返回 MCP 目录
public公开dns本地运行

pltm-mcp

PLTM MCP服务器为Claude Desktop提供78个工具,基于物理学通用原理进行AGI实验,包括记忆操作、多样性检索、元认知和知识获取等功能,旨在通过临界性和自组织等原理推动系统向更高阶智能演进。

article

README

🚀 PLTM MCP 服务器

PLTM MCP 服务器是一个为 Claude Desktop 打造的服务器,基于物理学的通用原理,提供 78 种工具用于 AGI 实验。

🚀 快速开始

前提条件

  • Claude Desktop
  • Python 3.11 及以上版本

安装

# 克隆仓库
git clone https://github.com/Alby2007/pltm-mcp.git
cd pltm-mcp

# 安装依赖
pip install -r requirements.txt

# 配置 Claude Desktop
# 编辑:%APPDATA%\Claude\claude_desktop_config.json(Windows)
# 或者:~/Library/Application Support/Claude/claude_desktop_config.json(Mac)

将以下内容添加到你的配置文件中:

{
  "mcpServers": {
    "pltm-memory": {
      "command": "python",
      "args": ["C:/absolute/path/to/pltm-mcp/server.py"]
    }
  }
}

重启 Claude Desktop,完成安装!

验证

在 Claude Desktop 中输入:

Use entropy_stats to check system state

如果你看到相关指标,说明安装成功!

✨ 主要特性

  • 内存操作:以语义三元组的形式存储/检索事实。
  • 多样化检索:采用 MMR、熵注入、注意力机制。
  • 元认知:实现自我改进和临界状态监测。
  • 知识摄取:摄取带有真实来源的 ArXiv 论文。
  • 真实指标:进行操作记录和效率跟踪。

💻 使用示例

基础用法

# 启动实验周期
start_action_cycle(cycle_id="C1")

# 注入熵以打破概念邻域
inject_entropy_antipodal(
    user_id="alice",
    current_context="machine learning"
)

# 多样化检索
mmr_retrieve(
    user_id="alice",
    query="neural networks",
    lambda_param=0.6
)

# 跟踪真实计算成本
record_action(
    operation="mmr_diversity",
    tokens_used=450,
    latency_ms=180,
    success=True
)

# 检查临界状态
criticality_state()

# 结束周期
end_action_cycle()  # 返回 AAE 效率

📚 详细文档

实验

假设:物理学的通用原理(临界性、自组织、涌现)可以推动 AGI 的发展。 当前结果

  • 突破熵瓶颈(第 21 个周期提高了 56%)
  • 测量真实计算效率(AAE = 0.0023)
  • 测试系统是否能自组织达到临界状态 目标:推动系统达到发生相变和涌现高阶智能的临界点。

工具(共 78 个)

内存操作

  • store_memory_atomretrieve_memoriesupdate_memorydelete_memory

多样化检索

  • mmr_retrieve - 最大边际相关性
  • attention_retrieveattention_multihead

熵管理

  • inject_entropy_antipodal - 激活远距离概念
  • inject_entropy_random - 采样不同领域
  • inject_entropy_temporal - 混合新旧信息
  • entropy_stats - 诊断多样性

元认知

  • self_improve_cycle - 生成/应用假设
  • criticality_state - 检查混沌边缘
  • criticality_recommend - 获取调整建议

操作记录

  • record_actionget_aaestart_action_cycleend_action_cycle

知识摄取

  • ingest_arxivsearch_arxivarxiv_history

[完整工具列表见 server.py]

架构

Memory Atoms (Triples)
  ↓
[subject] [predicate] [object]
  ↓
SQLite Graph Store
  ↓
Retrieval Systems (Standard/MMR/Attention)
  ↓
Meta-Cognitive Layer (Self-improvement/Criticality)
  ↓
MCP Tools (78 total)

故障排除

服务器无法连接?

  • 检查日志:%APPDATA%\Claude\logs\mcp-server-pltm-memory.log
  • 手动测试:python server.py

工具超时?

  • 代码更改后重启 Claude Desktop

导入错误?

pip install --upgrade -r requirements.txt

贡献

这是一个活跃的研究项目,欢迎贡献:

  • 新的熵策略
  • 更好的临界性指标
  • 额外的通用原理
  • 实验协议

📄 许可证

本项目采用 MIT 许可证。

引用

@software{pltm2026,
  author = {Alby},
  title = {PLTM: Procedural Long-Term Memory MCP Server},
  year = {2026},
  url = {https://github.com/Alby2007/pltm-mcp}
}

链接

help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端