memanto-mcp

为 Claude 提供的类型化语义记忆。专为受监管的 B2B 智能体设计的、具有明确观点（opinionated）的记忆系统。

大多数“记忆 MCP”服务器只提供 save_memory(text) 就完事了。而本系统提供了一种具有明确观点的记忆模型——包含类型化记录（fact、decision、commitment、instruction 等）、每次写入时的来源与置信度、租户感知的作用域以及双时态（bi-temporal）回溯功能。此外，它还附带一个 Claude 技能，指导模型何时记忆、何时回溯、何时回答，以及如何保持引用和租户隔离的清晰性。

如果您正在 Anthropic 平台上构建 B2B 智能体——例如法律科技、金融、医疗保健、客户运营、内部知识工作——那么这就是为您打造的工具。

特色功能

• 类型化记忆。 十三种一等公民记忆类型（fact、preference、goal、decision、commitment、instruction、relationship、context、observation、event、artifact、learning、error）。类型错误会导致回溯结果嘈杂。选择正确的类型是 API 契约的一部分。

• 每条记录的来源与置信度。 包含 explicit_statement / inferred / observed / validated / corrected / imported，以及 0.0–1.0 的置信度评分。回溯时可通过 min_confidence 进行过滤。审计追踪内置于数据中，而非事后添加。

• 双时态读取。 recall_as_of(date) 返回特定日期时的记忆状态；recall_current 排除被取代/过期的记录。专为“我们在 时知道什么”的工作流而设计。

• 捆绑的 Claude 技能。 skills/memanto-memory/SKILL.md 指导 Claude 何时使用每个动词、如何通过复合 agent_id 将记忆限定在租户边界内、何时原始回溯优于合成答案（例如起草对外文本时，始终使用原始回溯），以及如何在读取时将记忆内容视为不可信。

• 单一进程。 直接封装 memanto Python 服务层——无需运行额外的 REST 进程。

Related MCP server: Kronvex

这不是什么

• 不是通用的向量存储。记忆是简短、结构化且类型化的；如果您需要索引 10 万份合同，请在您的文档存储中完成，并使用此系统来存储智能体针对这些合同所做的决策、承诺和观察。

• 不是后端无关的（目前）。目前绑定 Moorcheh 作为向量后端。免费层级为每月 10 万次操作；可插拔后端在 路线图 中。

• 不是企业级审计系统。该技能对受监管部署的需求有明确观点；但服务器尚未强制执行所有这些需求。请参阅 路线图 了解差距。

工具

九个 MCP 工具，命名空间为 memanto：

安装

作为 Cowork 插件（Anthropic 的 Cowork 模式）

1. 下载最新的 memanto-mcp.plugin 发行版。

2. 通过插件安装 UI 将其放入 Cowork。

3. 在 Cowork 继承的环境中设置 MOORCHEH_API_KEY，然后重启 Cowork。

作为独立 MCP 服务器（Claude Code, Cline, Cursor, Continue 等）

pip install memanto-mcp
export MOORCHEH_API_KEY="mch_..."

然后将您的 MCP 主机指向该二进制文件。Claude Code：

claude mcp add memanto -- memanto-mcp

Cursor / Cline / Continue：将其作为 stdio 服务器添加到您的 MCP 配置中，命令为 memanto-mcp。

若要在支持技能的 MCP 主机（Cowork, 支持技能插件的 Claude Code）中加载捆绑技能，请将 skills/memanto-memory/SKILL.md 复制到主机的技能目录中。

获取 Moorcheh API 密钥

在 https://console.moorcheh.ai/api-keys 注册。免费层级为每月 10 万次操作。

首次运行

> Create a memanto agent called acme:matter-4711:user-jdoe and remember
> that this matter has a 60-day notice period.

Claude 调用 memanto_create_agent 然后调用 memanto_remember(memory_type="fact", content="Matter 4711 (Acme): 60-day notice period.", confidence=0.95)。

> What do we know about Matter 4711?

Claude 调用 memanto_recall(query="Matter 4711", agent_id="acme:matter-4711:user-jdoe") 并引用存储的事实。

> What was our position on Matter 4711 before the redesign on 2026-03-01?

Claude 调用 memanto_recall_as_of(query="Matter 4711 position", agent_id=..., as_of_date="2026-02-28")。

技能如何处理作用域

服务器使用 agent_id 作为作用域原语。该技能教导 Claude 将其视为复合键：

agent_id = "<tenant>:<workspace>:<actor>"

例如：acme:matter-4711:user-jdoe。跨租户回溯是生产记忆系统中影响最大的故障模式——当边界错误时，该技能会让 Claude 明确拒绝，而不是静默返回空结果。

对于不适合复合键的轴（管辖区、区域、利益冲突组、产品线），请使用 tags——它们在回溯时是可过滤的。

起草规则

当用户正在撰写对外文本（合同修订、客户邮件、监管备案、临床摘要、简报备忘录）时，技能指示 Claude 使用 memanto_recall（原始命中）并进行引用，而不是使用 memanto_answer（合成）。改写引用的审计成本太高。

当用户在研究、探索或自我简报时，使用 memanto_answer 是可以的。

路线图

诚实的差距——即技能假设您在完全受监管的部署中需要什么，而服务器尚未实现的功能——记录在 ROADMAP.md 中。重点：结构化的 source_uri + source_span 字段（引用目前编码在 content 内部）、版本化变更 + 撤销 API、可插拔存储后端，以及用于非 stdio 主机的 HTTP 传输。

仓库布局

memanto-mcp/
├── .claude-plugin/plugin.json       # Cowork plugin manifest
├── .mcp.json                        # MCP server registration (Cowork)
├── server/memanto_mcp_server.py     # FastMCP server (stdio)
├── skills/memanto-memory/SKILL.md   # the bundled skill
├── pyproject.toml                   # for `pip install memanto-mcp`
├── README.md                        # this file
├── ROADMAP.md                       # what's missing, ranked
├── CONTRIBUTING.md
├── CHANGELOG.md
├── LICENSE                          # MIT
└── docs/
    └── launch-post.md               # cross-post draft

贡献

请参阅 CONTRIBUTING.md。目前两个最高杠杆的贡献是 (1) 可插拔存储后端（接口 + SQLite 或 pgvector 实现）和 (2) 结构化引用模型（source_uri + source_span + quote）。两者都在 路线图 中。

许可证

MIT。请参阅 LICENSE。

致谢

• memanto 和 Moorcheh —— 本项目封装的类型化记忆模型和向量后端。

• Anthropic 的 MCP 和 Agent Skills —— 协议和技能格式。

• 其已发布模式为本技能提供参考的企业智能体系统团队：Harvey, Hebbia, Robin AI, Clio, EvenUp, Casetext。

与 Anthropic 或 Moorcheh 无关联。