使用说明

通用存储器MCP

一个智能的跨平台内存服务器，解决了跨AI开发工具的上下文碎片化问题。

我们正在解决的问题

作为开发人员，我们在整个工作流程中不断在不同的AI工具之间切换：

ChatGPT 用于快速提问和头脑风暴
克劳德桌面 用于深入分析和写作
帆板运动 用于编码和项目管理
光标用于代码编辑和重构
克劳德代码 用于基于终端的开发
Figma AI 用于设计工作和原型制作
线性/概念 用于任务管理和规划

挫折： 每个工具都是孤立存在的。当您切换工具时，您将失去所有上下文：

项目知识碎片化 -您的架构决策被困在一次聊天中
任务上下文丢失 -Windsurf中的前端待办事项，Cursor中的后端任务，Figma中的设计说明
Todo管理混乱 -分散在Linear、Notion、代码注释和AI聊天历史中的任务
工作流程分解 -线性规划，Claude编码，Figma设计-无关联
工具特定任务筒仓 -前端任务在一个工具中，后端在另一个中，设计待办事项在其他地方
重复解释 -在每个新工具中重新解释相同的项目结构
决策历史记录丢失 -“我们为什么选择这种方法？”在谈话中被遗忘了
跨阶段任务断开连接 -计划待办事项与开发任务无关
上下文重置地狱 -即使在同一个工具中打开新的聊天也会失去一切
任务状态失明 -无法查看整个开发堆栈中已完成/待处理的内容

这解决了什么

通用存储器MCP创建 共享大脑 在您的所有AI工具中：

持久上下文 -您的项目详细信息、编码风格和首选项无处不在
跨工具存储器 -在ChatGPT中开始对话，在Windsurf中继续，在Claude Desktop中完成
统一任务管理 -所有开发工具都可以访问待办事项、问题和项目任务 智能上下文检索 -人工智能会自动回忆过去的相关对话和决定
跨相位连续性 -研究笔记与开发任务相关，与设计决策相关 智能自动标记 -自动存储库和项目上下文检测 不再重新解释 -不要在不同的工具上重复自己
本地和私人 -所有内存处理都在您的机器上使用Ollama进行
无缝集成 -使用现有的MCP兼容工具，无需更改工作流程

工作流示例

规划阶段：

ChatGPT：“我想构建一个具有实时功能的社交媒体应用程序”
- 添加内存：项目概念和初始要求
- 创建todos：“研究WebSocket库”和“设计用户身份验证流程”

设计阶段： 2. Figma AI：设计用户界面

添加内存：设计决策和组件规格
更新待办事项：“创建响应式布局模型”→ 完成

开发阶段： 3. 帆板运动：开始前端开发

回顾设计决策和技术要求
访问待办事项：“实施用户身份验证”（高优先级）
添加todo：“将前端连接到WebSocket后端”

光标：后端API开发
- 从ChatGPT记住WebSocket架构
- 从Figma了解前端组件结构
- 更新todo：“实现WebSocket身份验证”→ 进行中

文件编制阶段： 5. 克劳德桌面：撰写技术文档

自动召回所有架构决策
从todo历史中了解已完成的功能
记录从概念到实施的过程

维护阶段： 6. 克劳德代码：调试生产问题

设计决策和实施细节的完整背景
访问完整的项目进展和决策历史

没有上下文切换疲劳。没有重复的解释。没有丢失的待办事项。在整个开发工作流程中提供持续、智能的帮助。

运作原理

Your Conversation → Ollama (local AI) → Extract Key Facts → Shared Memory File
     ↓
All Your AI Tools ← Smart Context Retrieval ← Semantic Search ← Memory Database

基于文件的存储 允许在任何MCP兼容工具之间共享
当地奥利玛加工 保持一切私密和快速
协议兼容性 适用于传统和现代MCP版本
智能提取 捕捉重要的东西，忽略噪音

特性

跨平台兼容性 -与Claude Desktop、Windsurf、Claude Code和未来的MCP客户合作
本地AI处理 -使用Ollama进行智能内存提取和搜索（无API成本）
协议网桥 -处理传统（2024-11-05）和现代MCP协议版本
共享存储 -跨所有AI工具的基于文件的内存共享
隐私第一 -所有处理都在本地进行，没有数据发送到外部API
可配置模型 -从微小（0.5B）到强大（70B）的Olama型号
智能功能 -内存重复数据删除、语义搜索和上下文检索

快速开始

先决条件

Docker和Docker Compose（推荐）
或者本地安装Node.js 18+

安装

选项1:Docker设置（推荐）

在2分钟内完成AI增强设置！

git clone https://github.com/oozeorb/universal-memory-mcp.git
cd universal-memory-mcp
docker compose up -d

这会自动：

在上设置通用内存MCP服务器 http://localhost:3020
安装并配置Ollama llama3.1:8b 模型
提供完整的AI增强功能
包括健康检查和自动重启
隔离依赖关系（无Node.js冲突）

验证安装：

curl http://localhost:3020/health

选项2：本地安装

git clone https://github.com/oozeorb/universal-memory-mcp.git
cd universal-memory-mcp
./install.sh

安装脚本将自动执行以下操作：

检测您的操作系统（macOS/Linux）
安装Ollama并拉取AI模型
安装项目依赖项并构建
测试安装

客户端配置

所有AI工具都使用相同的配置连接到Docker容器：

通用配置（所有客户端）

克劳德桌面 (~/Library/Application Support/Claude/claude_desktop_config.json):

{
  "mcpServers": {
    "universal-memory": {
      "command": "node",
      "args": ["/path/to/universal-memory-mcp/dist/mcp-http-client.js"],
      "env": {
        "HTTP_SERVER_URL": "http://localhost:3020"
      }
    }
  }
}

帆板运动 (~/.codeium/windsurf/mcp_config.json):

{
  "mcpServers": {
    "universal-memory": {
      "command": "node",
      "args": ["/path/to/universal-memory-mcp/dist/mcp-http-client.js"],
      "env": {
        "HTTP_SERVER_URL": "http://localhost:3020"
      },
      "disabled": false
    }
  }
}

克劳德代码：添加 CLAUDE.md 到您的项目根目录（自动检测）：

# MCP Configuration
Uses Universal Memory MCP Docker container at http://localhost:3020

配置后

重新启动AI工具 获取新配置
验证连接：寻找绿点或成功加载工具
测试功能：尝试添加内存或待办事项

可用工具

内存管理

add_memory -通过AI处理存储增强的记忆
search_memories -使用相似性评分进行搜索
get_memories -检索格式化内存列表
extract_memories -自动从文本中提取
delete_memory -按ID删除

待办事项管理

add_todo -使用标签/项目创建待办事项
list_todos -显示状态表情符号
update_todo -修改状态/优先级
delete_todo -按ID删除

项目工具

list_projects -项目概述及统计数据
memory_bank_update -批处理内存操作
export_memory_bank -JSON/CSV/Markdown导出

替代部署

本地HTTP服务器（无Docker）

如果你更喜欢在没有Docker的情况下运行：

npm run server

服务器在上运行 http://localhost:3020 -使用上述相同的客户端配置。

直接MCP（传统）

对于不支持HTTP网桥的工具，请使用直接MCP连接：

配置

可选：配置环境变量：

复制 .env.example 向 .env 并根据需要进行定制：

cp .env.example .env
# Edit .env with your preferred settings

可用环境变量：

OLLAMA_URL -Ollama服务器URL（默认值：http://localhost:11434)
OLLAMA_MODEL -要使用的Ollama模型（默认：calla3.1:8b）
PROJECT_PATH -项目目录路径（如果未指定，则自动检测）
GITHUB_REPO_URL -用于程序化访问的存储库URL

配置您的MCP客户端：

克劳德桌面 (~/Library/Application Support/Claude/claude_desktop_config.json):

{
  "mcpServers": {
    "memory": {
      "command": "node",
      "args": ["/path/to/universal-memory-mcp/dist/index.js"]
    }
  }
}

💡 路径设置：替换 /path/to/universal-memory-mcp 使用您的实际克隆位置。你可以通过跑步找到它 pwd 克隆后在项目目录中。

帆板运动 -添加到MCP设置中：

{
  "mcpServers": {
    "universal-memory": {
      "command": "node",
      "args": ["/path/to/universal-memory-mcp/dist/index.js"]
    }
  }
}

光标IDE -添加到您的 .cursorrules 或设置：

{
  "mcp": {
    "servers": {
      "universal-memory": {
        "command": "node",
        "args": ["/path/to/universal-memory-mcp/dist/index.js"]
      }
    }
  }
}

Continue.dev （VS代码）-添加到您的 config.json:

{
  "mcpServers": {
    "universal-memory": {
      "command": "node",
      "args": ["/path/to/universal-memory-mcp/dist/index.js"]
    }
  }
}

📝 平台路径：在Windows上使用 %APPDATA%/Claude/claude_desktop_config.json，Linux使用 ~/.config/claude/claude_desktop_config.json

开始使用它：

重新启动MCP兼容客户端并开始使用内存工具！

可用工具

核心内存工具

add_memory -存储新的记忆或事实以供将来参考
- 支持项目组织、类别和标记
- 可选重要性评分（1-10）
- 通过本地AI自动增强内容
search_memories -根据查询搜索相关记忆
- 具有相似性评分的语义搜索
- 上下文和项目过滤
- 可配置的结果限制
get_memories -获取最近的记忆或某个上下文的所有记忆
- 按上下文、项目或时间框架筛选
- 按时间顺序和重要性排序
extract_memories -从对话/文本中提取并存储重要事实
- 使用本地AI自动提取事实
- 智能内容解析和组织
delete_memory -按ID删除特定内存
- 确认后安全删除

待办事项管理工具

add_todo -创建具有优先级和组织的新待办事项
- 状态跟踪：待定、进行中、已完成
- 优先级：低、中、高
- 项目和背景组织
- 标签支持分类
list_todos -查看和筛选您的待办事项列表
- 按状态、优先级、项目或上下文筛选
- 使用表情符号和时间戳进行干净的格式化
- 可配置的结果限制
update_todo -更新现有待办事项
- 更改状态、优先级、内容或组织
- 跟踪所有MCP客户端的进度
delete_todo -删除已完成或过时的待办事项
- 高效地整理你的任务清单

项目管理工具

list_projects -显示所有有回忆的项目
- 每个项目的内存计数概述
- 类别摘要和上次更新的时间戳
list_project_files -显示项目的内存类别
- 项目结构的组织视图
- 基于类别的内存组织
memory_bank_update -项目记忆的结构化更新
- 批量导入项目相关内存
- 支持分类和标记
- 基于事务的数据完整性更新
export_memory_bank -以不同格式导出记忆
- 对象符号：机器可读结构化导出
- 降价：人类可读的文档格式
- CSV文件：电子表格兼容数据导出
- 项目和类别筛选选项

使用示例

# Add a memory with project organization
add_memory({
  "content": "The user prefers TypeScript for new projects",
  "project": "coding-preferences",
  "category": "languages",
  "importance": 8,
  "tags": ["typescript", "preferences"]
})

# Bulk update project memories
memory_bank_update({
  "project": "my-app",
  "category": "architecture",
  "memories": [
    {"content": "Using React with Vite for frontend"},
    {"content": "Node.js with Express for backend API", "importance": 9}
  ]
})

# Export project documentation
export_memory_bank({
  "project": "my-app",
  "format": "markdown"
})

配置

编辑 config/default.json 自定义：

Olama车型选择
内存存储位置
处理首选项
协议版本兼容性

故障排除

macOS问题

Ollama没有开始：

# Restart Ollama service
brew services restart ollama

# Check if Ollama is running
brew services list | grep ollama

# Test Ollama API
curl http://localhost:11434/api/tags

权限问题：

# Make sure install script is executable
chmod +x install.sh

# Check Node.js permissions
sudo npm cache clean --force

模型下载问题：

# Check available disk space (models are large)
df -h

# Manually pull the model
ollama pull llama3.1:8b

# List installed models
ollama list

一般问题

内存服务器没有响应：

# Test the server
npm test

# Check if Node.js version is 18+
node --version

# Rebuild if needed
npm run clean && npm run build

MCP连接问题：

重启你的AI客户端（克劳德桌面等）
验证MCP配置中的路径是否正确
检查服务器是否已成功构建 npm run build

例子

请参阅 examples/ 目录：

不同MCP客户端的配置文件
使用示例和常见模式
集成指南

发展

# Run in development mode
npm run dev

# Run tests
npm test

# Build for production
npm run build

贡献

我们欢迎捐款！请看贡献.md 作为指导方针。

许可证

MIT许可证-请参阅许可证了解详情。

最后，人工智能工具可以记住你是谁，你在做什么！

使用说明

通用存储器MCP

我们正在解决的问题

这解决了什么

工作流示例

运作原理

特性

快速开始

先决条件

安装

选项1:Docker设置（推荐）

选项2：本地安装

客户端配置

通用配置（所有客户端）

配置后

可用工具

内存管理

待办事项管理

项目工具

替代部署

本地HTTP服务器（无Docker）

直接MCP（传统）

配置

可用工具

核心内存工具

待办事项管理工具

项目管理工具

使用示例

配置

故障排除

macOS问题

一般问题

例子

发展

贡献

许可证

相关 MCP

规范工作流管理工具

代码分析服务器

AI开发框架

VSCode MCP桥接工具

Token节约MCP服务

协议桥接服务器