Memento

🚀 Memento MCP 使用指南

Memento MCP 是一款先進的知識圖譜實現方案，它能夠為對話式 AI 賦予持久記憶能力。藉助自然語言處理和語義搜索技術，AI 可以理解並檢索長期存儲的信息，為對話交互提供更強大的支持。

🚀 快速開始

Memento MCP 是一個先進的知識圖譜實現，能為對話式 AI 提供持久記憶能力，通過自然語言處理和語義搜索，讓 AI 理解和檢索長期存儲的信息。以下是使用前的安裝與配置步驟。

✨ 主要特性

• 為對話式 AI 提供持久記憶能力。
• 運用自然語言處理和語義搜索技術，實現信息的理解與檢索。

📦 安裝指南

基本安裝

使用 Smithery 自動安裝 Memento MCP：

npx -y @smithery/cli install @gannonh/memento-mcp --client claude

全局安裝（推薦）

直接通過 npx 運行：

npx -y @gannonh/memento-mcp

本地安裝

克隆倉庫並安裝依賴：

git clone https://github.com/gannonh/memento-mcp.git
cd memento-mcp
npm install

📚 詳細文檔

配置指南

基本配置

編輯 config.json 文件，添加以下內容：

{
  "neo4j": {
    "uri": "bolt://localhost:7687",
    "user": "neo4j",
    "password": "password"
  }
}

調試設置（DEBUG=true）

啟用調試模式以獲取更多日誌信息：

DEBUG=memento npm start

集成與開發

初始化知識圖譜

運行以下命令初始化數據庫 schema：

npm run neo4j:init

開發者重置

停止並刪除 Docker 容器，清理數據目錄，然後重啟數據庫。

故障排除

向量搜索診斷

使用以下工具檢查向量索引狀態和實體嵌入情況：

• diagnose_vector_search
• force_generate_embedding
• debug_embedding_config

嵌入驗證

系統會自動檢查並生成缺失的實體嵌入。

測試與構建

運行測試套件並檢查覆蓋範圍：

npm test
npm run test:coverage

💻 使用示例

基礎用法

創建知識圖譜實體

User: "Remember that Python is a high-level programming language known for its readability and JavaScript is primarily used for web development."

進行語義搜索

User: "What programming languages do you know about that are good for web development?"

檢索特定信息

User: "Tell me everything you know about Python."

📄 許可證

本項目採用 MIT License。

通過以上指南，您可以輕鬆配置和使用 Memento MCP 來增強對話式 AI 的記憶功能。