MCP内存服务

Name: MCP Memory Service
Author: doobidoo

许可证：MIT 铁匠徽章

一个 MCP 服务器，使用 ChromaDB 和句子转换器为 Claude Desktop 提供语义记忆和持久存储功能。该服务支持长期记忆存储和语义搜索功能，非常适合跨对话和实例维护上下文。

帮助

使用TalkToGitHub与 Repo 对话！

Related MCP server: MCP DuckDB Knowledge Graph Memory Server

特征

使用句子转换器进行语义搜索
基于自然语言时间的回忆（例如，“上周”，“昨天早上”）
基于标签的记忆检索系统
使用 ChromaDB 进行持久存储
自动数据库备份
内存优化工具
精确匹配检索
相似性分析的调试模式
数据库健康监控
重复检测和清理
可定制的嵌入模型
跨平台兼容性（Apple Silicon、Intel、Windows、Linux）
针对不同环境的硬件感知优化
有限硬件资源的优雅回退

安装

快速启动（推荐）

增强的安装脚本会自动检测您的系统并安装适当的依赖项：

# Clone the repository git clone https://github.com/doobidoo/mcp-memory-service.git cd mcp-memory-service # Create and activate a virtual environment python -m venv venv source venv/bin/activate # On Windows: venv\Scripts\activate # Run the installation script python install.py

install.py脚本将：

检测您的系统架构和可用的硬件加速器
为您的平台安装适当的依赖项
为您的环境配置最佳设置
验证安装并在需要时提供诊断

Docker 安装

您可以使用 Docker 运行内存服务：

# Using Docker Compose (recommended) docker-compose up # Using Docker directly docker build -t mcp-memory-service . docker run -p 8000:8000 -v /path/to/data:/app/chroma_db -v /path/to/backups:/app/backups mcp-memory-service

我们针对不同的场景提供了多种 Docker Compose 配置：

docker-compose.yml - 使用 pip install 的标准配置
docker-compose.uv.yml - 使用 UV 包管理器的替代配置
docker-compose.pythonpath.yml - 具有显式 PYTHONPATH 设置的配置

要使用替代配置：

docker-compose -f docker-compose.uv.yml up

Windows 安装（特殊情况）

由于特定平台的 Wheel 可用性，Windows 用户可能会遇到 PyTorch 安装问题。请使用我们 Windows 专用的安装脚本：

# After activating your virtual environment python scripts/install_windows.py

该脚本处理：

检测 CUDA 可用性和版本
从正确的索引 URL 安装适当的 PyTorch 版本
安装其他依赖项而不与 PyTorch 冲突
验证安装

通过 Smithery 安装

要通过Smithery自动为 Claude Desktop 安装内存服务：

npx -y @smithery/cli install @doobidoo/mcp-memory-service --client claude

详细安装指南

有关全面的安装说明和故障排除，请参阅安装指南。

Claude MCP 配置

标准配置

将以下内容添加到您的claude_desktop_config.json文件中：

{ "memory": { "command": "uv", "args": [ "--directory", "your_mcp_memory_service_directory", // e.g., "C:\\REPOSITORIES\\mcp-memory-service" "run", "memory" ], "env": { "MCP_MEMORY_CHROMA_PATH": "your_chroma_db_path", // e.g., "C:\\Users\\John.Doe\\AppData\\Local\\mcp-memory\\chroma_db" "MCP_MEMORY_BACKUPS_PATH": "your_backups_path" // e.g., "C:\\Users\\John.Doe\\AppData\\Local\\mcp-memory\\backups" } } }

Windows 特定配置（推荐）

对于 Windows 用户，我们建议使用包装器脚本来确保 PyTorch 正确安装：

{ "memory": { "command": "python", "args": [ "C:\\path\\to\\mcp-memory-service\\memory_wrapper.py" ], "env": { "MCP_MEMORY_CHROMA_PATH": "C:\\Users\\YourUsername\\AppData\\Local\\mcp-memory\\chroma_db", "MCP_MEMORY_BACKUPS_PATH": "C:\\Users\\YourUsername\\AppData\\Local\\mcp-memory\\backups" } } }

包装脚本将：

检查 PyTorch 是否已安装并正确配置
如果需要，使用正确的索引 URL 安装 PyTorch
使用适当的配置运行内存服务器

使用指南

有关如何与 Claude Desktop 中的内存服务交互的详细说明：

调用指南——了解在 Claude 中触发内存操作的特定关键字和短语
安装指南- 详细设置说明

在您与 Claude 的对话中，记忆服务会通过自然语言命令调用。例如：

对商店说：“请记住，我的项目截止日期是 5 月 15 日。”
检索：“你还记得我告诉你的项目截止日期吗？”
删除：“请忘记我告诉你的我的地址。”

请参阅调用指南以获取完整的命令列表和详细的使用示例。

内存操作

内存服务通过MCP服务器提供以下操作：

核心内存操作

store_memory - 使用可选标签存储新信息
retrieve_memory - 对相关记忆进行语义搜索
recall_memory - 使用自然语言时间表达检索记忆
search_by_tag - 使用特定标签查找记忆
exact_match_retrieve - 查找内容完全匹配的记忆
debug_retrieve - 检索具有相似度分数的记忆

数据库管理

create_backup - 创建数据库备份
get_stats获取内存统计信息
optimize_db优化数据库性能
check_database_health - 获取数据库健康指标
check_embedding_model - 验证模型状态

内存管理

delete_memory - 通过哈希删除特定内存
delete_by_tag - 删除所有带有特定标签的记忆
cleanup_duplicates - 删除重复条目

配置选项

通过环境变量配置：

CHROMA_DB_PATH: Path to ChromaDB storage BACKUP_PATH: Path for backups AUTO_BACKUP_INTERVAL: Backup interval in hours (default: 24) MAX_MEMORIES_BEFORE_OPTIMIZE: Threshold for auto-optimization (default: 10000) SIMILARITY_THRESHOLD: Default similarity threshold (default: 0.7) MAX_RESULTS_PER_QUERY: Maximum results per query (default: 10) BACKUP_RETENTION_DAYS: Number of days to keep backups (default: 7) LOG_LEVEL: Logging level (default: INFO) # Hardware-specific environment variables PYTORCH_ENABLE_MPS_FALLBACK: Enable MPS fallback for Apple Silicon (default: 1) MCP_MEMORY_USE_ONNX: Use ONNX Runtime for CPU-only deployments (default: 0) MCP_MEMORY_USE_DIRECTML: Use DirectML for Windows acceleration (default: 0) MCP_MEMORY_MODEL_NAME: Override the default embedding model MCP_MEMORY_BATCH_SIZE: Override the default batch size

硬件兼容性

平台	建筑学	加速器	地位
macOS	苹果硅片 (M1/M2/M3)	国会议员	✅ 完全支持
macOS	Rosetta 2 下的 Apple Silicon	中央处理器	✅ 支持后备
macOS	英特尔	中央处理器	✅ 完全支持
视窗	x86_64	CUDA	✅ 完全支持
视窗	x86_64	DirectML	✅ 支持
视窗	x86_64	中央处理器	✅ 支持后备
Linux	x86_64	CUDA	✅ 完全支持
Linux	x86_64	ROC	✅ 支持
Linux	x86_64	中央处理器	✅ 支持后备
Linux	ARM64	中央处理器	✅ 支持后备

测试

# Install test dependencies pip install pytest pytest-asyncio # Run all tests pytest tests/ # Run specific test categories pytest tests/test_memory_ops.py pytest tests/test_semantic_search.py pytest tests/test_database.py # Verify environment compatibility python scripts/verify_environment_enhanced.py # Verify PyTorch installation on Windows python scripts/verify_pytorch_windows.py # Perform comprehensive installation verification python scripts/test_installation.py

故障排除

有关详细的故障排除步骤，请参阅安装指南。

快速故障排除提示

Windows PyTorch 错误：使用python scripts/install_windows.py
macOS Intel 依赖冲突：使用python install.py --force-compatible-deps
递归错误：运行python scripts/fix_sitecustomize.py
环境验证：运行python scripts/verify_environment_enhanced.py
内存问题：设置MCP_MEMORY_BATCH_SIZE=4并尝试较小的模型
Apple Silicon ：确保为 ARM64 构建 Python 3.10+，设置PYTORCH_ENABLE_MPS_FALLBACK=1
安装测试：运行python scripts/test_installation.py

项目结构

mcp-memory-service/ ├── src/mcp_memory_service/ # Core package code │ ├── __init__.py │ ├── config.py # Configuration utilities │ ├── models/ # Data models │ ├── storage/ # Storage implementations │ ├── utils/ # Utility functions │ └── server.py # Main MCP server ├── scripts/ # Helper scripts ├── memory_wrapper.py # Windows wrapper script ├── install.py # Enhanced installation script └── tests/ # Test suite

开发指南

带有类型提示的 Python 3.10+
使用数据类作为模型
模块和函数的三重引号文档字符串
所有 I/O 操作的异步/等待模式
遵循 PEP 8 样式指南
包括新功能的测试

执照

MIT 许可证 - 详情请参阅许可证文件

致谢

ChromaDB矢量数据库团队
用于嵌入模型的句子转换器项目
协议规范的 MCP 项目

接触

电报

集成

MCP 内存服务可以通过各种工具和实用程序进行扩展。请参阅集成以获取可用选项列表，包括：

MCP 内存仪表板- 用于浏览和管理内存的 Web UI
Claude Memory Context - 将内存上下文注入 Claude 项目说明

MCP Memory Service