Mcp

Memory tracker track what you do ask to save certain memories recall those memories T - RAG as one of MCP server backends Save Search Normal Data in text file Keyword search RAG Data in text file to embeddings in verctore store Sematic search is more accurate than keyword search ################ Vector store ################ client.vector_stores.create(name="MEMORIESTWO") stores = client.vector_stores.list() client.vector_stores.files.upload_and_poll( vector_store_id=vector_store.id, file=open(f.name, "rb") ) # 使用你的 client 对象上传文件。 # vector_store_id 是你目标向量数据库的 ID。 # 用 open(f.name, "rb") 以二进制方式读取刚才创建的临时文件。 # upload_and_poll 方法会上传文件并等待处理完成（可能包括嵌入处理等）。 results = client.vector_stores.search( vector_store_id=vector_store.id, query=query, ) ################# Var to temfile ################ with tempfile.NamedTemporaryFile(mode="w+", delete=False, suffix=".txt") as f: # 使用 tempfile.NamedTemporaryFile 创建一个临时文件 # mode="w+" 表示你可以读写这个文件。 # delete=False 是为了让文件在关闭后不会被自动删除（因为你后续还需要上传它）。 # suffix=".txt" 是文件的扩展名 f.write(memory) f.flush() # 将 memory 的内容写入这个临时文件。 # flush() 是为了确保数据真的写进了磁盘，而不是停留在缓冲区。 OpenAI上的Vector store ...