MCP Memory Service

為什麼要用

核心特性

向量加符號混合回憶——比純嵌入儲存的誤判率更低
自動建構知識圖譜，連結實體、決策與專案
背景整合：去重複、摘要化，並浮現漂移
MCP 旁邊同時提供 REST API——相同儲存空間，兩種用戶端
SQLite 優先（零基礎架構）；可外掛 Postgres／pgvector 以擴展規模

即時演示

實際使用效果

mcp-memory-service.replay ▶ 就緒

0/0

安裝

選擇你的客戶端

~/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"
      ]
    }
  }
}

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.cursor/mcp.json · .cursor/mcp.json

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

Cursor 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

VS Code → Cline → MCP Servers → Edit

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

點擊 Cline 側欄中的 MCP Servers 圖示，然後選 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json

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

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.continue/config.json

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

Continue 使用伺服器物件陣列，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 儲存後熱重載。

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

一行命令搞定。用 claude mcp list 驗證，claude mcp remove 移除。

使用場景

實戰用法： MCP Memory Service

讓 Claude 在數週的程式專案中保持同步

👤 在長期專案中工作的開發者 ⏱ ~15 min beginner

何時使用： 每次對話你都花 10 分鐘提醒 Claude 專案慣例、決策和待辦事項。

前置條件

記憶服務已執行 — uvx mcp-memory-service（預設存至 ~/.mcp-memory.db）

步驟

植入核心脈絡

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'.✓ 已複製

→ 3 筆記憶已儲存，含專案標籤
在下次對話中使用

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

→ 相關規則已浮現；建議遵循規則
記錄新決策

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

→ 記憶已儲存並附帶日期；下次該主題出現時會浮現

結果： Claude 將你的專案視為持續合作，而非 100 次冷啟動。

注意事項

記憶無限增長；回憶時開始拉出過時或無關的內容 — 每週執行整合；為記憶加標籤，以便將回憶範圍限定在近期與此專案

搭配使用： filesystem

為個人助理 agent 建立關於你的持久個人檔案

👤 正在打造日常 Claude agent 的人 ⏱ ~10 min beginner

何時使用： 你的日常 agent 應該了解你的偏好、定期會議和相關人員，而不必每次重新詢問。

步驟

建立個人檔案

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

→ 個人資料已儲存，type=profile
即時回憶

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

→ 建議使用記憶中的工作時間；無需重新詢問

結果： 每次任務需要的重複脈絡說明更少。

注意事項

敏感細節（醫療、財務）以未加密方式儲存 — 使用獨立的 DB 路徑（加密檔案系統或 SQLCipher 版本）；或乾脆不在這一層儲存醫療／財務資料

搭配使用： google-workspace-mcp

在閱讀論文的過程中建立研究知識圖譜

👤 研究員、分析師、深度閱讀者 ⏱ ~60 min intermediate

何時使用： 你正在閱讀 30 篇論文，想追蹤實體、主張和矛盾之處。

步驟

邊讀邊匯入

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

→ 節點數量增加；連結可見
找出矛盾

Across stored papers, find claims that contradict. List with sources.✓ 已複製

→ 互相衝突的主張配對，含引用出處
生成綜述

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

→ Markdown 格式綜述，含有出處的主張

結果： 真正的知識綜合，而非僅僅是筆記。

注意事項

擷取品質參差不齊——部分主張是雜訊 — 定期修剪低信心節點；整合任務有幫助，但非萬能

搭配使用： filesystem

跨團隊成員的 agent 共享專案決策日誌

👤 使用 AI 開發 agent 的小型團隊 ⏱ ~30 min advanced

何時使用： 團隊有三個人使用 Claude Code；沒有人知道其他人的 agent 已經做了哪些決策。

前置條件

所有人都可存取的託管實例 — 以 --host 0.0.0.0 在共用開發機上執行；或部署 Docker 映像

步驟

將團隊設定指向共用服務

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

→ 所有 agent 讀寫同一個儲存空間
慣例：標記決策

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

→ 標籤已套用；回憶範圍相應限定

結果： 不需要 wiki 的團隊級記憶。

注意事項

個人筆記意外標記為團隊可見 — 預設 type=personal；type=decision 需明確選擇加入

搭配使用： github

組合

與其他 MCP 搭配，撬動十倍槓桿

mcp-memory-service + filesystem

將記憶錨定在儲存庫檔案中——連結 memory_id ↔ 檔案路徑

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

mcp-memory-service + github

自動將 PR 審查摘要儲存為決策記憶

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

工具

此 MCP 暴露的能力

工具	輸入參數	何時呼叫	成本
store_memory	content, tags?, type?, metadata?	每當有值得保留的新事實或決策時	0
recall	query, top_k?, tags?, since?	回答前的第一步——不要重新發明脈絡	0
graph_neighbors	node_id, depth?	探索相關實體／決策	0
consolidate	scope?	每週例行維護；合併重複項目	摘要化所需的 LLM token
delete_memory	memory_id	被遺忘權要求或錯誤資料更正	0

成本與限制

運行它的成本

API 配額: 無——全部本機
每次呼叫 Token 數: 回憶依 top_k 返回 200–2000 token
費用: 免費；整合使用本機或自備 LLM
提示: 大多數回憶呼叫上限設 top_k=5；讓整合處理去重複，不要在 prompt 中塞太多

安全

權限、密鑰、影響範圍

最小權限： 對 DB 路徑的檔案系統寫入權限

憑證儲存： DB 位於 ~/.mcp-memory.db；如需處理敏感資料，請加密檔案系統或使用 SQLCipher 版本

資料出站： 預設不對外傳輸；若整合連接了外部 LLM 則除外

切勿授予： 在共用主機上讓 DB 全域可讀

個人識別資訊可能透過記憶流入——請在應用層套用資料保留政策

故障排查

常見錯誤與修復

回憶未回傳任何結果

檢查標籤篩選；schema 變更後嵌入索引可能需要重建

驗證： 查看工具結果數量及你傳入的標籤

並發 agent 下出現 DB 鎖定錯誤

切換至 Postgres 後端，或啟用 SQLite WAL 模式（近期版本預設啟用）

驗證： PRAGMA journal_mode;

整合一直執行不完

縮小範圍：consolidate(scope='last_week') 而非整個 DB

記憶充斥著不相關的對話內容

在儲存時更嚴格——只對事實／決策呼叫 store_memory，而非日常聊天

驗證： 稽核近期儲存記錄；刪除垃圾內容

替代方案