MCP Memory Service

为什么要用

核心特性

向量 + 符号混合召回——误报率低于纯嵌入式存储
自动构建知识图谱，关联实体、决策和项目
后台整合：去重、摘要、发现漂移
MCP 与 REST API 并存——同一存储，两种客户端
SQLite 优先（零基础设施）；可扩展至 Postgres / pgvector

实时演示

实际使用效果

mcp-memory-service.replay ▶ 就绪

0/0

安装

选择你的客户端

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

打开 Claude Desktop → Settings → Developer → Edit Config。保存后重启应用。

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Cursor 使用与 Claude Desktop 相同的 mcpServers 格式。项目级配置优先于全局。

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

点击 Cline 侧栏中的 MCP Servers 图标，然后选 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

格式与 Claude Desktop 相同。重启 Windsurf 生效。

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "mcp-memory-service",
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  ]
}

Continue 使用服务器对象数组，而非映射。

~/.config/zed/settings.json

{
  "context_servers": {
    "mcp-memory-service": {
      "command": {
        "path": "uvx",
        "args": [
          "mcp-memory-service"
        ]
      }
    }
  }
}

加入 context_servers。Zed 保存后热重载。

claude mcp add mcp-memory-service -- uvx mcp-memory-service

一行命令搞定。用 claude mcp list 验证，claude mcp remove 卸载。

使用场景

实战用法： MCP Memory Service

在多周编码项目中让 Claude 保持同步

👤 长期项目的开发者 ⏱ ~15 min beginner

何时使用： 每次会话都要花 10 分钟提醒 Claude 项目规范、决策和待办事项。

前置条件

Memory service 已运行 — uvx mcp-memory-service（默认使用 ~/.mcp-memory.db）

步骤

初始化核心上下文

Use mcp-memory-service. Store these as project-level memory: 'use bun not npm', 'all DB writes go through src/db/repo.ts', 'no class components in src/ui'.✓ 已复制

→ 3 条记忆已存储，带有项目标签
在下次会话中使用

Recall any project-level rules before suggesting changes to src/ui/Form.tsx.✓ 已复制

→ 相关规则已召回；建议符合规则
记录新决策

Save: 'switched from React Query to SWR on 2026-04-22 because of Suspense compat'.✓ 已复制

→ 记忆已存储并附有日期；下次话题相关时会自动浮现

结果： Claude 将项目视为持续协作，而非 100 次冷启动。

注意事项

记忆无限增长；召回开始拉取过时或无关内容 — 每周运行整合；为记忆打标签，以便将召回范围限定为近期和当前项目

搭配使用： filesystem

为个人助理 agent 建立持久化的个人档案

👤 正在构建日常驱动 Claude agent 的用户 ⏱ ~10 min beginner

何时使用： 你的日常 agent 应该了解你的偏好、周期性会议和联系人，而不必每次重新询问。

步骤

录入档案

Use mcp-memory-service. Store: my timezone (Asia/Tokyo), my partner's name, my work hours (10–7), recurring 1:1s.✓ 已复制

→ 档案已存储，type=profile
即时召回

Schedule 'lunch w/ Alice' for next Tuesday — pick a time that respects my work hours.✓ 已复制

→ 建议时间已从记忆中读取工作时间；无需重新询问

结果： 每次任务所需的重复上下文输入更少。

注意事项

敏感信息（医疗、财务）以未加密形式存储 — 使用独立 DB 路径（加密文件系统或 SQLCipher 构建版）；或直接不在此层存储医疗/财务信息

搭配使用： google-workspace-mcp

在阅读论文的同时构建研究知识图谱

👤 研究人员、分析师、深度阅读者 ⏱ ~60 min intermediate

何时使用： 你在阅读 30 篇论文，想追踪实体、主张和矛盾观点。

步骤

边读边录入

For each paper I link, extract: authors, key claims, methods, datasets — store as linked nodes.✓ 已复制

→ 节点数量不断增加；连接关系可见
发现矛盾

Across stored papers, find claims that contradict. List with sources.✓ 已复制

→ 相互矛盾的主张对，附引用来源
生成综述

Draft a 2-page survey with the dominant claim threads + contradictions noted.✓ 已复制

→ 有来源标注的 Markdown 综述

结果： 真正的知识综合，而非单纯的笔记堆砌。

注意事项

提取质量参差不齐——部分主张是噪音 — 定期清理低置信度节点；整合任务有所帮助，但并非万能

搭配使用： filesystem

在团队成员的 agent 之间共享项目决策日志

👤 使用 AI 开发 agent 的小团队 ⏱ ~30 min advanced

何时使用： 团队三人都在用 Claude Code；没人知道其他人的 agent 已经做了哪些决策。

前置条件

所有人可访问的托管实例 — 在共享开发机上以 --host 0.0.0.0 运行；或部署 Docker 镜像

步骤

将团队配置指向共享服务

Update each teammate's MCP config to use the shared URL with separate auth tokens.✓ 已复制

→ 所有 agent 读写同一存储
约定：为决策打标签

Convention: anything stored as type=decision is team-visible; type=personal is namespaced.✓ 已复制

→ 标签已应用；召回范围相应限定

结果： 无需 wiki 的团队级记忆。

注意事项

个人笔记被意外标记为团队可见 — 默认使用 type=personal；team=decision 需显式选择

搭配使用： github

组合

与其他 MCP 搭配，撬动十倍杠杆

mcp-memory-service + filesystem

将记忆锚定到仓库文件——关联 memory_id ↔ 文件路径

When I edit src/db/repo.ts, recall any decisions referencing it before suggesting changes.✓ 已复制

mcp-memory-service + github

自动将 PR review 摘要存储为决策记忆

After every merged PR, store the design rationale + reviewer concerns as type=decision tagged with the repo.✓ 已复制

工具

此 MCP 暴露的能力

工具	输入参数	何时调用	成本
store_memory	content, tags?, type?, metadata?	遇到任何值得保留的新事实或决策时	0
recall	query, top_k?, tags?, since?	回答前的第一步——不要重复输入上下文	0
graph_neighbors	node_id, depth?	探索相关实体/决策	0
consolidate	scope?	每周例行维护；合并重复项	LLM tokens for summarization
delete_memory	memory_id	行使被遗忘权或纠正错误数据	0

成本与限制

运行它的成本

API 配额: 无——全部本地
每次调用 Token 数: 召回返回 200–2000 token，具体取决于 top_k
费用: 免费；整合使用本地或自备 LLM
提示: 大多数召回调用将 top_k 限制为 5；让整合任务处理去重，而不是过度填充 prompt

安全

权限、密钥、影响范围

最小权限： filesystem write to db path

凭据存储： DB 位于 ~/.mcp-memory.db；敏感数据请加密文件系统或使用 SQLCipher 构建版

数据出站： 默认无；如果整合任务连接 LLM，则会有对外请求

切勿授予： 在共享主机上设置世界可读的 DB

个人信息会通过记忆流入——请在应用层实施数据保留策略

故障排查

常见错误与修复

召回返回空结果

检查标签过滤器；schema 变更后嵌入索引可能需要重建

验证： 查看工具返回的结果数量和传入的标签

并发 agent 下出现 DB 锁定错误

切换到 Postgres 后端，或启用 SQLite WAL 模式（近期版本默认开启）

验证： PRAGMA journal_mode;

整合任务一直运行不结束

缩小范围：consolidate(scope='last_week')，而非全量 DB

记忆中充斥着无关的聊天内容

在存储时更严格——只对事实/决策调用 store_memory，不要存储普通闲聊

验证： 审计近期存储记录；删除无用内容

替代方案