Agentwong Optimized Memory MCP Server

🚀 优化内存 MCP 服务器

本项目旨在测试和展示Claude AI的编程能力，同时呈现良好的AI工作流程和提示设计。这是一个基于Python的记忆MCP服务器（官方版本采用Java编写），并以SQLite作为后端数据库。

🚀 快速开始

本项目是一个记忆MCP服务器，通过本地知识图谱实现持久化记忆，让Claude能够跨越不同聊天记录记住用户信息。

✨ 主要特性

• 基于Python实现，使用SQLite作为后端。
• 利用本地知识图谱实现持久化记忆功能。
• 提供丰富的API工具，方便对实体进行创建、更新、获取和删除操作。
• 可与Claude Desktop集成，通过合理的提示设计实现记忆管理。

📚 详细文档

知识图谱记忆服务器

本服务器实现了基本的记忆功能，借助本地知识图谱达成持久化记忆，使得Claude能够在不同聊天记录中记住用户信息。

核心概念

• 实体：知识图谱中的主要节点，每个实体具备唯一名称（标识符）、实体型（如“人”“组织”“事件”等）以及观察结果列表。 示例：

  {
    "name": "John_Smith",
    "entityType": "person",
    "observations": ["讲流利的西班牙语"]
  }
  

• 关系：定义了实体之间的定向连接，以主动语态存储，描述实体间的交互或关联方式。 示例：

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

• 观察结果：关于实体的离散信息片段，以字符串形式存储，附加到特定实体，可独立添加或删除，应为原子事实。

API 工具说明

创建实体（Create Entities）

• 功能：创建一个新实体。
• 输入参数：
  • name (字符串)：实体的名称。
  • entityType (字符串)：实体型，例如“人”“组织”等。
• 示例代码：

  response = client.create_entities([
      {"name": "John_Doe", "entityType": "person"},
      {"name": "TechCorp", "entityType": "organization"}
  ])
  

更新实体（Update Entity）

• 功能：更新现有实体的属性。
• 输入参数：
  • name (字符串)：实体的名称。
  • properties (字典)：要更新的属性和值。
• 示例代码：

  response = client.update_entity("John_Doe", {"age": 30, "location": "New York"})
  

获取实体（Get Entity）

• 功能：检索特定实体的信息。
• 输入参数：
  • name (字符串)：实体的名称。
• 示例代码：

  response = client.get_entity("John_Doe")
  print(response)  # 输出实体的详细信息
  

删除实体（Delete Entity）

• 功能：删除特定实体。
• 输入参数：
  • name (字符串)：实体的名称。
• 示例代码：

  client.delete_entity("John_Doe")  # 成功删除后返回True，失败返回False
  

集成与Claude Desktop

提示设计（Prompt Design）

在使用记忆功能时，提示设计至关重要，合理调整提示有助于模型决定记忆的频率和类型。 示例提示：

遵循以下步骤进行每次交互：

1. 用户识别：
   - 你应假设与default_user交互
   - 如果尚未识别default_user，请主动尝试识别。

2. 记忆检索：
   - 总是从“Remembering...”开始，并从知识图谱中检索所有相关信息
   - 将知识图谱称为你的“记忆”

3. 记忆管理：
   - 在与用户交流时，注意任何新信息，包括以下类别：
     a) 基本人际关系（年龄、性别、位置、职位、教育程度等）
     b) 行为（兴趣、习惯等）
     c) 偏好（沟通风格、首选语言等）
     d) 目标（目标、目标、抱负等）
     e) 关系（个人和专业关系，最多三级）

4. 更新记忆：
   - 如果在交互中收集到新信息，请按以下方式更新记忆：
     a) 为重复出现的组织、人物和重要事件创建实体
     b) 使用关系将它们与当前实体连接
     c) 将有关它们的事实存储为观察结果

💻 使用示例

基础用法

# 初始化MCP客户端
client = MCPClient()

# 创建用户实体
response = client.create_entities([
    {"name": "User_123", "entityType": "person"},
    {"name": "Default_Project", "entityType": "project"}
])

# 更新用户属性和关系
client.update_entity("User_123", {
    "age": 28,
    "location": "上海",
    "preferences": ["技术交流", "学习"]
})

# 添加观察结果
client.add_observations("User_123", [
    {"content": "用户在项目中表现出对人工智能的兴趣", "timestamp": "2023-10-05"},
    {"content": "用户偏妤早上进行技术讨论", "timestamp": "2023-10-06"}
])

# 检索记忆
memory = client.get_entity("User_123")
print(memory)  # 输出用户详细信息和关联关系

# 删除实体（清理）
client.delete_entity("Default_Project")  # 成功返回True，失败返回False

📦 安装指南

Docker构建

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

📄 许可证

此MCP服务器依据MIT许可证发布。你可自由使用、修改和分发该软件，但需遵循MIT许可证的条款和条件。详细信息请查阅项目存储库中的LICENSE文件。