优化内存 MCP 服务器

这是为了测试和演示Claude AI的编码能力以及良好的AI工作流和提示设计。这是一个基于Python的记忆优化MCP服务器（我相信官方的是用Java编写的），它使用SQLite作为后端。

知识图谱记忆服务器

一个基本的知识图谱持久记忆实现。这使得Claude能够记住用户在聊天中的信息。

核心概念

实体

实体是知识图谱的主要节点。每个实体都有：

• 唯一名称（标识符）
• 实体类型（例如，“人”，“组织”，“事件”）
• 观察列表

示例：

{
  "name": "John_Smith",
  "entityType": "person",
  "observations": ["Speaks fluent Spanish"]
}

关系

关系定义了实体之间的定向连接。它们始终以主动语态存储，并描述实体如何相互作用或关联。

示例：

{
  "from": "John_Smith",
  "to": "Jane_Doe",
  "relation": "colleague"
}

观察

观察是关于实体的事实或信息片段。它们可以是简单的事实、属性或描述。

示例：

{
  "entity": "user_123",
  "observation": "prefers coffee in the morning"
}

使用方法

创建实体

要创建一个新实体，调用以下接口：

API 调用：

create_entity(name, entity_type)

输入参数：

• name: 实体的唯一标识符（字符串）
• entity_type: 实体的类型（字符串）

输出：

• 新创建的实体对象

创建关系

要创建两个现有实体之间的关系，调用以下接口：

API 调用：

create_relation(from_entity, to_entity, relation)

输入参数：

• from_entity: 源实体标识符（字符串）
• to_entity: 目标实体标识符（字符串）
• relation: 关系类型（字符串）

输出：

• 新创建的关系对象

添加观察

要添加一个关于现有实体的观察，调用以下接口：

API 调用：

add_observation(entity, observation)

输入参数：

• entity: 实体标识符（字符串）
• observation: 观察内容（字符串）

输出：

• 更新后的实体对象

查询知识图谱

要查询与给定实体相关的所有信息，调用以下接口：

API 调用：

query_entity(entity)

输入参数：

• entity: 实体标识符（字符串）

输出：

• 包含实体及其关系和观察的详细信息

在Claude Desktop上的配置

配置文件修改

要在Claude Desktop上使用此MCP服务器，请在项目的config.json中添加以下内容：

{
  "memory_server": {
    "type": "custom",
    "path": "mcp-memory-server"
  }
}

系统提示语设计

要使模型利用记忆功能，需要根据具体用例调整提示语。例如，在聊天个性化中使用以下提示：

遵循以下步骤进行每次交互：

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

2. 记忆检索：
   - 总是从“Remembering...”开始，仅从知识图谱中检索相关信息
   - 将知识图谱称为您的“记忆”

3. 记忆创建：
   - 在与用户交流时，请注意收集以下信息：
     a) 基本人格（年龄、性别、位置、职位、教育水平等）
     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，直至3度分隔）

4. 更新记忆：
   - 如果在交互中收集了任何新信息，请按照以下方式更新记忆：
     a) 为反复出现的组织、人员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) 将其事实存储为观察

项目构建

Docker镜像构建

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

许可证

此MCP服务器根据MIT许可证发布。这意味着您可以自由使用、修改和分发软件，条件是您遵守MIT许可证的条款和条件。有关详细信息，请参阅项目存储库中的LICENSE文件。