Memory MCP Server
一个用于大型语言模型 (LLM) 的长期记忆存储系统,它通过使用语义搜索和嵌入 (embeddings) 来帮助 LLM 记住跨多个会话的上下文。该系统从过去的交互和开发决策中提供相关的历史信息。 Alternatively, a more concise translation: 一种用于大型语言模型的长期记忆存储系统,利用语义搜索和嵌入技术,使其能够记住跨会话的上下文,并提供来自历史交互和开发决策的相关信息。
README
Memory MCP Server
一个使用模型上下文协议 (MCP) 标准的 LLM 长期记忆存储系统。该系统帮助 LLM 记住整个项目历史中所做的工作的上下文,即使跨多个会话也是如此。它使用带有嵌入的语义搜索来提供来自过去交互和开发决策的相关上下文。
特性
- 基于项目的记忆组织
- 使用 Ollama 嵌入的语义搜索(nomic-embed-text 模型,768 维)
- 多种记忆类型:
- 对话:对话上下文和重要讨论
- 代码:实现细节和更改
- 决策:关键架构和设计选择
- 参考:外部资源和文档的链接
- 丰富的元数据存储,包括:
- 实现状态
- 关键决策
- 创建/修改的文件
- 代码更改
- 添加的依赖项
- 用于记忆组织的标签系统
- 记忆之间的关系追踪
前提条件
- Node.js (v18 或更高版本)
- 本地运行的 Ollama(用于嵌入)
- 必须安装
nomic-embed-text模型
- 必须安装
- SQLite3
安装
- 克隆存储库
- 安装依赖项:
npm install - 构建项目:
npm run build - 创建一个包含所需配置的
.env文件:OLLAMA_HOST=http://localhost:11434 DB_PATH=memory.db
用法
-
在开发模式下启动服务器:
npm run dev这将:
- 编译 TypeScript
- 复制 schema 文件
- 启动具有自动重新加载功能的服务器
-
服务器通过 stdio 连接以实现 Cursor 兼容性
数据库 Schema
该系统使用 SQLite,包含以下表:
核心表
projects: 项目信息和元数据memories: 存储各种开发上下文的记忆条目embeddings: 用于语义搜索功能的向量嵌入 (768d)
组织表
tags: 记忆组织标签memory_tags: 记忆和标签之间的多对多关系memory_relationships: 记忆条目之间的有向关系
MCP 工具
以下工具可通过 MCP 协议获得:
记忆管理
store-dev-memory: 创建新的开发记忆,包含:- 内容
- 类型(对话/代码/决策/参考)
- 标签
- 代码更改
- 创建/修改的文件
- 关键决策
- 实现状态
list-dev-memories: 列出具有可选标签过滤的现有记忆get-dev-memory: 按 ID 检索特定记忆search: 使用嵌入在记忆中进行语义搜索
开发
对于开发:
npm run dev
这将:
- 杀死任何现有的服务器实例
- 重新构建 TypeScript 代码
- 将 schema.sql 复制到 dist 目录
- 在开发模式下启动服务器
依赖项
关键依赖项:
@modelcontextprotocol/sdk@^1.7.0: MCP 协议实现better-sqlite3@^9.4.3: SQLite 数据库接口node-fetch@^3.3.2: 用于 Ollama API 的 HTTP 客户端zod@^3.22.4: 运行时类型检查和验证
项目结构
memory-mcp-server/
├── src/
│ ├── db/
│ │ ├── init.ts # 数据库初始化
│ │ └── service.ts # 数据库服务层
│ ├── dev-memory.ts # 开发记忆助手
│ ├── index.ts # 主服务器实现
│ └── schema.sql # 数据库 schema
├── dist/ # 编译后的 JavaScript
├── package.json # 项目配置
└── tsconfig.json # TypeScript 配置
贡献
欢迎贡献!请确保您:
- 编写清晰的提交消息
- 添加适当的文档
- 遵循现有的代码风格
- 根据需要添加/更新测试
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 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。