Cipher
访问网站
扫码查看
复制链接

为AI编程工具设计的开源记忆层MCP服务

标签：AI编码 , Cipher , LLM , MCP , 大语言模型 , 开源 , 智能体 , 记忆层

Cipher

AI专业工具30 次浏览

综合介绍

Cipher 是一个专为AI编码智能体设计的开源记忆层框架。它通过模型上下文协议（MCP）与多种集成开发环境（IDE）和编码工具兼容，例如 Cursor、Windsurf、Claude Desktop 等。这个项目的主要目标是为AI智能体提供一个可以长期记忆和学习的“大脑”，让它们能够记住之前的交互内容、代码库的结构和业务逻辑。Cipher 采用双层记忆系统，分别记录编程概念、业务逻辑以及模型的推理过程。这使得AI智能体在不同的IDE之间切换时，能够无缝衔接上下文，并且开发者可以在团队中实时共享这些记忆，提升协作效率。用户可以通过NPM包、Docker或直接从源码进行安装，并通过命令行工具进行交互或部署为API服务器。

功能列表

  • MCP集成: 支持与任何兼容模型上下文协议（MCP）的IDE或工具进行集成。
  • 自动生成记忆: 根据代码库和交互自动生成AI编码记忆，并能随代码库规模扩展。
  • 跨IDE记忆同步: 允许用户在不同的IDE之间无缝切换，而不会丢失记忆和上下文。
  • 团队记忆共享: 支持开发团队成员之间实时共享编码记忆。
  • 双层记忆系统:
    • 系统1: 捕捉编程概念、业务逻辑和过去的交互内容。
    • 系统2: 记录模型生成代码时的推理步骤。
  • 零配置安装: 在IDE中安装时无需复杂配置。
  • 多种操作模式: 支持命令行交互模式、单次命令模式、REST API服务器模式和MCP服务器模式。
  • 会话管理: 支持创建、切换和管理多个对话会话。
  • 多语言模型支持: 兼容OpenAI、Anthropic、OpenRouter和Ollama等多种大语言模型。
  • 知识图谱: 通过Neo4j或内存数据库构建实体关系化的结构性记忆。

使用帮助

Cipher 作为一个为AI编码智能体设计的记忆层，安装和使用方式非常灵活。下面将详细介绍如何安装、配置和使用Cipher。

安装

您可以根据自己的需求选择以下三种安装方式之一：

1. NPM包安装 (推荐)这是最简单直接的安装方式，适合大多数用户。您只需要在终端中执行以下命令即可全局安装：

npm install -g @byterover/cipher```
如果您希望在特定的项目中将其作为依赖项使用，可以执行局部安装：
```bash
npm install @byterover/cipher

2. 使用Docker安装如果您熟悉Docker并希望在容器化环境中运行Cipher，可以按照以下步骤操作：

首先，克隆Cipher的GitHub仓库到本地：

git clone https://github.com/campfirein/cipher.git
cd cipher

接着，创建并配置环境变量文件。您可以从模板文件.env.example复制一份：

cp .env.example .env

然后，使用文本编辑器打开.env文件，并填入您的API密钥，例如OpenAI或Anthropic的API密钥。

最后，使用docker-compose启动服务：

docker-compose up -d

启动后，您可以访问http://localhost:3000/health来检查服务是否正常运行。

3. 从源码安装如果您是开发者，希望直接从源码运行或进行二次开发，可以按以下步骤操作：

pnpm i && pnpm run build && npm link

此命令会安装所有依赖、构建项目，并通过npm link将cipher命令链接到您的系统中，使其可以全局调用。

配置

Cipher的配置主要通过环境变量和cipher.yml配置文件完成。

环境变量 (.env文件)在项目根目录下的.env文件中，您可以配置大语言模型的API密钥和其他参数。

  • API密钥 (必需): Cipher需要至少一个大语言模型API密钥才能运行。嵌入功能始终需要OPENAI_API_KEY。 
    OPENAI_API_KEY=your_openai_api_key
ANTHROPIC_API_KEY=your_anthropic_api_key
OPENROUTER_API_KEY=your_openrouter_api_key
  • Ollama (可选): 如果您在本地部署了Ollama，可以配置其访问地址。 
    OLLAMA_BASE_URL=http://localhost:11434/v1
  • 其他可选配置: 
    CIPHER_LOG_LEVEL=info
NODE_ENV=production

智能体配置文件 (memAgent/cipher.yml)此文件用于配置Cipher智能体的行为，例如使用哪个大语言模型。

# LLM 配置
llm:
provider: openai # 可选 openai, anthropic, openrouter, ollama
model: gpt-4-turbo
apiKey: $OPENAI_API_KEY # 从环境变量读取密钥
# 系统提示
systemPrompt: 'You are a helpful AI assistant with memory capabilities.'
# MCP 服务器配置 (可选)
mcpServers:
filesystem:
type: stdio
command: npx
args: ['-y', '@modelcontextprotocol/server-filesystem', '.']

命令行(CLI)使用

Cipher提供了功能丰富的命令行工具。

基础操作

  • 交互模式: 直接运行cipher命令，进入一个可以与智能体持续对话的交互式会令行界面。 
    cipher
  • 单次命令模式: 您可以快速地向Cipher的记忆中添加一条信息。 
    cipher "将'在本地开发中，Vite + Express出现CORS错误'的常见原因添加到记忆里。"

服务器模式

  • API服务器: 将Cipher作为REST API服务运行。 
    cipher --mode api
  • MCP服务器: 将Cipher作为MCP服务运行，以便与其他兼容工具（如Cursor）集成。 
    cipher --mode mcp

会话管理命令在交互模式下，您可以使用以下命令管理会话：

  • /session list: 列出所有可用的会话。
  • /session new [id]: 创建一个新会话，可以指定一个可选的ID。
  • /session switch <id>: 切换到指定的会话。
  • /config: 显示当前加载的配置。
  • /stats: 显示运行时统计数据。
  • /help: 显示帮助信息。

作为MCP服务器集成

这是Cipher的核心应用场景之一，通过MCP协议将其强大的记忆功能集成到您喜欢的IDE或AI工具中。

快速设置在您的MCP客户端（如Claude Desktop, Cursor）的配置文件中，添加如下配置，即可将Cipher作为MCP服务器接入：

{
"mcpServers": {
"cipher": {
"type": "stdio",
"command": "cipher",
"args": ["--mode", "mcp"],
"env": {
"OPENAI_API_KEY": "your_openai_api_key",
"ANTHROPIC_API_KEY": "your_anthropic_api_key"
}
}
}
}

这段配置告诉客户端通过标准输入输出（stdio）与cipher --mode mcp命令进行通信。

与Cursor/Windsurf集成示例在Cursor或Windsurf的MCP设置中添加以下内容：

{
"mcpServers": {
"cipher-memory": {
"type": "stdio",
"command": "cipher",
"args": ["--mode", "mcp", "--agent", "memAgent/cipher.yml"],
"env": {
"OPENAI_API_KEY": "sk-your-openai-key",
"CIPHER_LOG_LEVEL": "info"
}
}
}
}

通过这种方式，您与AI编码助手（如Claude Code）的每一次互动都会被Cipher自动记录下来。当您后续提出相关问题时，Cipher会检索并提供相关上下文，使AI能够给出更精准、连贯的回答。

应用场景

  1. 跨IDE的无缝开发开发者经常在不同的集成开发环境（IDE）之间切换。例如，在VS Code中编写前端代码，然后切换到Cursor中进行AI辅助重构。使用Cipher作为记忆层，开发者在任何一个IDE中的编码历史、上下文和与AI的对话记录都会被保存下来。当切换到另一个IDE时，Cipher能够立即提供之前的上下文，避免了因环境切换导致的信息丢失和重复提问。
  2. 团队知识共享与协作在一个开发团队中，新成员往往需要花费大量时间来熟悉项目的代码库、业务逻辑和历史决策。通过部署Cipher并共享记忆，团队的编码知识和与AI智能体的交互历史可以被所有成员访问。当新成员遇到问题时，可以向集成了Cipher的AI助手提问，AI能够利用团队共享的记忆，提供基于项目历史的准确回答，从而加速新成员的上手过程。
  3. 复杂项目的长期记忆对于一个长期维护的大型项目，代码库会变得异常庞大和复杂。人类开发者很难记住所有的模块设计和实现细节。Cipher的双层记忆系统能够像一个“项目大脑”一样，持续学习和记忆代码库的结构、关键算法以及模型的推理过程。当开发者需要修改一个很少接触的旧模块时，可以借助Cipher快速回忆起相关的设计初衷和技术细节，降低维护成本。
  4. 个性化AI编程助手每个开发者的编程习惯和所负责的业务领域都不同。通过将Cipher与个人的AI编码助手（如Claude Code、Kimi K2）集成，Cipher可以持续学习该开发者的个人偏好、常用代码片段和特定领域的业务逻辑。随着时间的推移，AI助手会变得越来越“懂”你，提供的代码建议和解决方案也会更加贴合你的个人风格和需求。

QA

  1. Cipher支持哪些大语言模型（LLM）？Cipher支持多个主流的大语言模型提供商，包括OpenAI（如GPT-4 Turbo）、Anthropic（如Claude 3.5 Sonnet）、OpenRouter（支持超过200个模型）以及自托管的Ollama。用户可以在配置文件中轻松切换和指定使用的模型。
  2. 什么是模型上下文协议（MCP），它在Cipher中起什么作用？模型上下文协议（Model Context Protocol, MCP）是一种开放标准，旨在让AI模型和开发工具（如IDE）之间能够更好地交换上下文信息。在Cipher中，MCP是实现其核心功能的关键。它允许Cipher作为一个记忆插件，无缝地接入到任何支持MCP的工具中（如Cursor、Claude Desktop等），从而捕捉和提供上下文记忆，增强AI编码助手的能力。
  3. 我是否需要一个强大的服务器来运行Cipher？不需要。Cipher本身是一个轻量级的框架，可以作为命令行工具在个人电脑上运行。当它作为MCP服务器与本地IDE集成时，其资源消耗主要取决于所配置的大语言模型。如果使用基于云的API（如OpenAI），则本地资源占用很小。如果使用本地部署的模型（如Ollama），则需要根据模型大小评估本地硬件需求。
  4. Cipher的记忆是永久保存的吗？是的，Cipher的核心功能之一就是提供持久化的记忆。它会将交互历史、代码知识和推理过程等信息存储起来。默认情况下，它使用内存进行存储，但同时也支持更持久化的存储方案，例如通过与Neo4j等知识图谱数据库集成，实现结构化和永久性的记忆存储。
微信微博Email复制链接