使用说明
🧠 MCP内存服务器
克劳德桌面高级存储系统 -使用MCP（模型上下文协议）将Claude转换为具有照片记忆的AI助手。
✨ 它做什么
想象一下克劳德 持久存储器 即：
- 🧠 记住一切 从你的谈话中
- 🔍 自动检索上下文 当你提到过去的话题时
- 🤖 了解参考文献 比如“那个项目”、“这家公司”、“他/她”
- 📈 建立知识 随着时间的推移，在所有会话中
- 🛠️ 自动捕获 网络搜索和其他工具的结果
🚀 快速开始
先决条件
- Node.js 18+
- Azure Cosmos数据库帐户
- OpenAI API密钥
- 克劳德桌面
安装
git clone https://github.com/PlumyCat/mcp-memory-server.git
cd mcp-memory-server
npm install
npm run build
配置
- 环境设置:
cp .env.example .env
# Edit .env with your API keys
- Claude桌面配置:
{
"mcpServers": {
"memory": {
"command": "node",
"args": ["/path/to/mcp-memory-server/dist/index.js"],
"cwd": "/path/to/mcp-memory-server"
}
}
}
- 测试魔法:
You: "I'm working on a TypeScript project using CosmosDB"
Claude: [Responds normally + automatic background storage]
# Later...
You: "What was that project we discussed?"
Claude: "You mentioned working on a TypeScript project using CosmosDB..."
🎯 主要特点
🧠 智能内存存储
- 自动实体提取（人员、公司、项目、工具）
- 基于OpenAI嵌入的语义存储
- 会话上下文保存
- 智能重复数据删除
🔍 高级搜索和检索
- 语义相似度搜索
- 实体关系映射
- 基于时间线的检索
- 上下文感知响应
🤖 实体解析
- 自动代词解析（“he”→ “约翰·史密斯”）
- 参考理解（“该公司”→ “微软”）
- 跨对话实体链接
- 信心评分
📊 分析与洞察
- 会话模式分析
- 实体互动时间表
- 知识增长跟踪
- 使用统计
🛠️ 可用工具
服务器为Claude提供了6个MCP工具：
| 工具 | 说明 | 示例用法 |
|---|---|---|
memory_store |
使用自动实体提取功能存储信息 | 在对话过程中自动触发 |
memory_search |
通过存储的记忆进行语义搜索 | “查找有关React的所有讨论” |
context_inject |
获取当前查询的相关上下文 | “我们讨论了这个项目的什么？” |
entity_resolve |
解决对实际实体的引用 | “他指的是谁？” |
conversation_analyze |
分析对话模式 | “显示我的讨论统计数据” |
memory_timeline |
获取实体交互时间线 | “微软提及时间线” |
📁 项目结构
mcp-memory-server/
├── src/
│ ├── config/ # Azure Cosmos DB configuration
│ ├── memory/ # Core memory system (RAG, storage, graph)
│ ├── types/ # TypeScript type definitions
│ ├── utils/ # Entity extraction, context injection
│ └── server.ts # Main MCP server implementation
├── scripts/ # Maintenance and health check scripts
├── tests/ # Unit and integration tests
├── docs/ # Technical documentation
└── dist/ # Compiled JavaScript (generated)
🏗️ 建筑
核心组件
- RAG系统：使用OpenAI嵌入进行向量相似性搜索
- 实体提取器：基于NLP的自定义模式实体识别
- 记忆存储：优化了CosmosDB与智能索引的集成
- 上下文注入器：对话的智能上下文检索
- 图形引擎：实体关系映射和遍历
数据流
graph TD
A[User Message] --> B[Entity Extraction]
B --> C[Embedding Generation]
C --> D[CosmosDB Storage]
D --> E[Semantic Search]
E --> F[Context Injection]
F --> G[Enhanced Claude Response]
🔧 配置
环境变量
# Azure Cosmos DB
COSMOS_ENDPOINT=https://your-account.documents.azure.com:443/
COSMOS_KEY=your-primary-key
COSMOS_DATABASE_NAME=memory-db
COSMOS_CONTAINER_CONVERSATIONS=conversations
COSMOS_CONTAINER_ENTITIES=entities
# OpenAI
OPENAI_API_KEY=your-openai-api-key
# Optional
NODE_ENV=production
LOG_LEVEL=info
MEMORY_RETENTION_DAYS=30
高级配置
看 配置指南 有关详细的设置选项。
🧪 测试
# Run all tests
npm test
# Health check
npm run health-check
# Test memory functionality
npm run test-memory
📊 演出
- 存储：针对低于100ms的查询优化了CosmosDB索引
- 搜索：矢量相似性，准确率超过95%
- 记忆：高效的实体重复数据删除和压缩
- 可扩展性：以一致的性能处理1000多个实体
🛣️ Roadmap
✅ 完成
- 核心内存存储和检索
- 实体提取和解析
- 嵌入语义搜索
- CosmosDB集成
- MCP服务器实现
🔄 进行中
- []智能实体重复数据删除
- []自动捕获所有MCP工具结果
- []增强的实体分类模式
- []矛盾检测系统
🔮 计划的
- []多用户内存隔离
- []使用Gremlin查询进行图遍历
- []高级分析仪表板
- []内存压缩和归档
看 路线图 用于详细的功能规划。
🤝 贡献
我们欢迎捐款！请查看我们的 贡献指南 了解详情。
开发设置
git clone https://github.com/PlumyCat/mcp-memory-server.git
cd mcp-memory-server
npm install
npm run dev
📚 文档
🆘 支持
📄 许可证
此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。
🙏 致谢
- 模型上下文协议（MCP） 对于基础协议
- 克劳德桌面 用于AI助手平台
- Azure Cosmos数据库 用于可扩展的数据存储
- OpenAI 用于嵌入生成
- Compromise.js 用于自然语言处理
⭐ 明星历史
由以下材料制成❤️ 克劳德桌面社区
