MCP 服务器

Elasticsearch Knowledge Graph for MCP

提供一个可扩展的知识图谱实现，用于模型上下文协议，使用 Elasticsearch，使 AI 模型能够存储和查询信息，并具有高级搜索功能、类似记忆的行为和多区域架构。

Tools

create_entities

Create entities in knowledge graph (memory)

update_entities

Update entities in knowledge graph (memory)

delete_entities

Delete entities from knowledge graph (memory)

create_relations

Create relationships between entities in knowledge graph (memory)

delete_relations

Delete relationships from knowledge graph (memory)

search_nodes

Search entities using ElasticSearch query syntax. Supports boolean operators (AND, OR, NOT), fuzzy matching (~), phrases ("term"), proximity ("terms"~N), wildcards (*, ?), and boosting (^N). Examples: 'meeting AND notes', 'Jon~', '"project plan"~2'. All searches respect zone isolation.

open_nodes

Get details about specific entities in knowledge graph (memory) and their relations

add_observations

Add observations to an existing entity in knowledge graph (memory)

mark_important

Mark entity as important in knowledge graph (memory) by boosting its relevance score

get_recent

Get recently accessed entities from knowledge graph (memory) and their relations

list_zones

List all available memory zones with metadata.

create_zone

Create a new memory zone with optional description.

delete_zone

Delete a memory zone and all its entities/relations.

copy_entities

Copy entities between zones with optional relation handling.

move_entities

Move entities between zones (copy + delete from source).

merge_zones

Merge multiple zones with conflict resolution options.

zone_stats

Get statistics for entities and relationships in a zone.

README

MCP Memory：为 AI 对话提供持久记忆 🧠

赋予你的 AI 跨对话的持久记忆。 永远不再丢失重要的上下文信息。

MCP Memory 是一个强大的、由 Elasticsearch 支持的知识图谱系统，它为 AI 模型提供了超出其上下文窗口限制的持久记忆。它专为模型上下文协议 (MCP) 构建，确保你的 LLM 能够永远记住重要的信息，从而创建更连贯、个性化和有效的 AI 对话。

🌟 为什么 AI 模型需要持久记忆

你是否曾在使用 AI 助手时遇到过以下令人沮丧的问题？

你的 AI 忘记了之前对话中的关键细节
每次开始新的聊天时都必须重复相同的上下文
一旦对话历史记录填满，就会丢失有价值的见解
无法参考过去的工作或决策

MCP Memory 通过创建一个结构化的、可搜索的记忆存储来解决这些问题，该存储可以无限期地保存上下文。你的 AI 现在可以与用户建立有意义的长期关系，并在数天、数周或数月的互动中保持连贯性。

✨ 主要特性

📊 持久记忆：跨多个会话存储和检索信息
🔍 智能搜索：通过强大的 Elasticsearch 查询准确找到你需要的内容
📓 上下文回忆：AI 根据对话自动确定相关信息的优先级
🧩 关系理解：将概念与模仿人类联想记忆的关系联系起来
🔄 长期/短期记忆：区分临时细节和重要知识
🗂️ 记忆区：将信息组织到单独的域（项目、客户、主题）中
🔒 可靠且可扩展：构建在 Elasticsearch 之上，实现企业级性能

🚀 5 分钟设置

入门非常简单：

前提条件

Docker：运行 Elasticsearch 所需（或本地 Elasticsearch 安装）
Node.js：版本 18 或更高版本
npm：用于包管理

# 1. 克隆存储库
git clone https://github.com/mcp-servers/mcp-servers.git
cd mcp-servers/memory

# 2. 安装依赖项
npm install

# 3. 启动 Elasticsearch（使用 Docker）
npm run es:start
# 注意：如果你更喜欢使用自己的 Elasticsearch 安装，
# 请设置 ES_NODE 环境变量以指向你的 Elasticsearch 实例

# 4. 构建项目
npm run build

🔌 连接到 Claude Desktop

MCP Memory 旨在与 Claude Desktop 无缝协作，为 Claude 提供跨所有对话的持久记忆：

复制并配置启动脚本：

存储库包含一个 launch.example 文件，你可以简单地复制它：

# 复制示例启动文件
cp launch.example launch.sh

# 编辑 launch.sh 以添加你的 Groq API 密钥
# 这是智能记忆检索所必需的
nano launch.sh  # 或使用你喜欢的编辑器

使脚本可执行：

chmod +x launch.sh

将命令添加到 Claude Desktop：
- 打开 Claude Desktop 设置
- 导航到“命令”部分
- 单击“添加新命令”
- 如下配置：
  - 名称：MCP Memory
  - 命令：/path/to/mcp-servers/memory/launch.sh
  - 参数：留空
  - 在后台运行：是
  - 在菜单中显示：是
验证连接：
- 从 Claude Desktop 启动命令
- 你应该看到一个通知，表明 Claude 已连接到 MCP Memory
- 尝试询问 Claude 你在之前的对话中讨论过的内容！

有关完整的示例和可视化指南，请参阅在线的 Claude Desktop MCP 服务器设置指南。

💡 工作原理

MCP Memory 创建一个结构化的知识图谱，其中：

实体代表人、概念、项目或任何值得记住的事物
关系连接实体，创建关联网络
观察捕捉有关实体的具体细节
相关性评分 确定优先处理哪些信息

当与 LLM 集成时，系统会自动：

存储在对话期间学到的新信息
在需要时检索相关上下文
在相关概念之间建立连接
忘记不重要的细节，同时保留关键知识

🛠️ 示例：代理如何使用记忆

从用户的角度来看

对话 1：初始信息

用户：我女儿的名字叫 Emma，下个月她就 8 岁了。

Claude：太棒了！Emma 下个月就要 8 岁了。你有没有为她的生日做特别的计划？
（幕后：Claude 将“Emma”存储为类型为“Person”的实体，并观察她的年龄和生日时间）

对话 2：几天或几周后

用户：我正在考虑买什么礼物。

Claude：如果你正在为 Emma 即将到来的 8 岁生日寻找礼物创意，你有没有考虑过她目前的兴趣是什么？在那个年龄，许多孩子喜欢创意物品、书籍或教育游戏。
（幕后：Claude 检索了实体“Emma”、她的年龄以及她的生日即将到来的事实）

对话 3：生日之后

用户：星期六的派对进行得很顺利！

Claude：我很高兴 Emma 星期六的 8 岁生日派对很成功！她喜欢收到的礼物吗？
（幕后：Claude 更新了关于 Emma 的观察，指出她的生日派对在星期六举行并且进行得很顺利）

代理如何使用记忆

当用户提到一些重要的事情时，代理：

识别值得记住的重要信息
通过创建实体、关系和观察 将其存储在记忆中
当出现新的细节时 更新现有信息

当用户提到与存储信息相关的内容时，代理：

搜索记忆 以查找基于当前对话的相关上下文
检索可能有帮助的 重要细节
将此信息 自然地 融入其响应中

这一切都会自动发生 - 用户只需与助手进行正常的对话，记忆系统就会在幕后工作以维护跨会话的上下文。

智能实体管理

MCP Memory 包括对实体创建和更新的智能处理：

当尝试创建已存在的实体时，系统会返回现有的实体数据，并提供有关如何使用新信息扩展它的指导
系统智能地区分创建新实体和更新现有实体
即使信息已更新，实体关系也会自动维护

🧰 管理工具

MCP Memory 包括一个全面的管理 CLI，用于维护你的知识图谱：

# 搜索记忆
node dist/admin-cli.js search "Emma birthday"

# 查看有关特定实体的详细信息
node dist/admin-cli.js entity "Emma"

# 备份你的整个记忆系统
node dist/admin-cli.js backup memory-backup.json

📚 高级功能

记忆区

将知识组织到单独的域中：

# 创建一个特定于项目的记忆区
node dist/admin-cli.js zones add client-acme "ACME Corp Project Knowledge"

# 将数据导入到该区域
node dist/admin-cli.js import acme-data.json client-acme

会话记忆管理

你还可以指示助手通过自然对话在不同的区域中组织记忆：

创建和使用记忆区

用户：Claude，你能创建一个名为“work-project”的新记忆区，用于存储有关我当前工作项目的信息吗？

Claude：我已经创建了一个名为“work-project”的新记忆区。我将把与你的工作项目相关的信息存储在这个区域中。你希望我记住关于你的项目的什么？

用户：项目截止日期是 3 月 15 日，我们正在构建一个新的库存管理系统。

Claude：我已经将有关你的工作项目的信息存储在“work-project”区域中，包括 3 月 15 日的截止日期以及你正在构建库存管理系统。我将把有关此项目的未来信息组织在这个区域中。
（幕后：Claude 创建了一个新的记忆区，并将项目信息专门存储在该区域中）

检索特定于区域的信息

用户：你还记得关于我的工作项目的什么？

Claude：根据我们对你的工作项目的讨论，我记得你正在构建一个截止日期为 3 月 15 日的库存管理系统。
（幕后：Claude 专门搜索“work-project”区域以查找相关信息）

在记忆区之间切换

用户：Claude，现在让我们切换到我的“cooking”记忆区。我想讨论一个食谱。

Claude：我已经切换到你的“cooking”记忆区。你今天想讨论什么食谱？
（幕后：Claude 更新其记忆上下文以优先搜索“cooking”区域）

用户：上个月我告诉你的那个意大利面是什么？

Claude：根据我们之前在你的烹饪区进行的对话，你分享了一个使用意大利腌肉、鸡蛋、佩科里诺奶酪和黑胡椒的卡博纳拉食谱。你提到这是你在罗马旅行期间学到的家庭最爱。
（幕后：Claude 专门在“cooking”区域中搜索以查找此信息）

通过将记忆组织到单独的区域中，对话变得更加相关，并且专注于当前的主题或项目。

搜索功能

利用 Elasticsearch 强大的搜索功能：

# 模糊搜索（即使有错别字也能找到“meeting”）
node dist/admin-cli.js search "meteing notes"

# 特定于区域的搜索
node dist/admin-cli.js search "budget" client-acme

🤝 贡献

欢迎贡献！有关详细信息，请参阅 CONTRIBUTING.md。

📝 许可

MIT

准备好让你的 AI 拥有持久的记忆了吗？5 分钟即可开始！ <a href="https://github.com/mcp-servers/mcp-servers">GitHub</a> • <a href="https://discord.gg/mcp-community">Discord</a> • <a href="https://mcp-servers.readthedocs.io">文档</a>