带记忆引擎与多Agent调度的智能体系统。 从 C-Trim 演进而来。
- 三层架构：接入层（CLI/TUI/MCP）→ Agent调度层 → 记忆引擎层
- 记忆引擎：FAISS语义检索 + SQLite FTS5关键词 + LLM重排 + 内存池
- 多Agent调度：主Agent → 意图分类 → 路由到子Agent/思维模式
- Provider插件系统：支持5家预置商 + 自定义Python插件（
~/.mmi/providers/） - MCP Server：暴露MMI能力为MCP Tools，支持Claude Desktop / Cursor接入
- 评估框架：ExactMatch/Contains/Func评估器，延迟统计（p50/p95/p99）
- TUI界面：Textual终端UI，支持真流式输出、主题切换
- 健康检测：Provider自动降级，连续3次失败→切换
mmi/
├── core/ # 记忆引擎层（会话/上下文/摘要/检索/热度/GC/评估/MCP）
│ ├── llm.py # LLMProvider抽象 + 5家预置实现
│ ├── provider_registry.py # 自定义Provider插件发现
│ ├── memory.py # MemoryEngine（FAISS + SQLite + 内存池）
│ ├── evaluation.py # EvalRunner评估框架
│ ├── mcp_server.py # MCP Server（JSON-RPC 2.0）
│ └── ...
├── agent/ # Agent调度层（路由/思维模式/技能/Tool/追踪/EventBus）
├── cli/ # CLI命令（new/list/chat/tui/doctor/stat）
├── tui/ # 终端UI（textual）
└── tools/ # 诊断工具
完整架构见 MMI统一架构设计.md。
# 克隆仓库
git clone https://github.com/sansan1983/mmi.git
cd mmi
# 安装（推荐可编辑模式）
pip install -e ".[tui,fuzzy]"
# 安装预提交钩子（可选）
pre-commit install# 交互式配置向导
mmi config wizard
# 或手动编辑 ~/.mmi/config.toml
cat > ~/.mmi/config.toml << EOF
[llm]
provider = "deepseek" # deepseek / glm / qwen / minimax
api_key = "sk-..." # 或用环境变量 DEEPSEEK_API_KEY
model = "deepseek-chat"
base_url = "https://api.deepseek.com"
api_style = "openai"
EOF# 创建会话
mmi new "我的第一个会话"
# 列出所有会话
mmi list
# 发送消息
mmi chat <session_id> "你好"
# 启动TUI（推荐）
mmi tui
# 诊断
mmi doctor
# 统计
mmi stat在 ~/.mmi/providers/ 下创建Python文件：
# ~/.mmi/providers/my_provider.py
from mmi.core.llm import LLMProvider, LLMError, Classification
class MyProvider(LLMProvider):
name = "my-provider"
def __init__(self, api_key: str, model: str = "v1", **kwargs):
self._key = api_key
self._model = model
def chat(self, messages, *, max_tokens=4096, temperature=0.7):
# 实现你的LLM调用
...
def classify(self, prompt, *, options):
return Classification(choice=options[0], confidence=1.0)然后在 config.toml 中配置：
[llm]
provider = "my-provider"
api_key = "your-key"
model = "v1"在Claude Desktop配置中添加：
{
"mcpServers": {
"mmi": {
"command": "python",
"args": ["-m", "mmi.core.mcp_server"]
}
}
}可用的MCP Tools：
mmi_list_sessions— 列出所有会话mmi_get_session— 获取会话详情mmi_chat— 发送消息并获取回复mmi_list_skills— 列出已注册技能mmi_search_memory— 搜索记忆mmi_get_stats— 获取系统统计
from mmi.core.evaluation import EvalRunner, ExactMatchEvaluator, EvalSample
runner = EvalRunner()
samples = [
EvalSample(input_text="hello", expected_output="world", actual_output="world"),
...
]
report = runner.run(name="my-eval", samples=samples, evaluator=ExactMatchEvaluator())
print(report.summary())自动启用，无需配置。当Provider连续3次失败时自动降级，成功时恢复。
手动查询：
from mmi.core.provider_health import get_healthy_provider
provider = get_healthy_provider()| 命令 | 说明 |
|---|---|
mmi new <name> |
创建新会话 |
mmi list |
列出所有会话 |
mmi chat <session_id> <message> |
发送消息 |
mmi tui |
启动终端UI |
mmi config wizard |
交互式配置 |
mmi config show |
显示当前配置 |
mmi doctor |
诊断系统状态 |
mmi stat |
显示统计信息 |
mmi gc |
手动触发垃圾回收 |
mmi export <session_id> |
导出会话 |
# 运行所有测试
python -m pytest tests/ -x
# 运行特定模块测试
python -m pytest tests/test_integration.py -xvs
python -m pytest tests/test_benchmark.py -xvs
# 检查代码质量
ruff check mmi/| 文档 | 说明 |
|---|---|
MMI统一架构设计.md |
完整架构设计 |
MMI_PHASE_PLAN.md |
分期开发计划 |
RULES.md |
工作规范 |
MIT License