mcp-server-memory

这是一个与记忆文本文件交互的MCP服务器，以帮助Claude在聊天之间保持上下文。

每一行都是一段记忆。

这些工具允许Claude（以及其他MCP客户端）在聊天过程中管理记忆：

• memory_add(memory: string) - 添加记忆
• memory_search(query: string) - 返回匹配的记忆（子字符串精确匹配）- 未来可能会支持通配符/正则表达式
• memory_delete(query: string) - 删除匹配的记忆（子字符串精确匹配）
• memory_list() - 返回所有记忆
• 提示：memory_update == memory_delete + memory_add

例如，

• 我提到我的名字 => "正在与Wes聊天"
• 提到女儿的年龄 => "Wes的女儿8岁"
• 说在做一个typescript项目 => "正在做typescript项目"
• 而且，这非常重要，可以基于Claude（助手/LLM）所说或所做的事情...
  • 尤其是工具使用（即run_command）... 比如第一次尝试使用工具时失败（即python命令不存在），然后后续使用python3成功 => Claude可以记录"使用python3，python不存在"
• 我让Claude删除关于X的记忆 => memory_delete(query: X)
• 我纠正我的名字 => memory_search("oldname") + 删除每个匹配的记录或一个共同子集查询 + 添加新的名字

然后，当开始新的聊天时，Claude会自动获取最近的记忆（子集或所有），或者可以请求记忆（一些/更多/全部）。 然后可以根据这些记忆影响回应/工具等。

设计

简单的记忆文本文件，原因：

• ChatGPT的记忆运行良好，并且本质上是一个文本文件
  • 可能背后有一些结构化的处理，但如果你查看记忆，它会以文本文件的形式呈现。
• 我在类似提醒功能的mcp-server-commands测试中效果很好（Claude当时有这些功能）。
• 未结构化的文本简化了工具的操作和参数，基本上只是管理一个字符串列表。

提示机制：

• 也很重要的是要有一个提示，让模型知道何时存储记忆。 这一点目前还不太清楚如何最好地实现...
• 培训：OpenAI承认一些培训中的模型了解何时存储记忆。 就像模型接受工具使用的训练一样。
• 提示词：一个系统提示部分可能包含一个提醒以触发存储记忆。
• 工具本身：在我对Claude的测试中，仅使用工具规范和工具响应中的提示/建议时，Claude仍然无法存储记忆。 因此，单独依赖工具是不够的。 我认为在提示中添加一个提示将有效。

未完成的想法

我不知道这些是否值得花费时间，只是列出一些未来可能实现的想法。 部分原因是为了防止自己分心去实现它们：)

• 新颖性因素：一种根据新颖性重新排列记忆的方法？
  • 时间顺序变得对模棱两可的记忆查询（例如，同时提到了typescript项目和python项目，当我要求开始新项目时，可能建议最近使用的那个？）
• 逐渐淡出旧记忆？