MCP 服务器

Knowledge Graph Memory Server

通过持久记忆系统增强用户互动，该系统可以记住跨聊天的信息，并通过利用本地知识图谱和课程管理从过去的错误中学习。

AI记忆系统

访问服务器

Tools

create_entities

Create multiple new entities in the knowledge graph

create_relations

Create multiple new relations between entities in the knowledge graph. Relations should be in active voice

add_observations

Add new observations to existing entities in the knowledge graph

delete_entities

Delete multiple entities and their associated relations from the knowledge graph

delete_observations

Delete specific observations from entities in the knowledge graph

delete_relations

Delete multiple relations from the knowledge graph

read_graph

Read the entire knowledge graph

search_nodes

Search for nodes in the knowledge graph based on a query

open_nodes

Open specific nodes in the knowledge graph by their names

create_lesson

Create a new lesson from an error and its solution

find_similar_errors

Find similar errors and their solutions in the knowledge graph

update_lesson_success

Update the success rate of a lesson after applying its solution

get_lesson_recommendations

Get relevant lessons based on the current context

README

知识图谱记忆服务器

一个使用本地知识图谱实现持久化记忆的基础实现。这使得 Claude 能够记住用户在聊天中的信息，并通过课程系统从过去的错误中学习。

核心概念

实体

实体是知识图谱中的主要节点。每个实体都有：

一个唯一的名称（标识符）
一个实体类型（例如，“人”、“组织”、“事件”）
一个观察列表

示例：

{
  "name": "John_Smith",
  "entityType": "person",
  "observations": ["Speaks fluent Spanish"]
}

关系

关系定义了实体之间的有向连接。它们总是以主动语态存储，并描述实体如何交互或相互关联。

示例：

{
  "from": "John_Smith",
  "to": "Anthropic",
  "relationType": "works_at"
}

观察

观察是关于实体的离散信息片段。它们是：

存储为字符串
附加到特定实体
可以独立添加或删除
应该是原子性的（每个观察一个事实）

示例：

{
  "entityName": "John_Smith",
  "observations": [
    "Speaks fluent Spanish",
    "Graduated in 2019",
    "Prefers morning meetings"
  ]
}

课程

课程是特殊的实体，用于捕获关于错误及其解决方案的知识。每个课程都有：

一个唯一的名称（标识符）
错误模式信息（类型、消息、上下文）
解决方案步骤和验证
成功率跟踪
环境上下文
元数据（严重性、时间戳、频率）

示例：

{
  "name": "NPM_VERSION_MISMATCH_01",
  "entityType": "lesson",
  "observations": [
    "Error occurs when using incompatible package versions",
    "Affects Windows environments specifically",
    "Resolution requires version pinning"
  ],
  "errorPattern": {
    "type": "dependency",
    "message": "Cannot find package @shadcn/ui",
    "context": "package installation"
  },
  "metadata": {
    "severity": "high",
    "environment": {
      "os": "windows",
      "nodeVersion": "18.x"
    },
    "createdAt": "2025-02-13T13:21:58.523Z",
    "updatedAt": "2025-02-13T13:22:21.336Z",
    "frequency": 1,
    "successRate": 1.0
  },
  "verificationSteps": [
    {
      "command": "pnpm add shadcn@latest",
      "expectedOutput": "Successfully installed shadcn",
      "successIndicators": ["added shadcn"]
    }
  ]
}

API

工具

create_entities
- 在知识图谱中创建多个新实体
- 输入：entities（对象数组）
  - 每个对象包含：
    - name（字符串）：实体标识符
    - entityType（字符串）：类型分类
    - observations（字符串数组）：关联的观察
- 忽略具有现有名称的实体
create_relations
- 在实体之间创建多个新关系
- 输入：relations（对象数组）
  - 每个对象包含：
    - from（字符串）：源实体名称
    - to（字符串）：目标实体名称
    - relationType（字符串）：主动语态的关系类型
- 跳过重复关系
add_observations
- 向现有实体添加新观察
- 输入：observations（对象数组）
  - 每个对象包含：
    - entityName（字符串）：目标实体
    - contents（字符串数组）：要添加的新观察
- 返回每个实体添加的观察
- 如果实体不存在则失败
delete_entities
- 删除实体及其关系
- 输入：entityNames（字符串数组）
- 级联删除关联关系
- 如果实体不存在则静默操作
delete_observations
- 从实体中删除特定观察
- 输入：deletions（对象数组）
  - 每个对象包含：
    - entityName（字符串）：目标实体
    - observations（字符串数组）：要删除的观察
- 如果观察不存在则静默操作
delete_relations
- 从图中删除特定关系
- 输入：relations（对象数组）
  - 每个对象包含：
    - from（字符串）：源实体名称
    - to（字符串）：目标实体名称
    - relationType（字符串）：关系类型
- 如果关系不存在则静默操作
read_graph
- 读取整个知识图谱
- 无需输入
- 返回包含所有实体和关系的完整图结构
search_nodes
- 根据查询搜索节点
- 输入：query（字符串）
- 搜索范围：
  - 实体名称
  - 实体类型
  - 观察内容
- 返回匹配的实体及其关系
open_nodes
- 按名称检索特定节点
- 输入：names（字符串数组）
- 返回：
  - 请求的实体
  - 请求的实体之间的关系
- 静默跳过不存在的节点

课程管理工具

create_lesson
- 从错误及其解决方案创建一个新课程
- 输入：lesson（对象）
  - 包含：
    - name（字符串）：唯一标识符
    - entityType（字符串）：必须为“lesson”
    - observations（字符串数组）：关于错误和解决方案的注释
    - errorPattern（对象）：错误详细信息
      - type（字符串）：错误类别
      - message（字符串）：错误消息
      - context（字符串）：错误发生的位置
      - stackTrace（字符串，可选）：堆栈跟踪
    - metadata（对象）：附加信息
      - severity（“low” | “medium” | “high” | “critical”）
      - environment（对象）：系统详细信息
      - frequency（数字）：遇到次数
      - successRate（数字）：解决方案成功率
    - verificationSteps（数组）：解决方案验证
      - 每个步骤包含：
        
        command（字符串）：要采取的行动
        
        expectedOutput（字符串）：预期结果
        
        successIndicators（字符串数组）：成功标记
- 自动初始化元数据时间戳
- 验证所有必需字段
find_similar_errors
- 查找相似的错误及其解决方案
- 输入：errorPattern（对象）
  - 包含：
    - type（字符串）：错误类别
    - message（字符串）：错误消息
    - context（字符串）：错误上下文
- 返回按成功率排序的匹配课程
- 使用模糊匹配来查找错误消息
update_lesson_success
- 更新课程的成功跟踪
- 输入：
  - lessonName（字符串）：要更新的课程
  - success（布尔值）：解决方案是否有效
- 更新：
  - 成功率（加权平均）
  - 频率计数器
  - 上次更新时间戳
get_lesson_recommendations
- 获取当前上下文的相关课程
- 输入：context（字符串）
- 搜索范围：
  - 错误类型
  - 错误消息
  - 错误上下文
  - 课程观察
- 返回按以下内容排序的课程：
  - 上下文相关性
  - 成功率
- 包括完整的解决方案详细信息

文件管理

服务器现在处理两种类型的文件：

memory.json：存储基本实体和关系
lesson.json：存储具有错误模式的课程实体

如果文件超过 1000 行，则会自动拆分文件以保持性能。

Cursor MCP 客户端设置

要将此记忆服务器与 Cursor MCP 客户端集成，请按照以下步骤操作：

克隆存储库：

git clone [repository-url]
cd [repository-name]

安装依赖项：

pnpm install

构建项目：

pnpm build

配置服务器：

找到已构建服务器文件的完整路径：/path/to/the/dist/index.js
使用 Node.js 启动服务器：node /path/to/the/dist/index.js

在 Cursor 中激活：

使用键盘快捷键 Ctrl+Shift+P
键入“reload window”并选择它
等待几秒钟以激活 MCP 服务器
提示时选择 stdio 类型

现在，记忆服务器应该已与您的 Cursor MCP 客户端集成并可以使用。

与 Claude Desktop 一起使用

设置

将其添加到您的 claude_desktop_config.json：

Docker

{
  "mcpServers": {
    "memory": {
      "command": "docker",
      "args": ["run", "-i", "-v", "claude-memory:/app/dist", "--rm", "mcp/memory"]
    }
  }
}

NPX

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ]
    }
  }
}

具有自定义设置的 NPX

可以使用以下环境变量配置服务器：

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ],
      "env": {
        "MEMORY_FILE_PATH": "/path/to/custom/memory.json"
      }
    }
  }
}

MEMORY_FILE_PATH：记忆存储 JSON 文件的路径（默认值：服务器目录中的 memory.json）

系统提示

利用记忆的提示取决于用例。更改提示将有助于模型确定创建的记忆的频率和类型。

这是一个用于聊天个性化的示例提示。您可以在 Claude.ai 项目的“自定义说明”字段中使用此提示。

按照以下步骤进行每次交互：

1. 用户识别：
   - 您应该假设您正在与 default_user 交互
   - 如果您尚未识别 default_user，请主动尝试这样做。

2. 记忆检索：
   - 始终以仅说“Remembering...”开始您的聊天，并从您的知识图谱中检索所有相关信息
   - 始终将您的知识图谱称为您的“记忆”

3. 记忆
   - 在与用户交谈时，请注意属于以下类别的任何新信息：
     a) 基本身份（年龄、性别、位置、职称、教育程度等）
     b) 行为（兴趣、习惯等）
     c) 偏好（沟通方式、首选语言等）
     d) 目标（目标、指标、愿望等）
     e) 关系（个人和职业关系，最多 3 度分离）

4. 记忆更新：
   - 如果在交互过程中收集到任何新信息，请按如下方式更新您的记忆：
     a) 为重复出现的组织、人员和重大事件创建实体
     b) 使用关系将它们连接到当前实体
     b) 将关于它们的事实存储为观察

构建

Docker:

docker build -t mcp/memory -f src/memory/Dockerfile .

许可证

此 MCP 服务器已获得 MIT 许可证的许可。这意味着您可以自由使用、修改和分发该软件，但须遵守 MIT 许可证的条款和条件。有关更多详细信息，请参阅项目存储库中的 LICENSE 文件。

新工具

create_lesson
- 从错误及其解决方案创建一个新课程
- 输入：lesson（对象）
  - 包含错误模式、解决方案步骤和元数据
  - 自动跟踪创建时间和更新
  - 验证解决方案步骤是否完整
find_similar_errors
- 查找相似的错误及其解决方案
- 输入：errorPattern（对象）
  - 包含错误类型、消息和上下文
  - 返回按成功率排序的匹配课程
  - 包括相关的解决方案和验证步骤
update_lesson_success
- 更新课程的成功跟踪
- 输入：
  - lessonName（字符串）：要更新的课程
  - success（布尔值）：解决方案是否有效
- 更新成功率和频率指标
get_lesson_recommendations
- 获取当前上下文的相关课程
- 输入：context（字符串）
- 返回按相关性和成功率排序的课程
- 包括完整的解决方案详细信息和验证步骤

非常感谢此存储库的所有者提供的基础代码，我使用课程和文件管理对其进行了增强

非常感谢！ https://github.com/modelcontextprotocol/servers jerome3o-anthropic https://github.com/modelcontextprotocol/servers/tree/main/src/memory