🧠 MCP - Titan Memory Server implementation

基本能力

产品定位

MCP - Titan Memory Server 是一个专注于代码生成和理解的神经记忆模型服务器，通过记忆向量和序列学习提升开发效率。

核心功能

• 神经记忆模型，可配置维度
• 序列学习和预测
• 惊喜度指标计算
• 模型持久化（保存/加载）
• 记忆状态管理
• 完整的MCP工具集成

适用场景

• 代码生成和理解
• 序列预测任务
• 需要记忆状态管理的AI应用

工具列表

1. init_model: 初始化Titan Memory模型，可自定义配置输入和输出维度。
2. train_step: 使用当前和下一个状态向量执行单次训练步骤。
3. forward_pass: 通过输入向量运行前向传播。
4. save_model: 将模型保存到指定路径。
5. load_model: 从指定路径加载模型。
6. get_status: 获取当前模型状态和配置。
7. train_sequence: 在向量序列上训练模型。

常见问题解答

• 如何初始化模型？ 使用init_model工具，可自定义输入和输出维度。
• 如何训练模型？ 使用train_step或train_sequence工具进行训练。
• 如何保存和加载模型？ 使用save_model和load_model工具。

使用教程

使用依赖

# 安装依赖
npm install

安装教程

# 构建项目
npm run build

# 运行测试
npm test

调试方式

# 运行测试以验证安装
npm test

示例用法

// 初始化模型
await callTool('init_model', { inputDim: 64, outputDim: 64 });

// 在序列上训练
const sequence = [
  [1, 0, 0, /* ... */],
  [0, 1, 0, /* ... */],
  [0, 0, 1, /* ... */]
];
await callTool('train_sequence', { sequence });

// 运行前向传播
const result = await callTool('forward_pass', {
  x: [1, 0, 0, /* ... */]
});

许可证

该项目遵循 MIT 开源许可条款。