TrulyMEM-TrueHumanMEM/docs/zh/api.md

BackendServer API 文档

本文档描述后端服务器的 API 接口，供开发者扩展其他连接方式（如网络接口、WebSocket 等）。

概述

TrulyMEM 后端采用 Packet 通信协议，通过 queue.Queue 实现线程安全通信。后端在独立线程中运行，处理来自客户端的请求。

核心组件

组件	说明
BackendServer	后端服务器，独立线程运行
BackendClient	客户端封装，提供便捷方法
PacketType	请求类型枚举
Packet	数据包（请求）
PacketResponse	数据包响应

---

请求类型 (PacketType)

class PacketType(Enum):
    PROCESS_MESSAGE = "process_message"  # 处理消息
    EXECUTE_TOOL = "execute_tool"        # 执行工具
    GET_STATUS = "get_status"            # 获取状态
    GET_CONFIG = "get_config"            # 获取配置
    SET_CONFIG = "set_config"            # 设置配置
    GET_TOOL_LIMITS = "get_tool_limits"   # 获取工具限制
    SET_TOOL_LIMITS = "set_tool_limits"   # 设置工具限制
    GET_HISTORY = "get_history"           # 获取历史
    SAVE_HISTORY = "save_history"         # 保存历史
    SHUTDOWN = "shutdown"                 # 关闭服务

---

数据包格式

Packet

@dataclass
class Packet:
    id: str                      # 唯一标识
    type: PacketType             # 请求类型
    body: Dict[str, Any]        # 请求参数
    response_queue: queue.Queue # 响应队列（可选）
    created_at: float           # 创建时间

PacketResponse

@dataclass
class PacketResponse:
    id: str                      # 对应的请求ID
    success: bool                # 是否成功
    data: Any = None             # 返回数据
    error: Optional[str] = None  # 错误信息

---

API 接口详情

1. PROCESS_MESSAGE - 处理消息

发送用户消息，AI 将处理并返回回复（可能包含工具调用）。

请求参数：

body = {
    "user_input": str  # 用户输入的消息
}

响应数据：

{
    "success": True,
    "content": str,           # AI 回复内容
    "tool_calls": [           # 工具调用记录
        {
            "name": str,      # 工具名称
            "arguments": dict,# 工具参数
            "result": str     # 工具执行结果
        }
    ],
    "rejected_tools": [       # 被拒绝的工具调用
        (str, str)            # (工具名, 拒绝原因)
    ]
}

示例：

from core import BackendServer, BackendClient

server = BackendServer(db_path="graph_memory.db", use_embedded_db=True)
server.start(api_key="your-api-key")

client = BackendClient(server)
result = client.process_message("你好，请记住我的名字是小明")

if result.get("success"):
    print(result["content"])

---

2. EXECUTE_TOOL - 执行工具

直接执行指定的记忆工具。

注意：前端直接调用的工具不受次数限制，只有模型发起的工具调用才受限制。

请求参数：

body = {
    "tool_name": str,     # 工具名称
    "arguments": dict    # 工具参数
}

响应数据：

{
    "success": True,
    "result": str  # 工具执行结果
}

示例：

result = client.execute_tool("memory_recall", {"query_intent": "用户信息"})

---

3. GET_STATUS - 获取状态

获取后端运行状态。

请求参数：

body = {}  # 无参数

响应数据：

{
    "running": bool,              # 后端是否运行中
    "config": dict,              # 当前配置
    "graph_initialized": bool,   # 图数据库是否初始化
    "client_initialized": bool   # API 客户端是否初始化
}

示例：

status = client.get_status()
print(status["data"]["running"])  # True

---

4. GET_CONFIG - 获取配置

获取当前 API 配置。

请求参数：

body = {}  # 无参数

响应数据：

{
    "api_key": str,   # API Key
    "base_url": str   # API Base URL
}

---

5. SET_CONFIG - 设置配置

更新 API 配置（API Key 和 Base URL）。

请求参数：

body = {
    "api_key": str,    # API Key
    "base_url": str,   # API Base URL (默认: https://api.deepseek.com)
    "model": str       # 模型名称 (默认: deepseek-chat)
}

响应数据：

{
    "status": "config_updated"
}

示例：

result = client.update_config(
    api_key="sk-xxxxx",
    base_url="https://api.deepseek.com",
    model="deepseek-chat"
)

---

6. GET_TOOL_LIMITS - 获取工具限制

获取当前 AI 推理时的工具调用限制配置。

请求参数：

body = {}  # 无参数

响应数据：

{
    "persona_query_max": int,   # 人设图查询上限
    "persona_update_max": int,  # 人设图修改上限
    "task_query_max": int,       # 工作记忆查询上限
    "task_update_max": int,      # 工作记忆修改上限
    "memory_query_max": int,     # 一般记忆查询上限
    "memory_update_max": int    # 一般记忆修改上限
}

示例：

result = client.get_tool_limits()
print(result["data"]["persona_query_max"])  # 1

---

7. SET_TOOL_LIMITS - 设置工具限制

设置 AI 推理时的工具调用限制。

请求参数：

body = {
    "persona_query_max": int,   # 人设图查询上限 (≥1)
    "persona_update_max": int,  # 人设图修改上限 (≥1)
    "task_query_max": int,       # 工作记忆查询上限 (≥1)
    "task_update_max": int,     # 工作记忆修改上限 (≥1)
    "memory_query_max": int,    # 一般记忆查询上限 (≥1)
    "memory_update_max": int     # 一般记忆修改上限 (≥1)
}

响应数据：

{
    "status": "tool_limits_updated",
    "limits": {...}  # 更新后的限制
}

示例：

result = client.update_tool_limits(
    persona_query_max=2,
    task_query_max=5,
    memory_query_max=30
)

---

8. GET_HISTORY - 获取消息历史

获取保存的消息历史。

请求参数：

body = {}  # 无参数

响应数据：

{
    "history": list  # 消息历史列表
}

---

7. SAVE_HISTORY - 保存消息历史

保存消息历史到内存。

请求参数：

body = {
    "messages": list  # 消息列表
}

响应数据：

{
    "status": "history_saved"
}

---

8. SHUTDOWN - 关闭服务

关闭后端服务器。

请求参数：

body = {}  # 无参数

响应数据：

{
    "status": "shutdown"
}

---

使用示例

基础使用

from core import BackendServer, BackendClient

# 1. 创建并启动后端
# config_file 默认: ~/.trulymem/config.json
server = BackendServer(
    db_path="graph_memory.db",
    use_embedded_db=True,
    config_file=None  # 可选，自定义配置路径
)
server.start(
    api_key="your-api-key",
    base_url="https://api.deepseek.com",
    model="deepseek-chat"  # 可选，模型名称
)

# 2. 创建客户端
client = BackendClient(server)

# 3. 发送消息
result = client.process_message("你好")
if result.get("success"):
    print(result["content"])

# 4. 关闭
client.shutdown()

使用 Packet 协议

import queue
from core import BackendServer, Packet, PacketType

server = BackendServer(config_file=None)
server.start(api_key="your-key", model="deepseek-chat")

# 创建请求包
response_queue = queue.Queue()
packet = Packet(
    id="req-001",
    type=PacketType.PROCESS_MESSAGE,
    body={"user_input": "你好"},
    response_queue=response_queue
)

# 发送请求
result = server.send(packet)
print(result.body)

# 关闭
server.shutdown()

---

扩展指南

扩展为 HTTP API

from flask import Flask, request, jsonify
from core import BackendServer, BackendClient

app = Flask(__name__)
server = BackendServer()
client = BackendClient(server)

@app.route("/message", methods=["POST"])
def send_message():
    data = request.json
    result = client.process_message(data["message"])
    return jsonify(result)

@app.route("/config", methods=["POST"])
def update_config():
    data = request.json
    result = client.update_config(data["api_key"], data.get("base_url"))
    return jsonify(result)

@app.route("/status", methods=["GET"])
def get_status():
    result = client.get_status()
    return jsonify(result)

if __name__ == "__main__":
    server.start()
    app.run(port=8080)

扩展为 WebSocket

import asyncio
import websockets
import json
from core import BackendServer, BackendClient

server = BackendServer()
client = BackendClient(server)

async def handler(websocket):
    async for message in websocket:
        data = json.loads(message)
        msg_type = data.get("type")
        
        if msg_type == "message":
            result = client.process_message(data["content"])
        elif msg_type == "config":
            result = client.update_config(data["api_key"], data.get("base_url"))
        elif msg_type == "status":
            result = client.get_status()
        else:
            result = {"success": False, "error": "unknown type"}
        
        await websocket.send(json.dumps(result))

async def main():
    server.start()
    async with websockets.serve(handler, "localhost", 8765):
        await asyncio.Future()

asyncio.run(main())

---

线程安全说明

• BackendServer 使用 threading.Lock 保护共享资源
• 所有请求通过 queue.Queue 传递，线程安全
• 响应通过每个请求独立的响应队列返回
• 默认超时时间：30 秒

---

工具调用限制

限制范围

调用方式	是否受限	说明
模型发起的工具调用	✅ 受限	通过 PROCESS_MESSAGE 触发，模型自动调用工具
前端直接调用工具	❌ 不受限	通过 EXECUTE_TOOL 直接调用

限制规则（仅限模型发起）

类别	操作	每轮上限
人设图	查询	1 次
人设图	修改	1 次
工作记忆链	查询	4 次
工作记忆链	修改	2 次
一般记忆	查询	20 次
一般记忆	修改	10 次

重置机制

• 每次调用 PROCESS_MESSAGE 时，计数器自动重置
• 前端直接调用 EXECUTE_TOOL 不会重置计数器

---

错误处理

所有 API 返回统一格式：

# 成功
{
    "success": True,
    "data": {...}
}

# 失败
{
    "success": False,
    "error": "错误描述"
}

常见错误：

错误信息	说明
API Key 未配置	未设置 API Key
timeout	请求超时
工具调用被拒绝: ...	工具调用频率超限