adaptive-memory-engine 0.1.6__tar.gz → 0.1.8__tar.gz

{adaptive_memory_engine-0.1.6 → adaptive_memory_engine-0.1.8}/CHANGELOG.md

@@ -1,5 +1,18 @@
 # Changelog
 
+## 0.1.8 - 2026-06-12
+
+- Added standard MCP `Content-Length` stdio framing support while keeping newline JSON-RPC compatibility.
+- Added MCP initialize instructions and an `ame_setup_flow` prompt so agents prefer AME MCP tools for AME setup/model/local-memory requests.
+- Documented that setup diagnosis should use bootstrap MCP and must not invent example corpus IDs such as `openclaw`.
+- Updated package `ame.__version__` to match the published package version.
+
+## 0.1.7 - 2026-06-12
+
+- Added the `ame_flow` MCP tool with stage-by-stage setup branches and response templates.
+- Updated README examples to guide users through AME setup as separate natural-language steps.
+- Bumped MCP server metadata to 0.1.7.
+
 ## 0.1.6 - 2026-06-12
 
 - Switched public install docs from TestPyPI to PyPI.

{adaptive_memory_engine-0.1.6 → adaptive_memory_engine-0.1.8}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: adaptive-memory-engine
-Version: 0.1.6
+Version: 0.1.8
 Summary: Local-first CLI memory engine that builds Bronze/Silver/Gold RAG memory from local documents.
 License-Expression: MIT
 License-File: LICENSE
@@ -38,7 +38,7 @@ Codex나 Claude Code가 그 메모리를 보고 답할 수 있게 해주는 loca
 
 사용자가 매번 긴 명령어를 치는 방식보다, **Codex/Claude Code에 AME를 연결하고 자연어로 맡기는 방식**을 우선합니다.
 
-현재는 alpha 단계이며 PyPI로 배포 중입니다. 현재 버전은 `0.1.6`입니다.
+현재는 alpha 단계이며 PyPI로 배포 중입니다. 현재 버전은 `0.1.8`입니다.
 
 ## 1. 설치
 
@@ -95,24 +95,44 @@ ame connect --client claude
 
 이때 아직 문서 메모리를 만들지 않았어도 괜찮습니다. `ame connect --client ...`는 bootstrap MCP 설정을 출력하므로, Codex/Claude Code가 사양 진단부터 메모리 구축까지 진행할 수 있습니다.
 
-## 3. 자연어로 요청
+## 3. 자연어로 진행
 
-이제 Codex나 Claude Code에 이렇게 말하면 됩니다.
+한 번에 길게 요청하기보다, 아래 흐름대로 하나씩 진행하는 것을 권장합니다.
+
+먼저 AME MCP를 사용한다고 명시하고 진행 방식을 확인합니다.
+
+```text
+AME MCP를 사용해서 단계별로 진행해줘. 먼저 ame_flow를 확인해줘.
+```
+
+그 다음 사양 진단을 요청합니다.
 
 ```text
 내 컴퓨터 사양을 진단하고 AME에 맞는 로컬 모델을 추천해줘.
-다운로드가 필요하면 어떤 모델을 받을지 먼저 알려줘.
-내가 승인하면 모델을 설치해줘.
-그 다음 /Users/me/Documents/planning 폴더를 my-docs라는 이름으로 메모리화해줘.
-구축이 끝나면 그 메모리를 기준으로 질문에 답해줘.
 ```
 
-이후에는 평소처럼 질문하면 됩니다.
+모델 다운로드가 필요하면 먼저 계획만 확인합니다.
 
 ```text
-이 문서들에서 현재 유효한 결정은 뭐야?
-왜 이런 구조를 선택했는지 근거를 찾아줘.
-지난 결정 중 지금은 superseded 된 게 있어?
+다운로드가 필요한 모델과 이유를 먼저 알려줘. 아직 설치는 하지 마.
+```
+
+계획을 보고 승인한 뒤 설치합니다.
+
+```text
+승인할게. 필요한 모델을 설치해줘.
+```
+
+문서 폴더와 corpus 이름을 지정해서 메모리를 구축합니다.
+
+```text
+/Users/me/Documents/planning 폴더를 my-docs라는 이름으로 메모리화해줘.
+```
+
+구축 후에는 메모리 기준으로 질문합니다.
+
+```text
+my-docs 메모리를 기준으로 현재 유효한 결정과 그 근거를 알려줘.
 ```
 
 ## AME가 제공하는 MCP 도구
@@ -120,6 +140,7 @@ ame connect --client claude
 Codex/Claude Code는 AME MCP를 통해 다음 도구를 사용할 수 있습니다.
 
 - `ame_doctor`: 컴퓨터 사양과 로컬 모델 상태 진단
+- `ame_flow`: 단계별 진행 방식과 응답 템플릿 확인
 - `ame_setup`: 추천 모델 다운로드 계획 또는 실행
 - `ame_load`: 문서 폴더를 Bronze/Silver/Gold 메모리로 구축
 - `ame_corpora`: 만들어진 corpus 목록 확인
@@ -128,6 +149,8 @@ Codex/Claude Code는 AME MCP를 통해 다음 도구를 사용할 수 있습니
 
 모델 다운로드는 시간과 디스크를 사용합니다. Codex/Claude Code가 먼저 다운로드 계획을 보여준 뒤, 사용자가 승인하면 실행하는 흐름을 권장합니다.
 
+사양 진단이나 모델 추천은 corpus가 필요 없는 bootstrap MCP에서 처리합니다. 사용자가 직접 만든 corpus가 아니라면 `openclaw` 같은 예시 corpus 이름을 임의로 사용하지 않아야 합니다.
+
 ## CLI로 직접 쓰고 싶을 때
 
 에이전트 없이 직접 사용할 수도 있습니다.
@@ -194,6 +217,8 @@ ame mcp stdio my-docs
 
 대부분의 사용자는 직접 `ame mcp stdio`를 실행하지 않고, `ame connect --client codex` 또는 `ame connect --client claude`로 출력된 설정을 클라이언트에 넣으면 됩니다.
 
+`ame mcp stdio`는 표준 MCP `Content-Length` 프레이밍과 newline JSON-RPC를 모두 지원합니다.
+
 ## Bronze/Silver/Gold 구조
 
 - Bronze: 원본 문서를 보존합니다.

{adaptive_memory_engine-0.1.6 → adaptive_memory_engine-0.1.8}/README.en.md

@@ -7,7 +7,7 @@ The preferred UX is agent-first: connect AME through MCP, then ask Codex or
 Claude Code to diagnose hardware, recommend models, build memory, and answer
 questions in natural language.
 
-Current status: alpha, distributed through PyPI. Current version: `0.1.6`.
+Current status: alpha, distributed through PyPI. Current version: `0.1.8`.
 
 ## 1. Install
 
@@ -71,24 +71,44 @@ This works even before a corpus exists. The bootstrap MCP server lets Codex or
 Claude Code diagnose hardware, plan model downloads, build memory, and query the
 built memory.
 
-## 3. Ask In Natural Language
+## 3. Proceed In Natural Language
 
-Then ask Codex or Claude Code:
+Use separate steps instead of one long request.
+
+First ask the agent to use AME MCP and follow the AME flow:
+
+```text
+Use AME MCP and follow the AME flow step by step. Start by checking ame_flow.
+```
+
+Then diagnose hardware and model fit:
 
 ```text
 Diagnose my computer for AME and recommend local models.
-If downloads are needed, show me the model plan first.
-After I approve, install the models.
-Then build memory named my-docs from /Users/me/Documents/planning.
-Once memory is built, answer questions from that local memory.
 ```
 
-After that, ask normally:
+If downloads are needed, ask for the plan first:
 
 ```text
-What decisions are currently valid?
-Why did we choose this architecture?
-Which past decisions are now superseded?
+Show me the models to download and why. Do not install yet.
+```
+
+After reviewing the plan, approve installation:
+
+```text
+Approved. Install the required models.
+```
+
+Then build memory from a folder:
+
+```text
+Build memory named my-docs from /Users/me/Documents/planning.
+```
+
+After memory is built, ask grounded questions:
+
+```text
+Using my-docs memory, tell me the current decisions and their rationale.
 ```
 
 ## MCP Tools
@@ -96,6 +116,7 @@ Which past decisions are now superseded?
 AME exposes these tools to Codex or Claude Code:
 
 - `ame_doctor`: diagnose hardware and local model status
+- `ame_flow`: return the step-by-step flow and response templates
 - `ame_setup`: plan or execute recommended model downloads
 - `ame_load`: build Bronze/Silver/Gold memory from a folder
 - `ame_corpora`: list built corpora
@@ -105,6 +126,10 @@ AME exposes these tools to Codex or Claude Code:
 Model downloads can take time and disk space. The agent should show the plan
 first, then run downloads after user approval.
 
+Hardware diagnosis and model recommendations should use bootstrap MCP because
+they do not require a corpus. Agents should not invent example corpus IDs such
+as `openclaw` unless the user explicitly provided that corpus.
+
 ## Manual CLI Use
 
 You can also use AME directly:
@@ -171,6 +196,9 @@ ame mcp stdio my-docs
 Most users do not need to run these manually. Use `ame connect --client codex`
 or `ame connect --client claude` and paste the printed config into the client.
 
+`ame mcp stdio` supports both standard MCP `Content-Length` framing and newline
+JSON-RPC.
+
 ## Bronze/Silver/Gold
 
 - Bronze: preserves raw documents.

{adaptive_memory_engine-0.1.6 → adaptive_memory_engine-0.1.8}/README.md

@@ -7,7 +7,7 @@ Codex나 Claude Code가 그 메모리를 보고 답할 수 있게 해주는 loca
 
 사용자가 매번 긴 명령어를 치는 방식보다, **Codex/Claude Code에 AME를 연결하고 자연어로 맡기는 방식**을 우선합니다.
 
-현재는 alpha 단계이며 PyPI로 배포 중입니다. 현재 버전은 `0.1.6`입니다.
+현재는 alpha 단계이며 PyPI로 배포 중입니다. 현재 버전은 `0.1.8`입니다.
 
 ## 1. 설치
 
@@ -64,24 +64,44 @@ ame connect --client claude
 
 이때 아직 문서 메모리를 만들지 않았어도 괜찮습니다. `ame connect --client ...`는 bootstrap MCP 설정을 출력하므로, Codex/Claude Code가 사양 진단부터 메모리 구축까지 진행할 수 있습니다.
 
-## 3. 자연어로 요청
+## 3. 자연어로 진행
 
-이제 Codex나 Claude Code에 이렇게 말하면 됩니다.
+한 번에 길게 요청하기보다, 아래 흐름대로 하나씩 진행하는 것을 권장합니다.
+
+먼저 AME MCP를 사용한다고 명시하고 진행 방식을 확인합니다.
+
+```text
+AME MCP를 사용해서 단계별로 진행해줘. 먼저 ame_flow를 확인해줘.
+```
+
+그 다음 사양 진단을 요청합니다.
 
 ```text
 내 컴퓨터 사양을 진단하고 AME에 맞는 로컬 모델을 추천해줘.
-다운로드가 필요하면 어떤 모델을 받을지 먼저 알려줘.
-내가 승인하면 모델을 설치해줘.
-그 다음 /Users/me/Documents/planning 폴더를 my-docs라는 이름으로 메모리화해줘.
-구축이 끝나면 그 메모리를 기준으로 질문에 답해줘.
 ```
 
-이후에는 평소처럼 질문하면 됩니다.
+모델 다운로드가 필요하면 먼저 계획만 확인합니다.
 
 ```text
-이 문서들에서 현재 유효한 결정은 뭐야?
-왜 이런 구조를 선택했는지 근거를 찾아줘.
-지난 결정 중 지금은 superseded 된 게 있어?
+다운로드가 필요한 모델과 이유를 먼저 알려줘. 아직 설치는 하지 마.
+```
+
+계획을 보고 승인한 뒤 설치합니다.
+
+```text
+승인할게. 필요한 모델을 설치해줘.
+```
+
+문서 폴더와 corpus 이름을 지정해서 메모리를 구축합니다.
+
+```text
+/Users/me/Documents/planning 폴더를 my-docs라는 이름으로 메모리화해줘.
+```
+
+구축 후에는 메모리 기준으로 질문합니다.
+
+```text
+my-docs 메모리를 기준으로 현재 유효한 결정과 그 근거를 알려줘.
 ```
 
 ## AME가 제공하는 MCP 도구
@@ -89,6 +109,7 @@ ame connect --client claude
 Codex/Claude Code는 AME MCP를 통해 다음 도구를 사용할 수 있습니다.
 
 - `ame_doctor`: 컴퓨터 사양과 로컬 모델 상태 진단
+- `ame_flow`: 단계별 진행 방식과 응답 템플릿 확인
 - `ame_setup`: 추천 모델 다운로드 계획 또는 실행
 - `ame_load`: 문서 폴더를 Bronze/Silver/Gold 메모리로 구축
 - `ame_corpora`: 만들어진 corpus 목록 확인
@@ -97,6 +118,8 @@ Codex/Claude Code는 AME MCP를 통해 다음 도구를 사용할 수 있습니
 
 모델 다운로드는 시간과 디스크를 사용합니다. Codex/Claude Code가 먼저 다운로드 계획을 보여준 뒤, 사용자가 승인하면 실행하는 흐름을 권장합니다.
 
+사양 진단이나 모델 추천은 corpus가 필요 없는 bootstrap MCP에서 처리합니다. 사용자가 직접 만든 corpus가 아니라면 `openclaw` 같은 예시 corpus 이름을 임의로 사용하지 않아야 합니다.
+
 ## CLI로 직접 쓰고 싶을 때
 
 에이전트 없이 직접 사용할 수도 있습니다.
@@ -163,6 +186,8 @@ ame mcp stdio my-docs
 
 대부분의 사용자는 직접 `ame mcp stdio`를 실행하지 않고, `ame connect --client codex` 또는 `ame connect --client claude`로 출력된 설정을 클라이언트에 넣으면 됩니다.
 
+`ame mcp stdio`는 표준 MCP `Content-Length` 프레이밍과 newline JSON-RPC를 모두 지원합니다.
+
 ## Bronze/Silver/Gold 구조
 
 - Bronze: 원본 문서를 보존합니다.

{adaptive_memory_engine-0.1.6 → adaptive_memory_engine-0.1.8}/docs/product_user_flow.md

@@ -8,13 +8,13 @@
 
 1. 사용자가 Claude Code나 Codex를 터미널에서 엽니다.
 2. Adaptive Memory Engine을 설치합니다.
-3. `memory doctor`로 컴퓨터 사양을 진단합니다.
-4. `memory setup`으로 사양에 맞는 로컬 LLM과 embedding model을 추천받습니다.
-5. `memory setup --execute`로 Ollama 모델을 다운로드합니다.
-6. `memory load <corpus> <docs>`로 문서 폴더를 읽힙니다.
+3. `ame doctor` 또는 AME MCP `ame_doctor`로 컴퓨터 사양을 진단합니다.
+4. `ame setup` 또는 AME MCP `ame_setup`으로 사양에 맞는 로컬 LLM과 embedding model을 추천받습니다.
+5. 사용자 승인 후 `ame setup --execute` 또는 AME MCP `ame_setup(execute=true)`로 Ollama 모델을 다운로드합니다.
+6. `ame load <corpus> <docs>` 또는 AME MCP `ame_load`로 문서 폴더를 읽힙니다.
 7. 엔진이 `$AME_HOME/corpora/<corpus>` 아래에 corpus 폴더를 만들고 Bronze/Silver/Gold memory를 구축합니다.
-8. `memory connect <corpus> --client codex` 또는 `--client claude`로 MCP 연결 설정을 출력합니다.
-9. Claude Code나 Codex가 `memory mcp stdio <corpus>`를 MCP server로 실행합니다.
+8. `ame connect <corpus> --client codex` 또는 `--client claude`로 MCP 연결 설정을 출력합니다.
+9. Claude Code나 Codex가 `ame mcp stdio <corpus>`를 MCP server로 실행합니다.
 10. 사용자가 질문하면 Claude Code나 Codex는 구축된 local RAG memory pool에서 `memory_search`, `memory_retrieve`, `memory_graph`, `memory_decisions` 같은 tool을 호출해 답변합니다.
 
 ## 사용자가 실행하는 명령
@@ -23,23 +23,23 @@
 pip install adaptive-memory-engine
 export AME_HOME="$PWD/.ame"
 
-memory doctor
-memory setup
-memory setup --execute
+ame doctor
+ame setup
+ame setup --execute
 
-memory load my-docs ./docs
-memory connect my-docs --client codex
+ame load my-docs ./docs
+ame connect my-docs --client codex
 ```
 
 Windows PowerShell에서는 환경변수를 다음처럼 설정합니다.
 
 ```powershell
 $env:AME_HOME = "$PWD\.ame"
-memory doctor
-memory setup
-memory setup --execute
-memory load my-docs .\docs
-memory connect my-docs --client codex
+ame doctor
+ame setup
+ame setup --execute
+ame load my-docs .\docs
+ame connect my-docs --client codex
 ```
 
 `AME_HOME`을 지정하지 않으면 기본 runtime 위치는 OS별로 달라집니다.
@@ -54,7 +54,7 @@ Claude Code나 Codex에 등록되는 MCP server command는 다음 형태입니
 {
   "mcpServers": {
     "adaptive-memory-engine": {
-      "command": "memory",
+      "command": "ame",
       "args": ["mcp", "stdio", "my-docs"],
       "env": {
         "AME_HOME": "/absolute/path/to/.ame"
@@ -107,7 +107,7 @@ Codex / Claude Code
 
 ## Fallback
 
-`memory load --mode deterministic`은 기본 제품 흐름이 아닙니다.
+`ame load --mode deterministic`은 기본 제품 흐름이 아닙니다.
 
 이 모드는 다음 상황에서만 사용합니다.
 
@@ -116,4 +116,4 @@ Codex / Claude Code
 - 로컬 LLM 설치 전 smoke check
 - 저사양 환경에서 최소 기능 확인
 
-정식 사용자 경험은 `memory setup --execute` 이후 `memory load`를 실행하는 local-LLM first 흐름입니다.
+정식 사용자 경험은 `ame setup --execute` 이후 `ame load`를 실행하는 local-LLM first 흐름입니다.

{adaptive_memory_engine-0.1.6 → adaptive_memory_engine-0.1.8}/examples/corpora/README.md

@@ -5,7 +5,7 @@ This directory is reserved for sample corpus layouts used by AME examples.
 Run:
 
 ```bash
-memory init
-memory create openclaw
-memory ingest openclaw examples/notes
+ame init
+ame create my-docs
+ame ingest my-docs examples/notes
 ```

{adaptive_memory_engine-0.1.6 → adaptive_memory_engine-0.1.8}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "hatchling.build"
 
 [project]
 name = "adaptive-memory-engine"
-version = "0.1.6"
+version = "0.1.8"
 description = "Local-first CLI memory engine that builds Bronze/Silver/Gold RAG memory from local documents."
 readme = "README.md"
 requires-python = ">=3.11"

adaptive_memory_engine-0.1.8/src/ame/__init__.py

@@ -0,0 +1 @@
+__version__ = "0.1.8"