지식 그래프 메모리 서버

로컬 지식 그래프를 활용한 지속형 메모리의 기본 구현. 이를 통해 Claude는 여러 채팅에서 사용자 정보를 기억하고, 레슨 시스템을 통해 과거 오류로부터 학습할 수 있습니다.

핵심 개념

엔티티

엔티티는 지식 그래프의 주요 노드입니다. 각 엔티티는 다음을 갖습니다.

고유한 이름(식별자)
엔터티 유형(예: "사람", "조직", "이벤트")
관찰 목록

예:

지엑스피1

처지

관계는 엔티티 간의 방향성 있는 연결을 정의합니다. 관계는 항상 능동태로 저장되며 엔티티가 서로 어떻게 상호 작용하거나 관계를 맺는지 설명합니다.

예:

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

관찰

관찰은 개체에 대한 개별적인 정보입니다. 관찰은 다음과 같습니다.

문자열로 저장됨
특정 엔터티에 첨부됨
독립적으로 추가하거나 제거할 수 있습니다
원자적이어야 함(관찰당 하나의 사실)

예:

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

수업

레슨은 오류와 그 해결책에 대한 지식을 담고 있는 특별한 단위입니다. 각 레슨은 다음과 같은 특징을 갖습니다.

고유한 이름(식별자)
오류 패턴 정보(유형, 메시지, 컨텍스트)
솔루션 단계 및 검증
성공률 추적
환경적 맥락
메타데이터(심각도, 타임스탬프, 빈도)

예:

{
  "name": "NPM_VERSION_MISMATCH_01",
  "entityType": "lesson",
  "observations": [
    "Error occurs when using incompatible package versions",
    "Affects Windows environments specifically",
    "Resolution requires version pinning"
  ],
  "errorPattern": {
    "type": "dependency",
    "message": "Cannot find package @shadcn/ui",
    "context": "package installation"
  },
  "metadata": {
    "severity": "high",
    "environment": {
      "os": "windows",
      "nodeVersion": "18.x"
    },
    "createdAt": "2025-02-13T13:21:58.523Z",
    "updatedAt": "2025-02-13T13:22:21.336Z",
    "frequency": 1,
    "successRate": 1.0
  },
  "verificationSteps": [
    {
      "command": "pnpm add shadcn@latest",
      "expectedOutput": "Successfully installed shadcn",
      "successIndicators": ["added shadcn"]
    }
  ]
}

API

도구

엔티티 생성
- 지식 그래프에 여러 개의 새 엔터티 만들기
- 입력: entities (객체 배열)
  - 각 객체에는 다음이 포함됩니다.
    - name (문자열): 엔터티 식별자
    - entityType (문자열): 유형 분류
    - observations (문자열[]): 연관된 관찰
- 기존 이름이 있는 엔터티를 무시합니다.
관계 생성
- 엔터티 간에 여러 개의 새로운 관계를 생성합니다.
- 입력: relations (객체 배열)
  - 각 객체에는 다음이 포함됩니다.
    - from (문자열): 소스 엔터티 이름
    - to (문자열): 대상 엔터티 이름
    - relationType (문자열): 활성태의 관계 유형
- 중복된 관계를 건너뜁니다.
관찰 추가
- 기존 엔터티에 새로운 관찰 추가
- 입력: observations (객체 배열)
  - 각 객체에는 다음이 포함됩니다.
    - entityName (문자열): 대상 엔티티
    - contents (문자열[]): 추가할 새로운 관찰
- 엔터티당 추가된 관찰 결과를 반환합니다.
- 엔터티가 존재하지 않으면 실패합니다.
엔티티 삭제
- 엔터티와 해당 관계 제거
- 입력: entityNames (string[])
- 연관된 관계의 계단식 삭제
- 엔터티가 존재하지 않으면 자동 작업
관찰 삭제
- 엔터티에서 특정 관찰을 제거합니다.
- 입력: deletions (객체 배열)
  - 각 객체에는 다음이 포함됩니다.
    - entityName (문자열): 대상 엔티티
    - observations (string[]): 제거할 관찰
- 관찰이 존재하지 않으면 조용한 작동
관계 삭제
- 그래프에서 특정 관계 제거
- 입력: relations (객체 배열)
  - 각 객체에는 다음이 포함됩니다.
    - from (문자열): 소스 엔터티 이름
    - to (문자열): 대상 엔터티 이름
    - relationType (문자열): 관계 유형
- 관계가 존재하지 않으면 자동 작업
읽기_그래프
- 지식 그래프 전체를 읽어보세요
- 입력이 필요하지 않습니다
- 모든 엔터티와 관계가 포함된 완전한 그래프 구조를 반환합니다.
검색_노드
- 쿼리 기반 노드 검색
- 입력: query (문자열)
- 검색 범위:
  - 엔터티 이름
  - 엔터티 유형
  - 관찰 내용
- 일치하는 엔터티와 해당 관계를 반환합니다.
오픈 노드
- 이름으로 특정 노드 검색
- 입력: names (string[])
- 보고:
  - 요청된 엔터티
  - 요청된 엔터티 간의 관계
- 존재하지 않는 노드를 자동으로 건너뜁니다.

수업 관리 도구

레슨 생성
- 오류와 해결책을 바탕으로 새로운 교훈을 만들어 보세요.
- 입력: lesson (객체)
  - 포함 내용:
    - name (문자열): 고유 식별자
    - entityType (문자열): "lesson"이어야 합니다.
    - observations (문자열[]): 오류 및 솔루션에 대한 참고 사항
    - errorPattern (객체): 오류 세부 정보
      - type (문자열): 오류 범주
      - message (문자열): 오류 메시지
      - context (문자열): 오류가 발생한 위치
      - stackTrace (문자열, 선택 사항): 스택 추적
    - metadata (객체): 추가 정보
      - severity ("낮음" | "보통" | "높음" | "중요")
      - environment (객체): 시스템 세부 정보
      - frequency (숫자): 발생 횟수
      - successRate (숫자): 솔루션 성공률
    - verificationSteps (배열): 솔루션 검증
      - 각 단계에는 다음이 포함됩니다.
        command (문자열): 수행할 작업
        expectedOutput (문자열): 예상 결과
        successIndicators (string[]): 성공 표시기
- 메타데이터 타임스탬프를 자동으로 초기화합니다.
- 모든 필수 필드를 검증합니다
유사한 오류 찾기
- 유사한 오류와 해결책을 찾아보세요
- 입력: errorPattern (객체)
  - 포함 내용:
    - type (문자열): 오류 범주
    - message (문자열): 오류 메시지
    - context (문자열): 오류 컨텍스트
- 성공률에 따라 정렬된 일치하는 수업을 반환합니다.
- 오류 메시지에 대해 퍼지 매칭을 사용합니다.
업데이트_레슨_성공
- 수업에 대한 성공 추적 업데이트
- 입력:
  - lessonName (문자열): 업데이트할 수업
  - success (부울): 솔루션이 작동했는지 여부
- 업데이트:
  - 성공률(가중 평균)
  - 주파수 카운터
  - 마지막 업데이트 타임스탬프
레슨 추천 받기
- 현재 상황에 맞는 관련 수업을 받으세요
- 입력: context (문자열)
- 검색 범위:
  - 오류 유형
  - 오류 메시지
  - 오류 컨텍스트
  - 수업 관찰
- 다음 기준으로 정렬된 수업을 반환합니다:
  - 문맥 관련성
  - 성공률
- 전체 솔루션 세부 정보 포함

파일 관리

이제 서버는 두 가지 유형의 파일을 처리합니다.

memory.json : 기본 엔티티와 관계를 저장합니다.
lesson.json : 오류 패턴이 포함된 수업 엔터티를 저장합니다.

성능 유지를 위해 파일이 1000줄을 초과하면 자동으로 분할됩니다.

커서 MCP 클라이언트 설정

이 메모리 서버를 Cursor MCP 클라이언트와 통합하려면 다음 단계를 따르세요.

저장소 복제:

git clone [repository-url]
cd [repository-name]

종속성 설치:

pnpm install

프로젝트 빌드:

pnpm build

서버 구성:

빌드된 서버 파일의 전체 경로를 찾으세요: /path/to/the/dist/index.js
Node.js를 사용하여 서버를 시작합니다: node /path/to/the/dist/index.js

커서에서 활성화:

단축키 Ctrl+Shift+P 사용하세요
"창 다시 로드"를 입력하고 선택하세요
MCP 서버가 활성화될 때까지 몇 초간 기다리세요.
메시지가 표시되면 stdio 유형을 선택하세요

이제 메모리 서버가 Cursor MCP 클라이언트와 통합되어 사용할 준비가 되었습니다.

Claude Desktop과 함께 사용

설정

claude_desktop_config.json에 다음을 추가하세요.

도커

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

엔피엑스

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

사용자 정의 설정이 가능한 NPX

다음 환경 변수를 사용하여 서버를 구성할 수 있습니다.

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ],
      "env": {
        "MEMORY_FILE_PATH": "/path/to/custom/memory.json"
      }
    }
  }
}

MEMORY_FILE_PATH : 메모리 저장 JSON 파일 경로(기본값: 서버 디렉토리의 memory.json )

시스템 프롬프트

메모리 활용 프롬프트는 사용 사례에 따라 달라집니다. 프롬프트를 변경하면 모델이 생성되는 메모리의 빈도와 유형을 파악하는 데 도움이 됩니다.

다음은 채팅 개인화 프롬프트 예시입니다. Claude.ai 프로젝트 의 "맞춤 설정 지침" 필드에서 이 프롬프트를 사용할 수 있습니다.

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

건물

도커:

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

특허

이 MCP 서버는 MIT 라이선스에 따라 라이선스가 부여됩니다. 즉, MIT 라이선스의 약관에 따라 소프트웨어를 자유롭게 사용, 수정 및 배포할 수 있습니다. 자세한 내용은 프로젝트 저장소의 LICENSE 파일을 참조하세요.

새로운 도구

레슨 생성
- 오류와 해결책을 바탕으로 새로운 교훈을 만들어 보세요.
- 입력: lesson (객체)
  - 오류 패턴, 솔루션 단계 및 메타데이터가 포함되어 있습니다.
  - 생성 시간과 업데이트를 자동으로 추적합니다.
  - 솔루션 단계가 완료되었는지 확인합니다.
유사한 오류 찾기
- 유사한 오류와 해결책을 찾아보세요
- 입력: errorPattern (객체)
  - 오류 유형, 메시지 및 컨텍스트가 포함되어 있습니다.
  - 성공률에 따라 정렬된 일치하는 수업을 반환합니다.
  - 관련 솔루션 및 검증 단계 포함
업데이트_레슨_성공
- 수업에 대한 성공 추적 업데이트
- 입력:
  - lessonName (문자열): 업데이트할 레슨
  - success (부울): 솔루션이 작동했는지 여부
- 성공률 및 빈도 지표 업데이트
레슨 추천 받기
- 현재 상황에 맞는 관련 수업을 받으세요
- 입력: context (문자열)
- 관련성 및 성공률에 따라 정렬된 수업을 반환합니다.
- 전체 솔루션 세부 정보 및 검증 단계가 포함되어 있습니다.

이 저장소의 소유자에게 큰 감사를 표합니다. 저는 기본 코드를 레슨과 파일 관리로 강화했습니다.

정말 감사합니다! https://github.com/modelcontextprotocol/servers jerome3o-anthropic https://github.com/modelcontextprotocol/servers/tree/main/src/memory

Knowledge Graph Memory Server