MidOS MCP — Knowledge OS for AI Agents

提供134个工具的AI知识操作系统,支持搜索、记忆、规划与多智能体协同。

已扫描
适合谁
AI研发工程师、智能体开发者
不适合谁
普通个人用户、无技术背景的非开发者
国内可用性
需网络配置。可能需要网络配置或第三方服务可访问。
安装难度
新手友好(★☆☆)。基于终端操作、依赖、API Key 和本地环境要求的初步判断。

安装与下载

openclaw skills install @msruruguay/midos-mcp

Skill 说明

命令、参数、文件名以原文为准

MidOS MCP — 人工智能代理的知识操作系统

MidOS 是为 AI 代理设计的知识中间件层。它提供一个持续增长的智能知识库:超过 67 万条向量、4.6 万余个知识片段、451 项 EUREKA 洞察,以及 134 个用于搜索、记忆、规划和编排的 MCP 工具。

将 MidOS 视为你代理的长期记忆中枢。

你将获得的功能

模块工具功能说明
🔍 搜索smart_searchsemantic_searchhybrid_search在 67 万条向量中进行关键词、语义或混合搜索
🧠 记忆mem_savemem_searchmem_contextwhere_was_i跨会话持久化记忆(命中率@5 达 91.67%)
📋 规划create_planupdate_plan_taskget_active_plans多步骤任务追踪,支持状态检查点
📚 知识管理knowledge_preflightquality_gateknowledge_edit创建、验证与优化知识片段
⚙️ 执行maker_run_bashmaker_read_filemaker_write_file文件操作、Shell 命令、Git、HTTP 下载等
🩺 健康监测system_health_checkhive_statuspulse_read监控知识库与数据管道健康状态
🔔 通知maker_notify_discordmaker_notify_webhook向 Discord、Webhook、Slack 发送通知

快速开始

通过 MCP(JSON-RPC 2.0)连接

# 健康检查
curl https://midos.dev/mcp/health

# 初始化会话
curl -X POST https://midos.dev/mcp \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"my-agent","version":"1.0"}}}'

搜索知识库

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/call",
  "params": {
    "name": "smart_search",
    "arguments": {
      "query": "你的主题",
      "mode": "hybrid",
      "limit": 5
    }
  }
}

保存记忆

{
  "method": "tools/call",
  "params": {
    "name": "mem_save",
    "arguments": {
      "content": "用户偏好简洁回复并附带代码示例",
      "type": "preference",
      "project": "my-project"
    }
  }
}

创建计划

{
  "method": "tools/call",
  "params": {
    "name": "create_plan",
    "arguments": {
      "goal": "构建新功能",
      "tasks": "1. 研究现有模式\n2. 设计 API\n3. 实现\n4. 测试"
    }
  }
}

知识库实时统计数据

  • 46,283 个知识片段,涵盖人工智能、工程、研究、战略等领域
  • 67 万+ 条向量嵌入(Gemini gemini-embedding-001,3072 维)
  • 451 项 EUREKA 合成洞察
  • 139 项 SOTA 基线测试
  • φ = 0.932 知识连贯性评分

核心特性

🔍 混合搜索(BM25 + 语义)

结合关键词精准匹配与语义理解能力,在相关性基准测试中优于纯向量搜索 9.3%。

🧠 持久化记忆

mem_save / mem_search 基于 LanceDB 实现。记忆可跨会话保留。在召回测试中命中率@5 达 91.67%。

📋 智能规划

支持创建结构化多步计划,跟踪进度,设置完成检查点。即使上下文重置也能保持状态。

⚡ 快速预检

knowledge_preflight 在 19ms 内完成重复知识检测(基于标题缓存,覆盖 4.8 万+ 片段),防止知识冗余。

🏗️ 质量门控

quality_gate 在知识入库前从 7 个维度进行评分,有效维持知识库的信噪比。

心跳集成建议

在代理的周期性检查点中加入以下步骤:

## MidOS(每次会话启动时)
1. 调用 where_was_i(client="your-agent-name") 以恢复上下文
2. 调用 mem_context(scope="recent") 加载最近的记忆
3. 创建知识前:执行 knowledge_preflight(topic)
4. 关键决策后:调用 mem_save(content, type="decision")

自托管选项

MidOS 开源,支持本地部署:

git clone https://github.com/MidOSresearch/midos-core
cd midos-core
python -m modules.mcp_server.midos_mcp --http --port 3100

完整文档:https://midos.dev/docs

GitHub 仓库:https://github.com/MidOSresearch/midos-core

M
@msruruguay

已收录 1 个 Skill

相关推荐