Amem MCP

🚀 A-MEM MCP 服务器

A-MEM MCP 服务器是一个基于 AI 辅助软件工程的实验项目，旨在解决在使用 Claude Code 和 Claude Desktop 等工具时，跨多个会话和项目维护复杂代码库持久、不断发展的理解这一挑战。它创建了一个“活的”内存系统，随着新笔记和信息的添加自动更新，促进更深入的洞察和无缝的连续性。

🚀 快速开始

🚀 一键安装

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

安装程序将自动执行以下操作：

• ✅ 检查先决条件和依赖项
• ✅ 检测您的 Claude 安装（Code/Desktop）
• ✅ 清理现有的容器和进程
• ✅ 使用 Docker 启动 A-MEM 服务
• ✅ 配置 Claude MCP 集成并正确处理 API 密钥
• ✅ 测试安装并验证连接
• ✅ 确保所有内存操作正常工作

手动安装

如果您更喜欢手动设置：

1. 先决条件：Docker、Docker Compose、Go 1.23+、OpenAI API 密钥
2. 设置：cp .env.example .env 并添加您的 API 密钥
3. 启动：docker-compose up -d && make build
4. 配置：遵循 安装指南

📚 文档

• 快速入门指南 - 5 分钟内启动并运行
• 安装指南 - 全面的设置说明
• MCP 配置指南 - Claude 集成详细信息

验证

安装完成后，验证 A-MEM 是否正常工作：

# 检查服务
docker-compose ps

# 验证安装
./scripts/validate_installation.sh

# 在 Claude 中测试
# 向 Claude 询问："What tools do you have available?"
# 您应该看到：store_coding_memory, retrieve_relevant_memories, evolve_memory_network

✨ 主要特性

核心内存系统

• 内存创建：存储带有 AI 生成的关键字、标签和嵌入的代码片段
• 内存检索：使用向量相似性搜索进行排名和过滤
• 内存演进：由 AI 驱动的分析来更新和优化内存网络
• MCP 集成：与 Claude Code 兼容的 JSON-RPC 2.0 服务器

高级功能（第二阶段）

• 真实嵌入：使用 sentence-transformers 和 OpenAI 嵌入服务
• 智能演进：自动优化内存网络
• 提示工程：基于模板的大语言模型提示管理
• 监控与指标：全面的 Prometheus 可观测性
• 任务调度：基于 Cron 的自动维护
• 多 LLM 支持：使用 LiteLLM 代理进行回退和模型灵活切换
• 向量存储：使用 ChromaDB 进行可扩展的相似性搜索

📦 安装指南

项目名称已更改为 zetmem，可在此处找到： https://github.com/nixlim/zetmem

运行以下命令开始安装：

./scripts/install.sh

这将启动 Docker 容器并构建服务器。该脚本应该会将 MCP 配置附加到 Claude Desktop（会备份现有配置，如果需要，有恢复脚本） - “在我的机器上能正常工作” (TM)。

重新启动 Claude Desktop，它应该会出现在 MCP 服务器列表中。如有任何问题，请在此处提出。

💻 使用示例

基础用法

以下是使用 MCP 工具的示例：

1. store_coding_memory

存储带有 AI 分析的编码内存：

{
  "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关内存：

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

3. evolve_memory_network

触发内存网络演进（第二阶段功能）：

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

📚 详细文档

配置

配置通过 YAML 文件和环境变量进行管理：

• config/development.yaml - 开发设置
• config/production.yaml - 生产设置
• .env - 环境变量（API 密钥、覆盖设置）

关键配置部分：

• server：端口、日志记录、请求限制
• chromadb：向量数据库连接
• litellm：大语言模型代理设置和回退
• evolution：内存演进调度
• monitoring：指标和跟踪

架构

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

开发

项目结构

├── cmd/server/          # 主服务器入口点
├── pkg/
│   ├── config/         # 配置管理
│   ├── mcp/            # MCP 协议处理程序
│   ├── memory/         # 核心内存系统
│   ├── models/         # 数据模型和架构
│   └── services/       # 外部服务集成
├── config/             # 配置文件
├── prompts/            # 大语言模型提示模板
└── docker/             # Docker 配置

运行测试

go test ./...

构建

# 开发构建
go build -o amem-server cmd/server/main.go

# 生产构建
CGO_ENABLED=0 GOOS=linux go build -a -installsuffix cgo -o amem-server cmd/server/main.go

监控

服务器在端口 9090 上公开 Prometheus 指标：

• 内存操作计数
• 大语言模型请求延迟
• 向量搜索持续时间
• 错误率

访问指标地址：http://localhost:9090/metrics

故障排除

常见问题

1. ChromaDB 连接失败：
   • 确保 ChromaDB 正在运行：docker-compose ps chromadb
   • 检查配置中的 URL：chromadb.url
2. 大语言模型 API 错误：
   • 验证 .env 文件中的 API 密钥
   • 检查速率限制和配额
   • 查看配置中的回退模型
3. 内存存储错误：
   • 检查 ChromaDB 日志：docker-compose logs chromadb
   • 验证集合初始化

日志

查看服务器日志：

# Docker 部署
docker-compose logs amem-server

# 直接执行
./amem-server -log-level debug

贡献

1. 分叉仓库
2. 创建特性分支
3. 进行更改并编写测试
4. 提交拉取请求

🔧 技术细节

技术描述详见 SYSTEM_DOCUMENTATION.md。

📄 许可证

本项目采用 MIT 许可证，详情请参阅 LICENSE 文件。

路线图

• 第一阶段（当前）：具备核心内存操作的最小可行产品
• 第二阶段：内存演进和优化
• 第三阶段：高级调度和监控 // TODO: 更新
• 第四阶段：多用户支持和扩展

致谢

本 MCP 服务器基于以下论文构建：

@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}
}

论文 PDF 链接：https://arxiv.org/pdf/2502.12110v1 论文的 GitHub 链接：https://github.com/WujiangXu/A-mem 论文作者也有他们自己的系统实现（我认为不是 MCP 服务器）： https://github.com/WujiangXu/A-mem-sys

这个项目已经可以正常工作，有测试、启动脚本和本地 Docker 配置。Claude Desktop 集成以及 Claude Code 的集成均已正常工作。整个项目我没有编写一行代码，而是与 AI 协作，我负责导航，AI 负责编码。