Speicher-MCP

Ein auf Wissensgraphen basierendes Speichersystem für KI-Agenten, das die dauerhafte Speicherung von Informationen zwischen Gesprächen ermöglicht.

Merkmale

• Persistenter Speicher mithilfe einer Wissensgraphstruktur

• Entity-Relationship-Modell zur Organisation von Informationen

• Tools zum Hinzufügen, Suchen und Abrufen von Erinnerungen

Related MCP server: cortex-engine

Werkzeuge

Das System bietet die folgenden MCP-Tools:

• load_knowledge_graph() : Ruft den gesamten Wissensgraphen ab

• get_knowledge_graph_size() : Gibt die aktuelle Größenkategorie des Graphen zurück ("klein", "mittel" oder "groß")

• add_entities(entities) : Fügt dem Speicher neue Entitäten hinzu

• add_relations(relations) : Erstellt Beziehungen zwischen Entitäten

• add_observations(entity_name, observations) : Fügt Beobachtungen zu bestehenden Entitäten hinzu

• delete_entities(entity_names) : Entfernt Entitäten aus dem Speicher

• delete_relations(relations) : Entfernt Beziehungen

• search_nodes(query, search_mode) : Sucht nach Entitäten und Relationen, die einer Abfrage entsprechen. Unterstützt drei Suchmodi:

  • "exact_phrase": Entspricht der gesamten Abfrage als Teilzeichenfolge

  • „any_token“: Stimmt überein, wenn ein beliebiges Wort in der Abfrage übereinstimmt (Standard)

  • "all_tokens": Stimmt überein, wenn alle Wörter in der Abfrage übereinstimmen

• open_nodes(names) : Ruft bestimmte Entitäten und ihre Beziehungen untereinander ab

Verwendung

Führen Sie den Agenten mit folgendem Befehl aus:

uv run memory_agent.py

Der Agent wird automatisch:

1. Laden Sie den Speicher zu Beginn von Gesprächen

2. Verweisen Sie bei Interaktionen auf relevante Informationen

3. Aktualisieren Sie das Gedächtnis mit neuen Informationen, wenn das Gespräch endet

Beenden Sie eine Konversation, indem Sie q eingeben.

Konfiguration

Legen Sie den Speicherort mit der Umgebungsvariablen MEMORY_FILE_PATH fest (standardmäßig memory.json ).