PASM MCP Server · 给任意 AI 客户端装上长期记忆

把 PASM 的认知内核暴露成标准 MCP 工具。 你的大模型（IDE 插件 / 桌面 AI 客户端 / 自研 Agent）本身没有跨会话记忆、没有情绪连续性、 没有"被夸过就更爱做某件事"的行为倾向 —— 这个包就是给它补上这些。

一句话定位：PASM 不是"又一个聊天模型"，是一个认知器官 —— 记忆、情绪、行为倾向。语言生成仍然由你自己的模型负责。

┌──────────────────────────┐   MCP (stdio)   ┌──────────────────────┐
│  你的 AI 客户端 / Agent   │ ◄─────────────► │  pasm-mcp-server     │
│  （负责说话与推理）        │   工具调用       │  （负责记住与感受）   │
└──────────────────────────┘                 └──────────────────────┘

---

〇、PASM 生态索引（六仓同频）

仓	角色	可见性	版本
pasm-skills	基座：BaseAgent + 认知能力层	公开	0.5.0
pasm-agents	成品智能体集（NPC / 陪伴 / 教学 / 验证）	公开	0.4.9
pasm-mcp-server（本仓）	MCP 接入层：给任意 AI 客户端装长期记忆	公开	0.2.0
PASM-Lite	教学版 + 认知引擎接口	公开	—
PASM	核心引擎（七层仿生 / 世界模型）	私有	0.7.2
pasm-qclaw	桌面应用发行通道	公开	0.30.2

流向：PASM（核心）→ pasm-skills（基座）→ pasm-agents（智能体）→ pasm-mcp-server（分发）→ pasm-qclaw（桌面产品）；PASM-Lite 是面向外界的教学窗口。

地址： Gitee · GitHub

---

一、快速开始

pip install pasm-mcp-server
pasm-mcp-server --selftest        # 自检（16 项）

接入客户端（以 Cursor 为例）

写到 .cursor/mcp.json（项目级）或 ~/.cursor/mcp.json（全局）：

{
  "mcpServers": {
    "pasm": {
      "command": "python",
      "args": ["-m", "pasm_mcp_server"]
    }
  }
}

Windows 上如果 python 不在 PATH，把它换成绝对路径，例如 "C:\\Python313\\python.exe"。

各客户端配置位置

客户端	配置文件	字段形状
Cursor	.cursor/mcp.json 或 ~/.cursor/mcp.json	mcpServers
Claude Desktop	%APPDATA%\Claude\claude_desktop_config.json（macOS：~/Library/Application Support/Claude/）	mcpServers
VS Code（Copilot Agent）	.vscode/mcp.json	servers + "type": "stdio"
自建 / 其他客户端	见 examples/mcp_generic.json	mcpServers

现成文件：examples/mcp_cursor.json · examples/mcp_claude_desktop.json · examples/mcp_vscode.json · examples/mcp_generic.json

校验是否接上：python examples/stdio_client_demo.py —— 它会真的起一个子进程、 做完整握手、逐个调用工具（和真实客户端做的事一模一样）。

---

二、工具有哪些（13 个）

认知核心

工具	干什么
pasm_context ⭐	首选。取"现在该记得什么 + 情绪如何 + 倾向做什么"，拿去拼进提示词。只读，不写记忆
pasm_recall	记忆检索（装了认知层自动走语义）
pasm_semantic	语义检索 + 可解释：换说法也能命中，并给出每条的融合分 / 语义分 / 记忆保留度
pasm_observe	把一件事写进长期记忆（重要度 1-5）
pasm_feel	报告带情绪效价的事件，驱动情绪演化
pasm_act	按「人格 + 学到的偏好」选一个动作
pasm_feedback	反馈塑形（务必带 action）

记忆维护

工具	干什么
pasm_focus	焦点栈：压入/查看"现在在聊什么"，给检索加权
pasm_consolidate	记忆巩固（睡眠回放）：把重复经历蒸馏成要点。默认只出建议

管理

工具	干什么
pasm_chat	完整认知回路对话一次（模板渲染，非 LLM）
pasm_persona	查看/合并更新人格
pasm_status	状态快照（档位、记忆量、认知层后端、焦点、归档）
pasm_save	立即落盘

---

三、认知能力（0.2.0 起）

依赖 pasm-skills>=0.5.0 的认知层时自动启用，没有也能跑（退回字面匹配，功能降级不报错）。

能力	效果
语义检索	「我叫什么名字」能命中存成「姓名」的记忆（字面匹配做不到）
遗忘曲线	久未唤起的记忆自然降权，学情更真实
记忆巩固	重复经历蒸馏成要点，记忆池不被撑爆
焦点栈	长对话不跑题

检索打分是可解释的：

score = 语义相似 × 0.62 + 记忆保留度 × 0.24 + 重要度 × 0.14 + 焦点加成

换更好的向量后端（可选）

内置后端是零依赖离线的字符 n-gram hashing + 中文同义扩展，开箱即用。 想要真正的语义向量，配一个 OpenAI 兼容的 embedding 接口即可自动接管：

export PASM_EMBED_URL="https://<your-endpoint>/v1/embeddings"
export PASM_EMBED_MODEL="bge-m3"
export PASM_EMBED_KEY="<key>"

也可以装 sentence-transformers 或 fastembed，会自动被识别。 pasm_status 会告诉你当前实际用的是哪个后端 —— 降级不隐藏。

---

四、环境变量

变量	作用
PASM_MCP_PERSIST_DIR	状态落盘根目录，默认 ~/.pasm-mcp/
PASM_MCP_PERSONA	默认人格（JSON 字符串）
PASM_SKILLS_PATH	本地开发逃生口：指向 pasm-skills 仓库根目录
PASM_EMBED_URL / _MODEL / _KEY	可选：外部 embedding 接口

---

五、PASM 在整条链路里的位置

它不生成语言。正确用法是：先把 pasm_context 的返回拼进提示词，再让你自己的模型说话。

用户说话 → pasm_context(query=用户的话) → 拿到 recalled / mood / action_pool
        → 拼进你的系统提示词 → 你的模型生成回复
        → pasm_observe(值得记的事) → pasm_feedback(用户反应)

---

六、生态中的位置

仓	角色	可见性
pasm-skills	基座：BaseAgent + 认知能力层	公开
pasm-agents	成品智能体集（NPC / 陪伴 / 教学 / 验证）	公开
pasm-mcp-server	本仓：MCP 接入层	公开
PASM-Lite	教学版 + 认知引擎接口	公开
PASM	核心引擎（七层仿生 / 世界模型）	私有
pasm-qclaw	桌面应用发行通道	公开

本包只依赖公开的 pasm-skills，不依赖私有核心。 装了核心的机器会自动从 light 档升到 bionic 档，没有也能正常跑。

---

七、打包发布（维护者）

python -m pip install --upgrade build twine
python -m build                      # 产出 dist/*.whl 与 dist/*.tar.gz
twine check dist/*
twine upload dist/*                  # 需要 PyPI token

GitHub Actions 流水线见 docs/publish-workflow.example.yml （放到 .github/workflows/publish.yml 即生效；默认不放在那里是因为推送 workflow 需要 PAT 带 workflow 权限）。

---

许可

MIT