Anamnesis MCP

MCP开发工具

提供方 MyAI4

开发工具 stdio · 本地进程 API Key 社区 / 第三方 Claude
查看接入方式

Anamnesis是一个模型上下文协议(MCP)服务器,为AI编程代理提供持久且可追溯的记忆功能,使其能够跨项目和会话回忆重要信息。

一句话选型结论

按资料字段整理

Anamnesis MCP 属于开发工具类 MCP 服务器,stdio · 本地进程,API Key,可直接接入 Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类开发工具 传输方式stdio · 本地进程 鉴权API Key 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 6 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

开发工具
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量6暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

AI编程辅助Python本地部署持久记忆存储上下文感知开发工具

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
pip install anamnesis-mcp

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 6 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 6 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Anamnesis MCP当前 6 stdio · 本地进程 本地部署 有 2026-05-17
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
字段来自项目仓库与公开索引,中文说明由本站标注
提供方MyAI4上游标注的维护方 MyAI4
分类开发工具本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式API Key远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

12.0 KB
来自项目仓库与上游目录的原文,未做删改

记忆丧失MCP

> “学习不是获取新知识。它是回忆已知的东西。”\
> --柏拉图

回忆 是一个模型上下文协议(MCP)服务器,为AI编码代理提供跨所有项目和会话的持久、可追溯的内存。

不是摘要。无损耗压缩。线索指针记录可以链接回完整的原始背景——你已经进行的对话、决定和突破——这样你的代理人就可以在重要的时候回忆起来。


问题

每个AI代理会话都是冷启动的。您的代理人没有以下记忆:

  • 你上周一起调试的Lambda冷启动问题
  • 您在另一个项目中做出的架构决策适用于此处
  • 在CutIndex中工作的模式现在可以节省两个小时
  • 昨天的谈话中,你确切地解决了这个问题

Claude Code可以搜索您的本地会话文件,但它是盲目搜索的,不知道里面有什么。缺少的是 意义指数:轻量级线索记录,当上下文相似时触发,并将代理指向完整的原始工件。

这就是Anamnesis。


运作原理

记忆分析不会存储您的对话摘要。它存储 指向完全可追踪伪影的线索向量.```
Memory record = {
cue_vector: embedding of "what this context felt like"
context_tags: ["aws-lambda", "cold-start", "python", "2026-03"]
project: "CutIndex"
artifact_type: "conversation" | "diff" | "trace" | "decision"
artifact_ptr: path to full original → ~/.claude/sessions/uuid.jsonl
outcome: "solved" | "eureka" | "abandoned" | "partial"
summary: "Solved Lambda cold-start by increasing reserved concurrency"
}


向量不是记忆。向量是告诉代理的触发器 *往哪看*。完整的对话将保存在您的机器上,不受影响。

当类似的上下文在新会话中触发时,Anamnesis会显示线索并获取原始工件。特工回忆起——他没有猜测。

______________________________________________________________________

## 记忆SDLC

Anamnesis中的记忆在成为可信上下文之前会经过一个轻量级的审查过程——就像代码更改在合并之前会经过PR审查一样。```
Agent detects significant event (Eureka, decision, pattern)
→ writes proposed memory to pending/ queue

Reviewer agent scans pending/ (scheduled or on-demand)
→ checks for secrets, evaluates quality, flags duplicates
→ proposes accept / modify / reject

Human reviews (one-click in most cases)
→ accepts → memory promoted to confirmed/ store
→ rejects → discarded

Periodic maintenance agent
→ scans confirmed/ for staleness and redaction needs

这意味着回忆是 挣来的,不是自动的确认的商店是你和你的经纪人一起真正学到的东西的精心记录,而不是所有说过的话的垃圾堆。


安全:道德指南针

特工在谈话中会遇到秘密。记忆会在它们到达记忆库之前将其剥离。

使用模式匹配在写入时运行快速编校:```python
REDACT_PATTERNS = [
r"(api_key|secret|password|token|credential)\s[=:]\s\S+",
r"[A-Za-z0-9+/]{40,}={0,2}", # base64 blobs
r"[0-9a-f]{32,}", # hex keys
r"aws_\w+\s=\s\S+", # AWS credentials
r"(sk|pk|rk)[-_][a-zA-Z0-9]{20,}", # API key prefixes
]


定期对已确认的商店进行更深入的LLM辅助编辑。在任何JARVIS.md或AGENTS.md配置中,代理的常规指令都是明确的: *存储发生的事情的形状,而不是值。*

______________________________________________________________________

## MCP工具

|工具|说明|
|---|---|
| `anamnesis_recall` |主要阅读工具。在会话开始或上下文熟悉时调用。通过线索相似性搜索确认的记忆。返回匹配的摘要,并可选择获取完整的工件。 |
| `anamnesis_remember` |主要书写工具。当代理解决重要问题、识别模式或做出不明显的决定时调用。写入待审核队列。 |
| `anamnesis_search` |轻量级关键字+标签搜索。比回忆更快,因为你知道自己在找什么。 |
| `anamnesis_review` |返回待处理的内存队列以供人工查看。 |
| `anamnesis_confirm` |人类接受、拒绝或编辑待定的记忆。 |
| `anamnesis_stats` |使用概述:按项目、结果、最近活动、顶部标签列出的记忆。 |

### 工具说明(专为代理触发而设计)

下面的描述经过精心设计,以便正确配置的代理在正确的时间到达正确的工具,而不仅仅是在明确指示的情况下。

**`anamnesis_recall`**

> 在任何不平凡的问题开始时,以及在当前环境感觉熟悉时使用此工具——类似的错误、类似的架构模式、类似的库问题。这是你对所有项目的长期记忆。当您可能在此处存储了直接相关的经验时,不要只依赖培训数据。

**`anamnesis_remember`**

> 当你解决一些需要付出真正努力的问题,发现一个不明显的模式,用不明显的推理做出架构决策,或者找到一个与文档所述内容相矛盾的解决方案时,请使用此工具。不要用于日常工作。如果更广泛的开发人员社区会从中受益,请将eureka_flag设置为true。

______________________________________________________________________

## 安装

### 需求

- Python 3.11+
- `uv` (推荐)或 `pip`
- OpenAI API密钥(用于远程嵌入)或本地运行的Ollama(用于私有本地嵌入)

### 安装```bash
# Via uv (recommended)
uv tool install anamnesis-mcp

# Via pip
pip install anamnesis-mcp

在Claude代码中配置

添加 ~/.claude/settings.json:```json
{
"mcpServers": {
"anamnesis": {
"command": "uvx",
"args": ["anamnesis-mcp"],
"env": {
"EMBEDDING_MODEL": "text-embedding-3-small",
"OPENAI_API_KEY": "sk-...",
"ANAMNESIS_STORE": "~/.anamnesis"
}
}
}
}


### 在GitHub Copilot(.agent.md)中配置

创建 `~/.config/github-copilot/agents/jarvis.agent.md`:```markdown
---
name: jarvis
description: Personal developer context engine with persistent memory
tools:
- anamnesis_recall
- anamnesis_remember
- anamnesis_search
---

You are a persistent developer assistant with access to long-term memory
across all projects via Anamnesis.

Before starting any non-trivial problem, call anamnesis_recall with the
current context. When you solve something significant or discover a
non-obvious pattern, call anamnesis_remember. Never store secrets,
credentials, or proprietary business logic in memories.

文件结构```

~/.anamnesis/
├── config.json # Embedding model, API keys, optional AIOverflow connection
├── memories.db # SQLite — all memory records and cue vectors
├── artifacts/ # Full original artifacts (Markdown, preserved verbatim)
│ ├── [uuid].md
│ └── ...
├── pending/ # Memory PRs awaiting human review
│ ├── [uuid].json
│ └── ...
└── exports/ # Human-readable exports


所有数据都是本地的。除非您配置了托管同步,否则任何东西都不会离开您的机器(请参阅路线图)。

______________________________________________________________________

## 路线图

### 第1阶段——核心MCP(当前)

- \[x\] 回购设置和BUSL 1.1许可证
- \[\]带提示指针模式的SQLite内存存储
- \[\]嵌入管道(远程:OpenAI,本地:Ollama/nomic嵌入文本)
- \[ \] `anamnesis_recall` 线索相似性搜索工具
- \[ \] `anamnesis_remember` 编写时带编辑功能的工具
- \[ \] `anamnesis_search` 关键字+标签搜索
- \[\]内存SDLC:待定→ 审查→ 确认生命周期
- \[ \] `anamnesis_review` 和 `anamnesis_confirm` 工具
- \[\]克劳德代码会话摄入(`~/.claude/` JSONL解析器)
- \[\]CLI查看界面(富终端UI)
- \[\]PyPI发布为 `anamnesis-mcp`
- \[\]提交给MCP注册中心(MCP.so、pulsemcp.com、很棒的MCP服务器)

### 第二阶段——丰富资源

- \[\]claude.ai对话导出摄取(JSON转储解析器)
- \[\]Git差异和提交消息接收
- \[\]本地Ollama嵌入支持(完全私有,无API成本)
- \[ \] `anamnesis_stats` 工具
- \[\]Web审查UI(轻量级本地服务器)
- \[\]定期维护剂(老化检测、深度编辑)

### 第3阶段——托管同步

- \[\]跨设备的加密云同步(托管服务、商业许可证)
- \[\]团队/共享内存命名空间
- \[\]AIOverflow MCP集成(Eureka标志→ 社区帖子草稿)
- \[\]跨设备审查界面

______________________________________________________________________

## 建筑

### 线索指针记录(模式)```python
@dataclass
class MemoryRecord:
id: str                    # UUID
cue_vector: list[float]    # 1536-dim embedding (text-embedding-3-small)
# or 768-dim (nomic-embed-text local)
context_tags: list[str]    # Technology and domain tags
project: str               # Project name (auto-detected from cwd)
project_path: str          # Absolute path to project root
artifact_type: str         # conversation | diff | trace | decision | note
artifact_ptr: str          # Pointer to full original artifact
summary: str               # 1-3 sentences, human-readable, no secrets
outcome: str               # solved | eureka | abandoned | partial
eureka_flag: bool          # True = community-worthy, triggers AIOverflow draft
status: str                # pending | confirmed | archived
redacted: bool             # True if redaction was applied
created_at: datetime
confirmed_at: datetime | None

工件指针格式```

file:///home/user/.anamnesis/artifacts/uuid.md # stored locally
claude-code:///session/uuid # Claude Code JSONL session
git:///path/to/repo@commitHash # git commit reference
aioverflow:///post/id # published community post
```

技术栈

组件 选择 基本原理
MCP服务器 Python+FastMCP 构建速度最快,原生于Claude Code生态系统
内存存储 SQLite+SQLite vss 零依赖,本地优先,可移植
远程嵌入 OpenAI文本嵌入-3small 0.02美元/百万代币——实际上是免费的
本地嵌入 经济学嵌入文本通过Ollama 完全私有,无API成本
矢量搜索 sqlite-vss或numpy-conesine 轻量级,无需外部数据库
Redaction Python正则表达式+定时LLM传递 写时快速,按计划深入
CLI 丰富(Python) 用于内存审查的干净终端UI

许可证

Anamnesis MCP根据 商业来源许可证1.1(BUSL-1.1).

您可以:

  • 自由使用Anamnesis供个人使用和发展
  • 非商业目的的自宿主分析
  • 阅读、修改和贡献源代码
  • 在组织内部使用Anamnesis

您不得(无商业许可证):

  • 将Anamnesis作为托管或管理服务提供给第三方
  • 将Anamnesis嵌入您销售或授权给他人的商业产品中
  • 使用Anamnesis构建竞争产品

更改日期: 2030-03-15\
更改许可证: Apache许可证2.0

更改日期后,该软件将在Apache 2.0下可用。

商业许可查询:[联系方式]

看 许可证 完整条款。


为什么是“失忆”?

在柏拉图哲学中, 回忆 学习不是获取新知识,而是 回忆灵魂已经知道的事情知识总是存在的,只需要合适的背景就能浮出水面。

你的经纪人已经和你谈过这件事了。谈话发生了。已找到解决方案。失忆会使它恢复原状。


贡献

根据上述BUSL条款,欢迎捐款。请在提交重大更改的PR之前打开一个问题。

贡献需要一份贡献者许可协议(CLA)——这是BUSL项目的标准做法,保护贡献者和项目。详情请参阅 贡献.md (即将推出)。


由...建造 阿雷克·库尔帕 ·部分 SDLC。人工智能 开发人员工具生态系统

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Anamnesis MCP 怎么安装?

在客户端按下面的安装命令接入:pip install anamnesis-mcp。装完在客户端配置里引用同一个包或端点。

Anamnesis MCP 怎么在 Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Anamnesis MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Anamnesis MCP 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

Anamnesis MCP 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Anamnesis MCP 能提供哪些能力?

资料显示约 6 个工具;能力标签包括 AI编程辅助、Python、Claude、开发工具。具体工具清单以官方文档为准。

Anamnesis MCP 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Anamnesis MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。