Amem MCP

🚀 A-MEM MCP 服務器

A-MEM MCP 服務器是一個基於 AI 輔助軟件工程的實驗項目，旨在解決在使用 Claude Code 和 Claude Desktop 等工具時，跨多個會話和項目維護複雜代碼庫持久、不斷發展的理解這一挑戰。它創建了一個“活的”內存系統，隨著新筆記和信息的添加自動更新，促進更深入的洞察和無縫的連續性。

🚀 快速開始

🚀 一鍵安裝

git clone git@github.com:nixlim/amem_mcp.git
cd amem_mcp
./scripts/install.sh

安裝程序將自動執行以下操作：

• ✅ 檢查先決條件和依賴項
• ✅ 檢測您的 Claude 安裝（Code/Desktop）
• ✅ 清理現有的容器和進程
• ✅ 使用 Docker 啟動 A-MEM 服務
• ✅ 配置 Claude MCP 集成並正確處理 API 密鑰
• ✅ 測試安裝並驗證連接
• ✅ 確保所有內存操作正常工作

手動安裝

如果您更喜歡手動設置：

1. 先決條件：Docker、Docker Compose、Go 1.23+、OpenAI API 密鑰
2. 設置：cp .env.example .env 並添加您的 API 密鑰
3. 啟動：docker-compose up -d && make build
4. 配置：遵循 安裝指南

📚 文檔

• 快速入門指南 - 5 分鐘內啟動並運行
• 安裝指南 - 全面的設置說明
• MCP 配置指南 - Claude 集成詳細信息

驗證

安裝完成後，驗證 A-MEM 是否正常工作：

# 檢查服務
docker-compose ps

# 驗證安裝
./scripts/validate_installation.sh

# 在 Claude 中測試
# 向 Claude 詢問："What tools do you have available?"
# 您應該看到：store_coding_memory, retrieve_relevant_memories, evolve_memory_network

✨ 主要特性

核心內存系統

• 內存創建：存儲帶有 AI 生成的關鍵字、標籤和嵌入的代碼片段
• 內存檢索：使用向量相似性搜索進行排名和過濾
• 內存演進：由 AI 驅動的分析來更新和優化內存網絡
• MCP 集成：與 Claude Code 兼容的 JSON-RPC 2.0 服務器

高級功能（第二階段）

• 真實嵌入：使用 sentence-transformers 和 OpenAI 嵌入服務
• 智能演進：自動優化內存網絡
• 提示工程：基於模板的大語言模型提示管理
• 監控與指標：全面的 Prometheus 可觀測性
• 任務調度：基於 Cron 的自動維護
• 多 LLM 支持：使用 LiteLLM 代理進行回退和模型靈活切換
• 向量存儲：使用 ChromaDB 進行可擴展的相似性搜索

📦 安裝指南

項目名稱已更改為 zetmem，可在此處找到： https://github.com/nixlim/zetmem

運行以下命令開始安裝：

./scripts/install.sh

這將啟動 Docker 容器並構建服務器。該腳本應該會將 MCP 配置附加到 Claude Desktop（會備份現有配置，如果需要，有恢復腳本） - “在我的機器上能正常工作” (TM)。

重新啟動 Claude Desktop，它應該會出現在 MCP 服務器列表中。如有任何問題，請在此處提出。

💻 使用示例

基礎用法

以下是使用 MCP 工具的示例：

1. store_coding_memory

存儲帶有 AI 分析的編碼內存：

{
  "tool": "store_coding_memory",
  "arguments": {
    "content": "function fibonacci(n) { return n <= 1 ? n : fibonacci(n-1) + fibonacci(n-2); }",
    "project_path": "/projects/algorithms",
    "code_type": "javascript",
    "context": "Recursive implementation of Fibonacci sequence"
  }
}

2. retrieve_relevant_memories

使用向量相似性搜索相關內存：

{
  "tool": "retrieve_relevant_memories",
  "arguments": {
    "query": "How to implement fibonacci efficiently?",
    "max_results": 5,
    "min_relevance": 0.7
  }
}

3. evolve_memory_network

觸發內存網絡演進（第二階段功能）：

{
  "tool": "evolve_memory_network",
  "arguments": {
    "trigger_type": "manual",
    "scope": "recent",
    "max_memories": 100
  }
}

📚 詳細文檔

配置

配置通過 YAML 文件和環境變量進行管理：

• config/development.yaml - 開發設置
• config/production.yaml - 生產設置
• .env - 環境變量（API 密鑰、覆蓋設置）

關鍵配置部分：

• server：端口、日誌記錄、請求限制
• chromadb：向量數據庫連接
• litellm：大語言模型代理設置和回退
• evolution：內存演進調度
• monitoring：指標和跟蹤

架構

┌─────────────────┐    ┌──────────────┐    ┌──────────────┐
│   Claude Code   │───▶│  MCP Server  │───▶│  Memory      │
│                 │    │              │    │  System      │
└─────────────────┘    └──────────────┘    └──────┬───────┘
                                                  │
                                                  ▼
                                        ┌──────────────┐
                                        │   LiteLLM    │
                                        │   Analysis   │
                                        └──────┬───────┘
                                               │
                                               ▼
                                        ┌──────────────┐
                                        │  ChromaDB    │
                                        │ Vector Store │
                                        └──────────────┘

開發

項目結構

├── cmd/server/          # 主服務器入口點
├── pkg/
│   ├── config/         # 配置管理
│   ├── mcp/            # MCP 協議處理程序
│   ├── memory/         # 核心內存系統
│   ├── models/         # 數據模型和架構
│   └── services/       # 外部服務集成
├── config/             # 配置文件
├── prompts/            # 大語言模型提示模板
└── docker/             # Docker 配置

運行測試

go test ./...

構建

# 開發構建
go build -o amem-server cmd/server/main.go

# 生產構建
CGO_ENABLED=0 GOOS=linux go build -a -installsuffix cgo -o amem-server cmd/server/main.go

監控

服務器在端口 9090 上公開 Prometheus 指標：

• 內存操作計數
• 大語言模型請求延遲
• 向量搜索持續時間
• 錯誤率

訪問指標地址：http://localhost:9090/metrics

故障排除

常見問題

1. ChromaDB 連接失敗：
   • 確保 ChromaDB 正在運行：docker-compose ps chromadb
   • 檢查配置中的 URL：chromadb.url
2. 大語言模型 API 錯誤：
   • 驗證 .env 文件中的 API 密鑰
   • 檢查速率限制和配額
   • 查看配置中的回退模型
3. 內存存儲錯誤：
   • 檢查 ChromaDB 日誌：docker-compose logs chromadb
   • 驗證集合初始化

日誌

查看服務器日誌：

# Docker 部署
docker-compose logs amem-server

# 直接執行
./amem-server -log-level debug

貢獻

1. 分叉倉庫
2. 創建特性分支
3. 進行更改並編寫測試
4. 提交拉取請求

🔧 技術細節

技術描述詳見 SYSTEM_DOCUMENTATION.md。

📄 許可證

本項目採用 MIT 許可證，詳情請參閱 LICENSE 文件。

路線圖

• 第一階段（當前）：具備核心內存操作的最小可行產品
• 第二階段：內存演進和優化
• 第三階段：高級調度和監控 // TODO: 更新
• 第四階段：多用戶支持和擴展

致謝

本 MCP 服務器基於以下論文構建：

@article{xu2025mem,
title={A-mem: Agentic memory for llm agents},
author={Xu, Wujiang and Liang, Zujie and Mei, Kai and Gao, Hang and Tan, Juntao and Zhang, Yongfeng},
journal={arXiv preprint arXiv:2502.12110},
year={2025}
}

論文 PDF 鏈接：https://arxiv.org/pdf/2502.12110v1 論文的 GitHub 鏈接：https://github.com/WujiangXu/A-mem 論文作者也有他們自己的系統實現（我認為不是 MCP 服務器）： https://github.com/WujiangXu/A-mem-sys

這個項目已經可以正常工作，有測試、啟動腳本和本地 Docker 配置。Claude Desktop 集成以及 Claude Code 的集成均已正常工作。整個項目我沒有編寫一行代碼，而是與 AI 協作，我負責導航，AI 負責編碼。