Wolf Logic MCP Mem

MCP数据服务

提供方 complexsimplcitymedia

数据服务 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个为AI代理设计的分布式内存管理系统,支持AMD ROCM和多存储同步。

一句话选型结论

按资料字段整理

Wolf Logic MCP Mem 属于数据服务类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类数据服务 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

数据服务
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

CSS本地部署内存管理AI代理分布式系统向量数据库图数据库

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在数据服务场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Wolf Logic MCP Mem当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
字段来自项目仓库与公开索引,中文说明由本站标注
提供方complexsimplcitymedia上游标注的维护方 complexsimplcitymedia
分类数据服务本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

5.8 KB
来自项目仓库与上游目录的原文,未做删改

🧠 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```bash
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):```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):**```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```sql

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


### Neo4j图形```cypher
(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```bash

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:**```bash
cd server
pip install -r requirements.txt

前端:```bash
cd wolf-logic/ui-flask
pip install -r requirements.txt


**TypeScript MCP服务器:**```bash
cd servers
npm install
npm run build

运行测试```bash

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 🔴

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Wolf Logic MCP Mem 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Wolf Logic MCP Mem 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Wolf Logic MCP Mem 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Wolf Logic MCP Mem 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Wolf Logic MCP Mem 能提供哪些能力?

资料显示能力标签包括 分布式系统、内存管理、图数据库、向量数据库。具体工具清单以官方文档为准。

Wolf Logic MCP Mem 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Wolf Logic MCP Mem 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。