mcp-knowledge-graph
一个改进的持久性记忆实现,使用本地知识图谱,并提供可自定义的 `--memory-path` 参数。这使得 Claude 能够在多次对话中记住关于用户的信息。
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
README
知识图谱记忆服务器
这是一个改进的持久化内存实现,使用本地知识图谱,并允许自定义 --memory-path。
这使得 Claude 能够在多次对话中记住关于用户的信息。
[!NOTE] 这是原始 Memory Server 的一个分支,旨在不使用临时的 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
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:
- 以字符串形式存储
- 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): 相关观察
- 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 Claude Desktop 一起使用
设置
将此添加到您的 claude_desktop_config.json:
{
"mcpServers": {
"memory": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-memory"
]
}
}
}
自定义记忆路径
您可以为记忆文件指定自定义路径:
{
"mcpServers": {
"memory": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-memory", "--memory-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互动:
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“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、地点、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
b) 将关于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
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。
Knowledge Graph Memory Server
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。
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。
RAT MCP Server (Retrieval Augmented Thinking)
🧠 MCP 服务器,实现了 RAT(检索增强思维)—— 结合了 DeepSeek 的推理能力和 GPT-4/Claude/Mistral 的回复,并在交互之间保持对话上下文。
MCP - Titan Memory Server
启用神经记忆序列学习,通过记忆增强模型来改进代码理解和生成,具有状态管理、新颖性检测和模型持久化等功能。
Neo4j MCP Clients & Servers
这使您可以使用 Claude Desktop 或任何 MCP 客户端,通过自然语言来完成 Neo4j 和您的 Aura 账户中的任务。
mcp-reasoner
一个为 Claude Desktop 设计的系统推理 MCP 服务器实现,具备束搜索和思维评估能力。 (Alternatively, a slightly more technical translation:) 一个为 Claude Desktop 设计的系统性推理 MCP 服务器实现,具有束搜索和思想评估功能。
Zanny's Persistent Memory Manager
一个定制的 MCP 服务器,允许使用自然语言命令和关键词检测来存储、检索和管理基于文本的信息。 (Alternatively, a slightly more formal translation:) 一个定制的 MCP 服务器,它允许通过自然语言指令和关键词检测,实现对文本信息的存储、检索和管理。
MCP Reasoner
一个为 Claude Desktop 设计的系统性推理 MCP 服务器,采用束搜索 (Beam Search) 和蒙特卡洛树搜索 (Monte Carlo Tree Search) 来促进复杂问题解决和决策过程。