Python Memory MCP Server

一个基于内存的知识图谱管理MCP服务器，提供实体、关系和观察的严格验证管理功能

知识管理与记忆开发者工具 #知识图谱 #数据管理 #MCP服务 .Python

评分 : 2.5分

下载量 : 39

更新时间 : 2025-04-29

什么是内存型MCP服务器？

内存型MCP服务器是一款轻量级知识图谱管理工具，用于存储和操作实体、关系及观察记录。它通过严格的验证规则确保数据一致性，并支持灵活的数据检索。

如何使用内存型MCP服务器？

您可以通过命令行安装服务器并调用API来创建、查询和删除实体及关系。此外，它还支持自然语言搜索功能，方便快速定位所需信息。

适用场景

该工具非常适合个人开发者、小型团队以及需要临时知识管理的企业场景。例如项目协作、文档归档和个人笔记整理。

主要功能

实体管理支持创建、更新、删除实体，包括人、项目、文档等多种类型。

关系管理定义和维护实体间的关系，如作者与作品之间的关联。

观察记录为每个实体添加客观的事实性描述。

自然语言搜索支持模糊匹配和时间维度的查询，提高数据检索效率。

实时同步在内存中操作数据，无需数据库依赖，提升响应速度。

优势与局限性

优势

易于部署，无需复杂配置。

高性能，适用于中小规模数据集。

支持多种数据验证规则，保证数据质量。

开放API接口，便于集成到其他系统中。

局限性

数据存储完全依赖内存，断电后会丢失未保存的数据。

不适合超大规模数据集的长期存储。

缺乏高级分析能力，仅限于基础知识图谱构建。

如何使用

安装服务器

运行以下命令安装并启动内存型MCP服务器： ```bash mcp install main.py -v MEMORY_FILE_PATH=/path/to/memory.jsonl ```

创建实体

调用API接口创建新实体，例如一个名为'python-project'的项目。

查询实体

使用搜索功能获取特定实体的相关信息。

删除数据

通过指定条件删除不再需要的实体或关系。

使用案例

案例1：创建项目创建一个名为'python-project'的项目，并为其添加初始观察记录。

案例2：搜索历史记录查找最近一次关于健身的活动记录。

常见问题

服务器是否会丢失数据？

是否支持多用户同时访问？

如何确保数据的一致性？

🚀 内存 MCP 服务器

内存 MCP 服务器是一个高效的数据管理工具，支持实体生命周期管理和复杂查询操作，能帮助用户轻松进行数据管理和操作。

🚀 快速开始

要运行 MCP 服务器，请按照以下步骤操作：

克隆项目仓库：

git clone https://github.com/your-organization/mcp.git
cd mcp

创建并激活虚拟环境（推荐使用 Python 3.8 或更高版本）：

python -m venv venv
source venv/bin/activate  # 在 Unix/MacOS 中
venv\Scripts\activate     # 在 Windows 中

安装依赖项：
```
pip install -r requirements.txt
```
启动服务器：
```
python server.py
```

📦 安装指南

安装 MCP 服务器的步骤如下：

克隆项目仓库：

git clone https://github.com/your-organization/mcp.git
cd mcp

创建并激活虚拟环境（推荐使用 Python 3.8 或更高版本）：

python -m venv venv
source venv/bin/activate  # 在 Unix/MacOS 中
venv\Scripts\activate     # 在 Windows 中

安装依赖项：
```
pip install -r requirements.txt
```
启动服务器：
```
python server.py
```

📚 详细文档

数据验证规则

实体名称规则

必须以小写字母开头。
只能包含字母、数字和下划线。
最长不超过 64 字符。

实体型规则

支持的类型包括："user", "system", "application", "service"。

属性值规则

数值类型必须是整数或浮点数。
字符串长度不超过 256 字符。
必须使用 JSON 标准数据格式。

错误处理

以下是服务器返回的常见错误类型：

NOT_FOUND：资源未找到。
VALIDATION_ERROR：输入数据无效。
INTERNAL_ERROR：服务器内部错误。
INVALID_REQUEST：请求格式错误。

响应模型

实体响应

class EntityResponse(BaseModel):
    success: bool
    data: Optional[Dict[str, Any]] = None
    error: Optional[str] = None
    error_type: Optional[str] = None

图谱响应

class GraphResponse(BaseModel):
    success: bool
    data: Optional[Dict[str, Any]] = None
    error: Optional[str] = None
    error_type: Optional[str] = None

开发指南

运行测试

pytest tests/

添加新功能

更新 validation.py 中的验证规则。
在 tests/test_validation.py 中添加新的测试用例。
在 knowledge_graph_manager.py 中实现新功能。

💻 使用示例

基础用法

检索实体

response = client.get_entity("user_123")
if response.success:
    print(response.data)
else:
    print(f"错误：{response.error}")

更新实体属性

data = {
    "age": 25,
    "name": "Alice",
    "department": "技术部"
}
response = client.update_entity("user_123", data)

删除实体

response = client.delete_entity("user_123")
if response.error_type == "NOT_FOUND":
    print("实体不存在。")
elif not response.success:
    print(f"错误：{response.error}")