forked https://github.com/modelcontextprotocol/servers/tree/main

知识图谱记忆服务器

一个使用本地知识图谱实现的持久化记忆的基本实现。这使得 Claude 能够记住关于用户的跨会话信息。

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"
  ]
}

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

  • 根据一个或多个关键字搜索节点
  • 输入：query（字符串）
    • 空格分隔的关键字（例如，“预算 实用程序”）
    • 多个关键字被视为 OR 条件
  • 搜索范围：
    • 实体名称
    • 实体类型
    • 子域
    • 观察内容
  • 匹配行为：
    • 忽略大小写
    • 部分单词匹配
    • 任何关键字都可以匹配任何字段
    • 返回匹配任何关键字的实体
  • 返回匹配的实体及其关系
  • 示例查询：
    • 单个关键字：“预算”
    • 多个关键字：“预算 实用程序”
    • 带有特殊字符：“预算 & 实用程序”

• 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 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", "--rm", "mcp/memory"]
    }
  }
}

NPX

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

带有自定义设置的 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：内存存储 JSON 文件的路径（默认：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。

对于每次互动，请按照以下步骤操作：

1. 用户识别：
   - 您应该假设您正在与 default_user 互动
   - 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”
   - 在搜索您的记忆时，您可以使用多个关键字来查找相关信息
   - 示例搜索：
     * 单个概念：“编程”
     * 相关概念：“编程 python”
     * 具有角色的特定领域：“工作 工程师”

3. 记忆创建：
   - 在与用户交谈时，请注意属于以下任何类别的新信息：
     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）
   - 在存储信息时，请使用特定且描述性的关键字，这将有助于将来的搜索

4. 记忆更新：
   - 如果在互动期间收集到任何新信息，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
     c) 将关于它们的事实存储为观察
     d) 在实体名称和观察中使用清晰且可搜索的术语，以方便将来检索

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。