🚀 优化内存 MCP 服务器
本项目旨在测试和演示Claude AI的编码能力，同时展示良好的AI工作流和提示设计。这是一个基于Python的内存优化MCP服务器（官方版本推测使用Java编写），并采用SQLite作为后端数据库。
🚀 快速开始
本项目是一个基本的知识图谱持久记忆实现，可让Claude记住用户在聊天中的信息。
✨ 主要特性
知识图谱记忆服务器
实现了知识图谱的持久记忆功能，涵盖实体、关系和观察等核心概念，具体如下：
- 实体：作为知识图谱的主要节点，每个实体具备唯一名称（标识符）、实体类型（如“人”“组织”“事件”）以及观察列表。
示例：
{ "name": "John_Smith", "entityType": "person", "observations": ["Speaks fluent Spanish"] } - 关系：定义了实体之间的定向连接，以主动语态存储，描述实体间的相互作用或关联。
示例：
{ "from": "John_Smith", "to": "Jane_Doe", "relation": "colleague" } - 观察：是关于实体的事实或信息片段，可以是简单事实、属性或描述。
示例：
{ "entity": "user_123", "observation": "prefers coffee in the morning" }
📚 详细文档
使用方法
创建实体
调用以下接口可创建新实体： 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
调用以下接口可创建两个现有实体之间的关系： 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
调用以下接口可添加关于现有实体的观察： 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
调用以下接口可查询与给定实体相关的所有信息： 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
若要在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
为使模型利用记忆功能，需根据具体用例调整提示语。例如，在聊天个性化中可使用以下提示：
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，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。