内存模型上下文协议

概述

Memory MCP 是 Model Context Protocol（MCP）官方推出的持久化内存参考服务器。它实现了一个轻量级知识图谱，使 AI 智能体能够跨对话和会话存储并检索结构化信息。

作为 Model Context Protocol 团队官方 MCP 服务器仓库的一部分，它解决了大语言模型（LLMs）的最大限制之一：无状态性。智能体无需每次都重复上下文，而是可以保存事实、用户偏好、项目细节、决策和观察结果——然后根据需要随时调用。

它是众多社区内存实现方案的基础，并且在 Claude Desktop、Claude Code、Cursor 和其他 MCP 客户端工具中直接获得支持。

功能特性

• 知识图谱存储：持久存储包含观察结果、关系和属性的实体。
• 添加/检索/搜索记忆：提供创建实体、添加观察、按关键词或语义搜索以及获取相关上下文的工具。
• 跨会话持久化：数据在重启后依然存在，可用于新的对话。
• 作用域与结构化：支持用户级、项目级或对话级内存，采用清晰的实体-关系模型。
• 轻量级与本地优先：可通过 npx、Docker 或本地安装运行，依赖项极少。
• 符合 MCP 标准：提供完整的工具发现、JSON-RPC 接口，可与任何 MCP 客户端无缝集成。
• 可扩展的基础：可作为高级实现（向量搜索、Neo4j 等图数据库或混合系统）的起点。

使用场景

• 跨会话连续性：Claude 或 Cursor 能记住项目架构、编码偏好和过往决策，无需重新解释。
• 用户偏好追踪：存储风格偏好、工具选择或工作流习惯，以实现个性化辅助。
• 项目知识库：构建关于代码库事实、Bug 解决方案和设计决策的动态图谱。
• 多智能体协作：在复杂工作流中，不同 AI 智能体或会话间共享记忆。
• 长期学习：智能体积累数周或数月知识，提高效率并减少上下文窗口浪费。

安装与快速开始

使用 npx（最简单）

npx -y @modelcontextprotocol/server-memory

为 Claude Desktop / Cursor 配置

添加到您的 MCP 配置文件（例如 claude_desktop_config.json 或 .cursor/mcp.json）：

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    }
  }
}

Docker 选项

docker run -i -v claude-memory:/app/dist --rm mcp/memory

运行后，AI 智能体即可使用诸如 create_entity、add_observation、search_memories 和 get_graph 等工具与持久化内存存储进行交互。

为何选择 Memory MCP？

大语言模型虽功能强大，但在不同会话间缺乏记忆。Memory MCP 通过提供标准化、安全且可发现的方式维持长期上下文，将它们转变为有状态的协作伙伴。它能显著降低 token 消耗（无需每次粘贴历史记录），并实现更自然、连续的工作流程。

官方实现采用简单的本地知识图谱架构，使其快速、私密且易于自行部署。社区扩展则增加了向量搜索、Neo4j 后端或混合语义+图谱功能，以构建更丰富的记忆系统。

进阶技巧与生态体系

• 结合 Claude Thread Continuity 或其他 MCP 服务器，实现完整对话+项目记忆
• 生产环境或多用户场景中，可选用支持 SQLite、MongoDB、Qdrant 或 Neo4j 后端的社区分支版本
• 配合 uv-mcp、playwright-mcp 或 postgres-mcp 等工具，构建兼具行动与记忆能力的完整智能体工作流
• 大规模使用时需监控存储增长并实施数据清理策略

相关链接

• 官方源码：modelcontextprotocol/servers - Memory
• MCP 示例与文档：modelcontextprotocol.io/examples
• MCP 技术规范：modelcontextprotocol.io

Memory MCP 是 MCP 生态系统中构建真正持久化智能 AI 代理的基础组件。