优化内存 mcp 服务器

这是为了测试和演示 Claude AI 的编码能力，以及良好的 AI 工作流程和提示设计。这是一个 Python 内存 MCP 服务器的分支（我相信官方的 MCP 服务器是用 Java 编写的），它使用 SQLite 作为后端。

知识图谱内存服务器

使用本地知识图谱实现持久内存的基本实现。这使得 Claude 能够在聊天过程中记住用户的相关信息。

核心概念

实体

实体是知识图谱中的主要节点。每个实体具有：

唯一名称（标识符）
实体类型（例如“人”、“组织”、“事件”）
观察结果列表

例子：

{
  "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，描述实体之间如何交互或关联。

例子：

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

观察

观察值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
应该是原子的（每个观察一个事实）

例子：

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

API

工具

创建实体
- 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 （string[]）：相关观察
- 忽略具有现有名称的实体
创建关系
- 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
添加观察结果
- 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 （string[]）：要添加的新观察结果
- 返回每个实体添加的观察值
- 如果实体不存在则失败
删除实体
- 删除实体及其关系
- 输入： entityNames （string[]）
- 级联删除关联关系
- 如果实体不存在则静默操作
删除观察结果
- 从实体中删除特定观察结果
- 输入： deletions （对象数组）
  - 每个对象包含：
    - entityName （字符串）：目标实体
    - observations （string[]）：要删除的观察结果
- 如果不存在观察，则静默运行
删除关系
- 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
读取图
- 阅读整个知识图谱
- 无需输入
- 返回包含所有实体和关系的完整图形结构
搜索节点
- 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
打开节点
- 按名称检索特定节点
- 输入： names （string[]）
- 返回：
  - 请求的实体
  - 被请求实体之间的关系
- 默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 中：

Docker

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

NPX

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

系统提示

使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。

以下是聊天个性化提示的示例。您可以在Claude.ai 项目的“自定义说明”字段中使用此提示。

Follow these steps for each interaction:

1. User Identification:
   - You should assume that you are interacting with default_user
   - If you have not identified default_user, proactively try to do so.

2. Memory Retrieval:
   - Always begin your chat by saying only "Remembering..." and retrieve all relevant information from your knowledge graph
   - Always refer to your knowledge graph as your "memory"

3. Memory
   - While conversing with the user, be attentive to any new information that falls into these categories:
     a) Basic Identity (age, gender, location, job title, education level, etc.)
     b) Behaviors (interests, habits, etc.)
     c) Preferences (communication style, preferred language, etc.)
     d) Goals (goals, targets, aspirations, etc.)
     e) Relationships (personal and professional relationships up to 3 degrees of separation)

4. Memory Update:
   - If any new information was gathered during the interaction, update your memory as follows:
     a) Create entities for recurring organizations, people, and significant events
     b) Connect them to the current entities using relations
     b) Store facts about them as observations

建筑

Docker：

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

执照

此 MCP 服务器采用 MIT 许可证。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。更多详情，请参阅项目仓库中的 LICENSE 文件。

Knowledge Graph Memory Server

Integrations