优化内存 MCP 服务器

这是为了测试和展示Claude AI的编程能力，以及良好的AI工作流程和提示设计。这是一个基于Python的记忆MCP服务器（我认为官方版本是Java编写的），并使用SQLite作为后端。

知识图谱记忆服务器

一个基本实现的记忆功能，通过本地知识图谱实现持久化记忆。这让Claude能够记住关于用户的信息跨越不同的聊天记录。

核心概念

实体

实体是知识图谱中的主要节点。每个实体都有：

• 唯一名称（标识符）
• 实体型（例如，“人”，“组织”，“事件”）
• 观察结果列表

示例：

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

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，并描述实体之间如何交互或相互关联。

示例：

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

观察结果

观察结果是关于实体的离散信息片段。它们是：

• 存储为字符串
• 附加到特定实体
• 可以独立添加或删除
• 应该是原子的事实

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，提示的设计至关重要。调整提示可以帮助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（Usage Example）

初始化：

client = MCPClient()  # 初始化MCP客户端

# 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

构建指南

Docker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。这意味着你可以自由使用、修改和分发软件，但需遵守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。

以上是完整的中文翻译，保持了原文的信息结构和技术细节，同时确保语言流畅自然。