话以释放内存

询问

工具	说明
`rlm_query`	问一个关于加载上下文的问题（迭代探索）
`rlm_quick_query`	一键：在一次调用中加载和查询
`rlm_execute_code`	直接针对上下文执行Python（高级用户）

配置

工具	说明
`rlm_config`	查看当前服务器配置

使用示例

加载并查询大型文档

Human: Load this 200-page PDF transcript and find all mentions of "quarterly revenue"

Claude: I'll use RLM to explore this large document.

[Uses rlm_load_context to load the document]
[Uses rlm_query with question "Find all mentions of quarterly revenue with surrounding context"]

Based on exploring the document, I found 47 mentions of quarterly revenue...

分析代码库

Human: Here's our entire codebase (500 files). What authentication methods are used?

Claude: I'll load this into RLM and explore it programmatically.

[Uses rlm_load_context with the codebase]
[Uses rlm_query to explore authentication patterns]

After exploring the codebase, I found three authentication methods:
1. JWT tokens in /api/auth/...
2. OAuth2 in /integrations/...
3. API keys in /external/...

环境变量

变量	默认值	描述
`RLM_MODEL`	`gpt-4o-mini`	RLM的主要模型
`RLM_SUB_MODEL`	与RLM_MODEL	迭代模型相同（可能更便宜）
`RLM_MAX_ITERATIONS`	`15`	最大探索迭代次数
`RLM_API_BASE`	OpenAI	API端点（适用于本地模型）
`RLM_API_KEY` / `OPENAI_API_KEY`	-	API密钥
`RLM_SUB_API_BASE`	与RLM_API_BASE相同	子模型的独立端点

成本优化

您可以使用更便宜的/局部模型进行迭代探索，同时使用更强大的模型进行初始化：

RLM_MODEL=gpt-4o \
RLM_SUB_MODEL=gpt-4o-mini \
docker compose up

或者完全使用局部模型进行迭代：

RLM_MODEL=gpt-4o \
RLM_SUB_MODEL=local-model \
RLM_SUB_API_BASE=http://host.docker.internal:8080/v1 \
docker compose up

运作原理

加载上下文：您的大量文档/代码库存储在会话中
问题：你问了一个关于内容的问题
探索LLM编写Python代码来探索上下文
迭代：代码执行，LLM查看结果，编写更多代码
回答：自信时，法学硕士提供最终答案

REPL环境可以访问：

CONTEXT -满载的文本
re -正则表达式模块
json -JSON模块
Counter, defaultdict -来自收藏
标准Python内置

建筑

┌─────────────────────────────────────────────────────────┐
│                    Claude Desktop                        │
│                         or                               │
│                    Any MCP Client                        │
└────────────────────────┬────────────────────────────────┘
                         │ MCP Protocol
                         ▼
┌─────────────────────────────────────────────────────────┐
│                   RLM MCP Server                         │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  │
│  │   Sessions   │  │   RLM Core   │  │  REPL Env    │  │
│  │   Storage    │  │   Engine     │  │  (Python)    │  │
│  └──────────────┘  └──────────────┘  └──────────────┘  │
└────────────────────────┬────────────────────────────────┘
                         │ OpenAI-compatible API
                         ▼
┌─────────────────────────────────────────────────────────┐
│           LLM Backend (OpenAI / Local / Ollama)          │
└─────────────────────────────────────────────────────────┘

发展

# Install dependencies
pip install -r requirements.txt

# Run locally (stdio mode for testing)
cd src && python server.py --transport stdio

# Run tests
pytest tests/

转移到离线实验室（Mojoverse）

在Cybertron上建立形象：

docker save rlm-mcp-server:latest | gzip > rlm-mcp-server.tar.gz

通过您常用的方法转移到Mojoverse

Mojoverse上的负载：

gunzip -c rlm-mcp-server.tar.gz | docker load

使用本地L4动力llama.cpp运行：

RLM_API_BASE=http://localhost:8080/v1 docker compose up

参考文献

许可证

麻省理工学院