Knowledge Graph Memory Server 精选
为 Claude 实现持久性记忆,使用本地知识图谱,允许 AI 记住用户的信息,并可在自定义位置存储,跨对话保持记忆。
README
知识图谱记忆服务器
使用本地知识图谱和可定制的记忆路径,对持久性记忆的改进实现。
这使得 Claude 能够记住用户在不同聊天中的信息。
[!NOTE] 这是原始 Memory Server 的一个分支,旨在不使用临时内存 npx 安装方法。
服务器名称
mcp-knowledge-graph


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
- 创建日期和版本跟踪
版本跟踪功能有助于维护知识随时间演变的历史背景。
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。它们始终以主动语态存储,并描述实体如何交互或相互关联。每个关系包括:
- 源实体和目标实体
- 关系类型
- 创建日期和版本信息
此版本控制系统有助于跟踪实体之间的关系如何随时间演变。
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"
]
}
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
- 每个对象包含:
- 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
- 每个对象包含:
- 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
- 每个对象包含:
- 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
- 每个对象包含:
- 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
- 每个对象包含:
- 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
与 Cursor、Cline 或 Claude Desktop 一起使用
设置
将其添加到您的 mcp.json 或 claude_desktop_config.json:
{
"mcpServers": {
"memory": {
"command": "npx",
"args": [
"-y",
"@itseasy21/mcp-knowledge-graph"
],
"env": {
"MEMORY_FILE_PATH": "/path/to/your/projects.jsonl"
}
}
}
}
通过 Smithery 安装
要通过 Smithery 为 Claude Desktop 自动安装 Knowledge Graph Memory Server:
npx -y @smithery/cli install @itseasy21/mcp-knowledge-graph --client claude
自定义记忆路径
您可以通过两种方式指定记忆文件的自定义路径:
- 使用命令行参数:
{
"mcpServers": {
"memory": {
"command": "npx",
"args": ["-y", "@itseasy21/mcp-knowledge-graph", "--memory-path", "/path/to/your/memory.jsonl"]
}
}
}
- 使用环境变量:
{
"mcpServers": {
"memory": {
"command": "npx",
"args": ["-y", "@itseasy21/mcp-knowledge-graph"],
"env": {
"MEMORY_FILE_PATH": "/path/to/your/memory.jsonl"
}
}
}
}
如果未指定路径,则默认使用服务器安装目录中的 memory.jsonl。
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“正在记忆...”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) 为经常出现的组织、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) 将有关它们的事实存储为观察
许可证
此 MCP 服务器在 MIT 许可证下获得许可。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。
推荐服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。
mcp-server-qdrant
这个仓库展示了如何为向量搜索引擎 Qdrant 创建一个 MCP (Managed Control Plane) 服务器的示例。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
https://github.com/Streen9/react-mcp
react-mcp 与 Claude Desktop 集成,能够根据用户提示创建和修改 React 应用程序。
mult-fetch-mcp-server
一个多功能的、符合 MCP 规范的网页内容抓取工具,支持多种模式(浏览器/Node)、格式(HTML/JSON/Markdown/文本)和智能代理检测,并提供双语界面(英语/中文)。
AIO-MCP Server
🚀 集成了 AI 搜索、RAG 和多服务(GitLab/Jira/Confluence/YouTube)的一体化 MCP 服务器,旨在增强 AI 驱动的开发工作流程。来自 Folk。
Hyperbrowser
欢迎来到 Hyperbrowser,人工智能的互联网。Hyperbrowser 是下一代平台,旨在增强人工智能代理的能力,并实现轻松、可扩展的浏览器自动化。它专为人工智能开发者打造,消除了本地基础设施和性能瓶颈带来的麻烦,让您能够:
mcp-codex-keeper
作为开发知识的守护者,为 AI 助手提供精心策划的最新文档和最佳实践访问权限。
Perplexity Deep Research MCP
一个服务器,它允许 AI 助手使用 Perplexity 的 sonar-deep-research 模型进行网络搜索,并提供引用支持。
Doc/docx-MCP
一个基于 FastMCP 的强大 Word 文档处理服务,使 AI 助手能够创建、编辑和管理 docx 文件,并提供完整的格式支持。在编辑内容时保留原始样式。