MCP DuckDB 知识图谱内存服务器
官方知识图谱内存服务器的分叉版本。
安装
通过 Smithery 安装
要通过Smithery自动为 Claude Desktop 安装 DuckDB 知识图谱内存服务器：
npx -y @smithery/cli install @IzumiSy/mcp-duckdb-memory-server --client claude
手动安装
否则，请在claude_desktop_config.json中手动添加@IzumiSy/mcp-duckdb-memory-server （ MEMORY_FILE_PATH是可选的）
{
"mcpServers": {
"graph-memory": {
"command": "npx",
"args": [
"-y",
"@izumisy/mcp-duckdb-memory-server"
],
"env": {
"MEMORY_FILE_PATH": "/path/to/your/memory.data"
}
}
}
}
该路径上存储的数据是 DuckDB 数据库文件。
Docker
建造
docker build -t mcp-duckdb-graph-memory .
跑步
docker run -dit mcp-duckdb-graph-memory
用法
使用下面的示例指令
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 search relevant information from your knowledge graph
- Create a search query from user words, and search things from "memory". If nothing matches, try to break down words in the query at first ("A B" to "A" and "B" for example).
- 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
动机
该项目通过用 DuckDB 替换其后端来增强原始 MCP 知识图谱内存服务器。
为什么选择 DuckDB？
最初的 MCP 知识图谱内存服务器使用 JSON 文件作为数据存储，并执行内存搜索。虽然这种方法对于小型数据集非常有效，但也带来了一些挑战：
- 性能：随着数据集的增长，内存搜索性能会下降
- 可扩展性：处理大量实体和关系时，内存使用量会显著增加
- 查询灵活性：复杂查询和条件搜索难以实现
- 数据完整性：确保事务和 CRUD 操作的原子性具有挑战性
选择 DuckDB 来解决以下挑战：
- 快速查询处理：DuckDB 针对分析查询进行了优化，即使处理大型数据集也能表现良好
- SQL 接口：标准 SQL 可用于轻松执行复杂查询
- 事务支持：支持事务处理以维护数据完整性
- 索引功能：允许创建索引以提高搜索性能
- 嵌入式数据库：在应用程序内工作，无需外部数据库服务器
实现细节
本实现采用DuckDB作为后端存储系统，重点关注两个方面：
数据库结构
知识图谱存储在关系数据库结构中如下图所示：
这种模式设计允许有效地存储和检索知识图谱组件，同时维护实体、观察和关系之间的关系。
模糊搜索实现
该实现将 SQL 查询与 Fuse.js 结合起来，实现灵活的实体搜索：
- DuckDB SQL 查询从数据库中检索基础数据
- Fuse.js 在检索到的数据上提供模糊匹配功能
- 这种混合方法允许结构化查询和灵活的文本匹配
- 搜索结果包括完全匹配和部分匹配，按相关性排序
发展
设置
测试
执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅LICENSE文件。