Optimized Memory MCP Server

🚀 優化內存 MCP 服務器

本項目旨在測試和演示 Claude AI 的編程能力，以及展示良好的 AI 工作流程和提示設計。它是一個基於 Python 的本地知識圖譜記憶 MCP 服務器（官方實現採用 Java 編寫）的分支版本，使用 SQLite 作為後端數據庫。

🚀 快速開始

在聊天開始時，Claude 會主動檢索所有相關記憶，並以“正在回憶...”開頭提示用戶。在整個對話過程中，Claude 會注意收集新信息，並將其更新到知識圖譜中。

✨ 主要特性

知識圖譜內存服務器

實現了基本的知識圖譜持久化內存功能，讓 Claude 能夠記住用戶在聊天中的信息。

📦 安裝指南

使用 Docker 進行構建：

docker build -t mcp/memory -f src/memory/Dockerfile .

💻 使用示例

基礎用法

建議根據具體的使用場景調整提示內容，以便模型決定記憶的頻率和類型。以下是一個用於聊天個性化的示例提示：

按照以下步驟進行每次交互：

1. 用戶識別：
   - 您應假設與 default_user 對話
   - 如果尚未確定 default_user，請主動嘗試識別。

2. 記憶檢索：
   - 總是從“正在回憶...”開始，從知識圖譜中檢索所有相關信息。
   - 將知識圖譜稱為您的“記憶”。

3. 記憶內容：
   - 在與用戶交流時，注意收集以下類別的新信息：
     a) 基本人格（年齡、性別、位置、職位、教育水平等）
     b) 行為（興趣、習慣等）
     c) 偏好（溝通風格、首選語言等）
     d) 目標（目標、目標、抱負等）
     e) 關係（個人和專業關係，直到三度分離）

4. 更新記憶：
   - 如果在交互中收集到任何新信息，請按照以下方式更新您的記憶：
     a) 為反覆出現的組織、人物和重要事件創建實體
     b) 使用關係將它們與當前實體連接
     c) 將有關它們的事實存儲為觀察結果

📚 詳細文檔

核心概念

實體

實體是知識圖譜中的主要節點。每個實體都有：

• 唯一名稱（標識符）
• 實體型（例如，“人”，“組織”，“事件”）
• 觀察結果列表

示例：

{
  "name": "John_Smith",
  "entityType": "person",
  "observations": ["會說流利的西班牙語"]
}

關係

關係定義了實體之間的定向連接。它們始終以主動語態存儲，並描述實體如何相互作用或關聯。

示例：

{
  "from": "John_Smith",
  "to": "Anthropic",
  "relationType": "works_at"
}

觀察結果

觀察結果是對實體的離散信息片段。它們是：

• 以字符串形式存儲
• 附加到特定實體
• 可以獨立添加或刪除
• 應該是原子化的（每個觀察結果表示一個事實）

示例：

{
  "entityName": "John_Smith",
  "observations": [
    "會說流利的西班牙語",
    "2019年畢業",
    "喜歡早晨會議"
  ]
}

API

工具

實體管理

• getEntities(): 獲取所有實體。
• addEntity(entity): 添加新實體。
• updateEntity(entityId, updates): 更新指定實體的屬性。

關係管理

• getRelations(): 獲取所有關係。
• addRelation(relation): 添加新關係。
• removeRelation(relationId): 刪除指定關係。

觀察結果管理

• getObservations entityId: 獲取指定實體的所有觀察結果。
• addObservation(entityId, observation): 添加新的觀察結果到指定實體。
• updateObservation(observationId, updates): 更新指定的觀察結果。

📄 許可證

此 MCP 服務器根據 MIT License 分發。這意味著您可以自由地使用、修改和分發軟件，但需遵守 MIT 許可證的條款和條件。有關更多詳細信息，請參閱項目存儲庫中的 LICENSE 文件。