Memento

🚀 Memento MCP 使用指南

Memento MCP 是一款先进的知识图谱实现方案，它借助自然语言处理和语义搜索技术，为对话式 AI 赋予了持久记忆能力，让 AI 能够理解并检索长期存储的信息。

🚀 快速开始

Memento MCP 是一个先进的知识图谱实现，为对话式 AI 提供持久记忆能力。它通过自然语言处理和语义搜索，使 AI 能够理解和检索长期存储的信息。

✨ 主要特性

• 借助自然语言处理和语义搜索，为对话式 AI 提供持久记忆能力。
• 支持多种安装方式，满足不同使用场景。
• 可通过配置文件灵活配置，还能开启调试模式获取更多日志信息。
• 提供初始化、重置等开发相关操作。
• 具备故障排除工具，方便检查向量索引和实体嵌入情况。
• 支持测试和构建操作。

📦 安装指南

基本安装

使用 Smithery 自动安装 Memento MCP：

npx -y @smithery/cli install @gannonh/memento-mcp --client claude

全局安装（推荐）

直接通过 npx 运行：

npx -y @gannonh/memento-mcp

本地安装

克隆仓库并安装依赖：

git clone https://github.com/gannonh/memento-mcp.git
cd memento-mcp
npm install

📚 详细文档

配置指南

基本配置

编辑 config.json 文件，添加以下内容：

{
"neo4j": {
"uri": "bolt://localhost:7687",
"user": "neo4j",
"password": "password"
}
}

调试设置（DEBUG=true）

启用调试模式以获取更多日志信息：

DEBUG=memento npm start

集成与开发

初始化知识图谱

运行以下命令初始化数据库 schema：

npm run neo4j:init

开发者重置

停止并删除 Docker 容器，清理数据目录，然后重启数据库。

故障排除

向量搜索诊断

使用以下工具检查向量索引状态和实体嵌入情况：

• diagnose_vector_search
• force_generate_embedding
• debug_embedding_config

嵌入验证

系统会自动检查并生成缺失的实体嵌入。

测试与构建

运行测试套件并检查覆盖范围：

npm test
npm run test:coverage

💻 使用示例

基础用法

创建知识图谱实体

User: "Remember that Python is a high-level programming language known for its readability and JavaScript is primarily used for web development."

进行语义搜索

User: "What programming languages do you know about that are good for web development?"

检索特定信息

User: "Tell me everything you know about Python."

📄 许可证

本项目采用 MIT License。

通过以上指南，您可以轻松配置和使用 Memento MCP 来增强对话式 AI 的记忆功能。