使用说明
MCP AI内存——个人AI运维助手
A. 安全、本地、基于MCP的AI存储系统 这使得LLM（克劳德桌面）能够 存储、搜索和推理持久的个人记忆 使用受控工具。
此项目演示了如何构建 正确的代理AI系统:
- 法学硕士做推理
- MCP服务器执行操作
- 国家生活在模式之外
- 安全是通过设计来实现的
这个项目做什么
使用自然语言提示，AI可以：
- 持久存储带时间戳的记忆
- 搜索过去的记忆
- 了解时间（“今天”、“昨天”、“上周”）
- 生成每周总结和见解
- 与a互动 沙盒文件系统
- 在严格的安全约束下运行
所有内存都已存储 本地磁盘上，不在LLM内部。
架构图
示例命令（在Claude Desktop中尝试这些命令）
记忆存储
了解时间（“今天”、“昨天”、“上周”）
通过Claude LLM读取和附加文件
安全保障
这个项目是 设计安全第一:
- 没有对文件系统的直接LLM访问
- 无路径遍历(
../，绝对路径被阻塞） - 不删除或覆盖文件
- 不执行shell
- 仅追加写入
- 内容大小受限
- 沙盒目录实施
预计滥用尝试将失败
- LLM → 推理与规划
- MCP服务器 → 安全执行与内存管理
- 文件系统 → 长期状态
这个分离镜 生产级AI代理架构.
为什么选择MCP（模型上下文协议）？
- 标准化人工智能↔ 工具通信
- 模型无关（未锁定框架）
- 明确区分关注点
- 比临时工具调用更安全
- 专为长寿命代理而设计
技术栈
- Python 3.11
- 模型上下文协议（MCP）
- 克劳德桌面版
- 安全的本地文件系统沙盒
用例
- 个人AI记忆/日记
- 人工智能辅助生产力跟踪
- 长期研究笔记
- 保护本地AI助手
- MCP/代理基础设施实验
未来的增强功能
- 记忆标记和重要性评分
- 语义搜索（嵌入）
- 目标跟踪和进度分析
- 多用户支持
- 加密内存存储
许可证
MIT许可证
