使用说明

Brain MCP-内存存储MCP服务器

一种使用DuckDB提供智能对话内存存储的模型上下文协议（MCP）服务器。此服务器存储和检索您上次对话的上下文，支持多个存储后端，包括本地文件、S3和Google Cloud storage。

特性

🧠 智能内存存储：自动维护最近2个对话的上下文
💾 DuckDB后端：使用DuckDB实现高效的数据湖存储
☁️ 多后端支持：在本地或云中存储数据（S3、GCS）
🔄 会话管理：跟踪和检索多个对话
🔍 强大的搜索功能：按文本、主题或日期范围搜索记忆
🌙 自动内存整合：夜班工人使用LLM将短期记忆巩固为长期见解
🤖 OpenAI兼容：与OpenAI API和兼容服务（LocalAI、Ollama等）配合使用
🚀 易于集成：无缝集成的标准MCP协议

安装

npm install
npm run build

配置

服务器通过以下方式支持不同的存储后端 STORAGE_URL 环境变量：

基于文件的存储（默认）

export STORAGE_URL="file://brain-memory.duckdb"

S3存储

export STORAGE_URL="s3://my-bucket/brain-memory"
export AWS_ACCESS_KEY_ID="your-access-key"
export AWS_SECRET_ACCESS_KEY="your-secret-key"
export AWS_REGION="us-east-1"

谷歌云存储

export STORAGE_URL="gcs://my-bucket/brain-memory"
export GOOGLE_APPLICATION_CREDENTIALS="/path/to/credentials.json"

内存整合（可选但推荐）

该服务器包括一个自动夜间工作器，它使用LLM将短期记忆整合为长期见解：

# Required for consolidation
export OPENAI_API_KEY="your-api-key"

# Optional: Use OpenAI-compatible services
export OPENAI_BASE_URL="https://api.openai.com/v1"  # Or your compatible API
export OPENAI_MODEL="gpt-5-mini"  # Default model

# Optional: Customize consolidation schedule (cron format)
export CONSOLIDATION_SCHEDULE="0 0 * * *"  # Default: midnight daily

# Optional: Disable consolidation
export ENABLE_CONSOLIDATION="false"  # Default: true

您也可以复制 .env.example 到 .env 并在那里配置您的设置。

用法

运行服务器

npm start

或者用于自动重建的开发：

npm run dev

使用Claude Desktop进行配置

将此添加到您的Claude Desktop配置文件中：

MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json 视窗: %APPDATA%/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "brain-mcp": {
      "command": "node",
      "args": ["/path/to/brain-mcp/dist/index.js"],
      "env": {
        "STORAGE_URL": "file://brain-memory.duckdb",
        "OPENAI_API_KEY": "your-api-key-here",
        "OPENAI_MODEL": "gpt-5-mini"
      }
    }
  }
}

可用工具

1. `store_memory`

将消息存储在对话记忆中。

参数：

role （必填）：消息发送者的角色-“用户”、“助理”或“系统”
content （必填）：要存储的消息内容
new_conversation （可选）：是否开始新对话（默认值：false）

例子：

{
  "role": "user",
  "content": "What is the weather like today?",
  "new_conversation": false
}

2. `get_memory`

从最近N个对话中检索存储的对话记忆。

参数：

conversation_count （可选）：要检索的最近对话数（默认值：2，最大值：10）

例子：

{
  "conversation_count": 2
}

答复：

{
  "success": true,
  "conversationCount": 2,
  "currentConversationId": "conv-1234567890",
  "conversations": [
    {
      "conversationId": "conv-1234567890",
      "messageCount": 4,
      "messages": [
        {
          "role": "user",
          "content": "Hello!",
          "timestamp": "2024-01-01T12:00:00.000Z"
        }
      ]
    }
  ]
}

3. `new_conversation`

使用新的对话ID开始新的对话。

参数： 无

示例响应：

{
  "success": true,
  "message": "New conversation started",
  "conversationId": "conv-1234567890"
}

4. `get_long_term_memory`

检索由整合工作人员创建的整合长期记忆。

参数：

limit （可选）：要检索的内存数量（默认值：10，最大值：50）

示例响应：

{
  "success": true,
  "count": 5,
  "memories": [
    {
      "summary": "Discussion about implementing memory systems with DuckDB...",
      "topics": ["DuckDB", "Memory Systems", "MCP Servers"],
      "keyInsights": [
        "DuckDB provides efficient storage for conversation data",
        "Memory consolidation helps maintain context over time"
      ],
      "consolidatedFrom": "Conversations from 2024-01-15",
      "timestamp": "2024-01-16T00:00:00.000Z"
    }
  ]
}

5. `consolidate_memory`

手动触发内存整合（通常在夜间自动运行）。

参数： 无

示例响应：

{
  "success": true,
  "message": "Memory consolidation completed successfully"
}

6. `search_memory`

使用灵活的过滤器搜索短期和长期记忆。

参数：

query （可选）：在对话内容、摘要和见解中搜索的文本
topics （可选）：过滤长期记忆的主题数组
start_date （可选）：ISO格式的开始日期（例如，“2024-01-01T00:00:00.000Z”）
end_date （可选）：ISO格式的结束日期（例如，“2024-12-31T23:59:59.999Z”）
memory_type （可选）：要搜索的内存类型-“短期”、“长期”或“两者”（默认值：“两者”）
limit （可选）：每种内存类型的最大结果数（默认值：20，最大值：100）

请求示例：

{
  "query": "DuckDB",
  "topics": ["databases", "storage"],
  "memory_type": "both",
  "limit": 10
}

示例响应：

{
  "success": true,
  "filters": {
    "query": "DuckDB",
    "topics": ["databases", "storage"],
    "dateRange": "all time",
    "memoryType": "both"
  },
  "shortTermResults": {
    "count": 5,
    "conversations": [
      {
        "conversationId": "conv-1234567890",
        "role": "user",
        "content": "Tell me about DuckDB performance...",
        "timestamp": "2024-01-15T14:30:00.000Z"
      }
    ]
  },
  "longTermResults": {
    "count": 3,
    "memories": [
      {
        "summary": "Discussion about DuckDB as a storage solution...",
        "topics": ["DuckDB", "databases", "storage"],
        "keyInsights": [
          "DuckDB provides excellent analytical query performance",
          "Embedded database with no server required"
        ],
        "consolidatedFrom": "Conversations from 2024-01-14",
        "timestamp": "2024-01-15T00:00:00.000Z"
      }
    ]
  }
}

建筑

内存整合的工作原理

Brain MCP实现了一个受人类记忆启发的双层记忆系统：

短期记忆（对话表）
- 存储最近的对话消息
- 快速访问正在进行的对话中的上下文
- 合并后自动清除
长期记忆（长期记忆表）
- 存储整合的见解和摘要
- 通过LLM分析短期记忆创建
- 无限期地保存重要信息
夜间整合过程
- 计划工人在午夜运行（可配置）
- 检索当天的所有对话
- 使用配置的LLM模型分析它们
- 提取关键见解、主题并创建摘要
- 将整合存储在长期记忆中
- 清除短期记忆以释放空间

这种方法确保：

最近的上下文始终可用
重要信息长期保存
存储仍然高效
知识是有组织和可搜索的

存储后端

服务器使用DuckDB作为其存储引擎，支持：

本地文件存储：数据存储在本地DuckDB文件中
S3存储：使用DuckDB的httpfs扩展将数据持久化到Amazon S3
GCS存储：使用DuckDB的httpfs扩展将数据持久化到谷歌云存储

数据模式

短期记忆（对话）：

CREATE TABLE conversations (
  id VARCHAR PRIMARY KEY,
  timestamp BIGINT NOT NULL,
  role VARCHAR NOT NULL,
  content TEXT NOT NULL,
  conversation_id VARCHAR NOT NULL
);

长期记忆：

CREATE TABLE long_term_memory (
  id VARCHAR PRIMARY KEY,
  timestamp BIGINT NOT NULL,
  summary TEXT NOT NULL,
  topics TEXT NOT NULL,          -- JSON array
  key_insights TEXT NOT NULL,    -- JSON array
  consolidated_from TEXT NOT NULL
);

内存管理

服务器使用唯一的对话ID自动跟踪对话
默认情况下，它维护并可以检索最后2个对话
您可以使用以下工具检索最多10个最近的对话 get_memory 工具
消息按时间戳排序，以便准确重建对话

发展

项目结构

brain-mcp/
├── src/
│   ├── index.ts          # Main MCP server implementation
│   ├── storage.ts        # Storage manager with DuckDB integration
│   └── consolidation.ts  # Memory consolidation worker
├── dist/                 # Compiled JavaScript (generated)
├── package.json
├── tsconfig.json
├── .env.example
└── README.md

建筑

npm run build

类型检查

该项目使用启用了严格类型检查的TypeScript。

环境变量

变量	描述	默认值
存储配置
`STORAGE_URL`	存储后端URL	`file://brain-memory.duckdb`
`AWS_ACCESS_KEY_ID`	AWS访问密钥（适用于S3）	-
`AWS_SECRET_ACCESS_KEY`	AWS密钥（适用于S3）	-
`AWS_REGION`	AWS区域（适用于S3）	`us-east-1`
`GOOGLE_APPLICATION_CREDENTIALS`	GCS凭据路径	-
整合配置
`OPENAI_API_KEY`	OpenAI API密钥（合并需要）	-
`OPENAI_BASE_URL`	与OpenAI兼容的API终结点	`https://api.openai.com/v1`
`OPENAI_MODEL`	用于合并的模型	`gpt-5-mini`
`CONSOLIDATION_SCHEDULE`	Cron合并时间表	`0 0 * * *` （午夜）
`ENABLE_CONSOLIDATION`	启用/禁用自动合并	`true`

用例

基本用法

存储和检索最近的对话以获取即时上下文。

长期知识库

自动构建一个可搜索的知识库，其中包含您所有对话中的重要见解和信息。

多用户系统

为不同的用户或环境使用不同的存储后端。

离线优先，云同步

使用本地存储进行快速访问，并定期同步到云存储进行备份和共享。

自定义合并计划

根据您的需求，每天、每周或按需多次运行整合。

许可证

麻省理工学院

贡献

欢迎投稿！请随时提交拉取请求。

使用说明

Brain MCP-内存存储MCP服务器

特性

安装

配置

基于文件的存储（默认）

S3存储

谷歌云存储

内存整合（可选但推荐）

用法

运行服务器

使用Claude Desktop进行配置

可用工具

1. store_memory

2. get_memory

3. new_conversation

4. get_long_term_memory

5. consolidate_memory

6. search_memory

建筑

内存整合的工作原理

存储后端

数据模式

内存管理

发展

项目结构

建筑

类型检查

环境变量

用例

基本用法

长期知识库

多用户系统

离线优先，云同步

自定义合并计划

许可证

贡献

相关 MCP

ChatGPT交互工具

模型上下文协议服务器

智能图像分析服务

Perplexity聊天接口服务

客户支持协议服务器

AI推理与响应生成服务

1. `store_memory`

2. `get_memory`

3. `new_conversation`

4. `get_long_term_memory`

5. `consolidate_memory`

6. `search_memory`