Memory MCP Triple System

MCPAI代理

提供方 DNYoussef

AI代理 stdio · 本地进程 Token 社区 / 第三方 Claude DesktopClaude
查看接入方式

Memory MCP Triple System 是一个为AI助手设计的智能多层内存管理系统,提供模式感知的上下文适应和语义向量搜索功能。

一句话选型结论

按资料字段整理

Memory MCP Triple System 属于AI代理类 MCP 服务器,stdio · 本地进程,Token,可直接接入 Claude Desktop、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AI代理 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 3 仓库热度,无公开仓库时显示未标注
工具数 未标注 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

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注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助手Python本地部署内存管理语义搜索上下文适应向量数据库

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
pip install -e .

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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

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

  • 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 Desktop、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Token对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、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
Memory MCP Triple System当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
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DNYoussef上游标注的维护方 DNYoussef
分类AI代理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Token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

17.4 KB
来自项目仓库与上游目录的原文,未做删改

内存MCP三重系统

一种用于具有模式感知上下文自适应的人工智能助手的复杂多层存储系统

Memory MCP Triple System是一个生产就绪的模型上下文协议(MCP)服务器,为Claude和ChatGPT等AI助手提供智能的多层内存管理。它自动检测查询意图,根据交互模式调整上下文,并从语义向量数据库中检索相关信息。

🔗 与人工智能开发系统集成

Memory MCP Triple System与智能代码分析和开发系统无缝集成:

上下文级联认知架构 - https://github.com/DNYoussef/context-cascade

  • 四环集成:环路1.5(反射)和环路3(元优化)完全布线
  • FrozenHarness遥测:与世界卫生组织/何时/项目/为什么标签一起存储的评估指标
  • 课程学习:reflect_to_merry.py存储更正和模式
  • 元循环优化:meta_loop_runner.py每3天聚合和优化一次
  • 图书馆目录:25个组件已编入预编码保护索引

康纳斯安全分析仪 - https://github.com/DNYoussef/connascence-safety-analyzer

  • 7+符合NASA标准的代码质量违规类型
  • 0.018s分析性能
  • 实时代码质量跟踪和模式检测

ruv SPARC三回路系统 - https://github.com/DNYoussef/ruv-sparc-three-loop-system

  • 86+专业代理(所有代理都具有内存MCP访问权限)
  • 自动标记协议(世界卫生组织/何时/项目/为什么)
  • 完整的代理协调框架
  • 基于证据的提示技术

新集成脚本(2026-01-09)

脚本 位置 目的
reflect_to_memory.py scripts/ 从循环1.5中学习商店会话
meta_loop_runner.py scripts/ 汇总学习,每3天运行一次
migrate_library_to_memory_mcp.py cognitive-architecture/scripts/ 库目录迁移

计划任务: MemoryMCP-MetaLoop-3Day 每3天凌晨3:00运行一次meta_loop_runner.py。

MCP集成指南:参见 docs/MCP-INTEGRATION.md 有关完整的设置说明。


主要特点

  • 三层内存架构:具有自动保留策略的三层存储系统(短期、中期、长期)
  • 模式感知上下文自适应:自动检测并适应三种交互模式(执行、计划、头脑风暴)
  • 语义向量搜索:基于ChromaDB的384维嵌入向量相似性搜索
  • 自我参照记忆:系统可以检索有关其自身功能和文档的信息
  • 基于模式的模式检测:29个正则表达式模式在查询分类中实现了85%以上的准确率
  • 精心策划的核心成果:智能结果管理(基于模式的5个核心+变量扩展结果)
  • MCP兼容:完全支持MCP协议,可与Claude Desktop、Continue和其他MCP客户端无缝集成
  • 生产就绪:100%测试覆盖率,符合美国国家航空航天局规则10,零战区检测

架构概述```

┌─────────────────────────────────────────────────────────────┐
│ AI Assistant (Claude/ChatGPT) │
└─────────────────────────┬───────────────────────────────────┘
│ MCP Protocol
▼
┌─────────────────────────────────────────────────────────────┐
│ Memory MCP Server │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ Mode Detection Engine (29 patterns) │ │
│ │ • Execution Mode (11 patterns) │ │
│ │ • Planning Mode (9 patterns) │ │
│ │ • Brainstorming Mode (9 patterns) │ │
│ └─────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ Context Adaptation Layer │ │
│ │ • Token Budget (5K/10K/20K) │ │
│ │ • Core Size (5/10/15 results) │ │
│ │ • Extended Size (0/5/10 results) │ │
│ │ • Verification (on/conditional/off) │ │
│ └─────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ Triple-Layer Memory Storage │ │
│ │ • Short-term (24h retention) │ │
│ │ • Mid-term (7d retention) │ │
│ │ • Long-term (30d retention) │ │
│ └─────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ Vector Database (ChromaDB) │ │
│ │ • Semantic chunking (128-512 tokens) │ │
│ │ • 384-dim embeddings (all-MiniLM-L6-v2) │ │
│ │ • HNSW index for fast similarity search │ │
│ └─────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘


## 快速开始

### 安装```bash
# Clone the repository
git clone https://github.com/DNYoussef/memory-mcp-triple-system.git
cd memory-mcp-triple-system

# Install dependencies
pip install -e .

# Run tests to verify installation
pytest tests/unit/test_mode_detector.py tests/unit/test_mode_profile.py -v

配置(可选)

复制 .env.example 到 .env 并根据需要进行配置:```bash
cp .env.example .env


**环境变量:**

|变量|默认值|描述|
|----------|---------|-------------|
| `MEMORY_MCP_DATA_DIR` | `./data` |数据存储目录|
| `HF_HOME` | `~/.cache/huggingface` |HuggingFace模型缓存|
| `OBSIDIAN_VAULT_PATH` |(无)|可选黑曜石集成|
| `LOG_LEVEL` | `INFO` |记录冗长|

所有路径支持 `~` 扩展跨平台兼容性。

### 运行MCP服务器```bash
# Start the MCP server (Stdio protocol - canonical)
python -m src.mcp.stdio_server

# The server listens on stdio for MCP protocol messages
# 11 MCP tools available:
# - vector_search: Semantic similarity search with mode-aware context adaptation
# - memory_store: Store information with automatic layer assignment
# - kv_get/kv_set/kv_delete: Key-value storage operations
# - graph_query: HippoRAG multi-hop reasoning
# - entity_extraction: Named entity extraction
# - hipporag_retrieve: Full HippoRAG pipeline
# - detect_mode: Query mode detection (execution/planning/brainstorming)

Claude桌面集成

添加到您的Claude Desktop MCP配置(~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上):```json
{
"mcpServers": {
"memory": {
"command": "python",
"args": ["-m", "src.mcp.stdio_server"],
"cwd": "/path/to/memory-mcp-triple-system"
}
}
}


有关更多详细信息,请参阅 docs/MCP-DEPLOYMENT-GUIDE.md.

## 基本用法

### 存储记忆```python
from src.indexing.embedding_pipeline import EmbeddingPipeline
from src.indexing.vector_indexer import VectorIndexer

# Initialize components
embedder = EmbeddingPipeline()
indexer = VectorIndexer(persist_directory="./chroma_data")
indexer.create_collection()

# Store a memory
chunks = [{
'text': 'The project uses React 18 with TypeScript',
'file_path': 'notes.md',
'chunk_index': 0,
'metadata': {'category': 'tech_stack', 'layer': 'mid_term'}
}]

embeddings = embedder.encode([c['text'] for c in chunks])
indexer.index_chunks(chunks, embeddings.tolist())

使用模式检测检索内存```python

from src.modes.mode_detector import ModeDetector

detector = ModeDetector()

Execution mode: Fast, precise (5K tokens, 5 results)

profile, confidence = detector.detect("What is the tech stack?")
print(f"Mode: {profile.name}, Confidence: {confidence:.2f}")

Planning mode: Balanced (10K tokens, 10+5 results)

profile, confidence = detector.detect("What should I consider for auth?")

Brainstorming mode: Exploratory (20K tokens, 15+10 results)

profile, confidence = detector.detect("What if we used microservices?")


看 docs/摄入与再摄入-解释.md 获取完整的管道文件。

## 交互模式

### 执行模式(默认)

- **用例**:事实查询、具体信息检索
- **模式示例**“什么是X?”“我该怎么做Y?”“给我看Z”
- **配置**:5K个令牌,5个核心结果,启用验证,延迟\<500ms

### 规划模式

- **用例**:决策、比较、战略
- **模式示例**:“我该怎么办?”,“比较X和Y”
- **配置**:10K令牌,10+5个结果,条件验证,\<1000ms延迟

### 头脑风暴模式

- **用例**:构思、探索、创造性思维
- **模式示例**:“如果?”,“想象…”,“探索一切…”
- **配置**:20K令牌,15+10个结果,禁用验证,延迟\<2000ms

## 三层存储系统

### 短期记忆(24小时记忆)

- 最近的对话背景
- 临时工作数据
- 当前任务信息

### 中期记忆(7天记忆)

- 项目特定背景
- 最近的决定和理由
- 活动工件

### 长期记忆(30天记忆)

- 系统文档
- 最佳实践和模式
- 历史决策
- 重要项目知识

## 自我参照记忆

该系统可以检索有关其自身功能的信息:```python
from scripts.ingest_documentation import ingest_all_documentation

# Ingest system documentation
stats = ingest_all_documentation()
print(f"Ingested {stats['total_chunks']} chunks from {stats['files_processed']} files")

# Now the system can answer questions about itself
results = indexer.search_similar(
query_embedding=embedder.encode_single("How does mode detection work?"),
where={"category": "system_documentation"}
)

看 docs/自我参照记忆.md 了解详情。

项目状态

当前版本:v1.5.0
状态:生产就绪(集成认知架构)
最后更新: 2026-01-09

修复进度

  • 问题总数:已确定52个
  • 已解决的问题: 36/52 (69%)
  • 关键问题已修复: 13/13 (100%)
  • 已完成的阶段:0-4(基础、功能、集成、强化)

质量指标(当前)

  • 测试:40+通过(核心功能已验证)
  • 美国国家航空航天局规则10:符合要求(所有函数≤60 LOC,断言替换为ValueError)
  • 错误处理:跨70多个处理程序的强大异常处理
  • 类型安全:符合mypy的完整类型注释
  • 模式检测:3种模式,29种正则表达式模式

工作特点

  • ✅ ChromaDB矢量搜索(语义相似度)
  • ✅ 模式感知上下文适应(执行/规划/头脑风暴)
  • ✅ 三层内存架构(短期/中期/长期)
  • ✅ 世界卫生组织/何时/项目/为什么元数据标记协议
  • ✅ 具有自动层分配功能的内存存储
  • ✅ 事件记录和查询跟踪
  • ✅ 支持TTL的生命周期管理
  • ✅ MCP stdio服务器(公开6个工具)
  • ✅ 自我参照记忆能力
  • ✅ 循环1.5集成:会话反射存储(reflect_to_memory.py)
  • ✅ 循环3集成:元优化聚合(Meta_loop_runner.py)
  • ✅ 遥测电桥:FrozenHarness评估指标存储
  • ✅ 预定自动化:用于3天元循环周期的Windows任务计划程序

已知限制

  • HippoRAG集成:图查询层部分实现,个性化PageRank(PPR)需要完成
  • 贝叶斯推断:已实施网络构建器,CPD估算需要真实数据
  • Nexus处理器:实施了5步SOP流程,但在所有层都完成之前,会退回到仅矢量搜索
  • 依赖性问题:ChromaDB opentelemetry模块在某些环境中不兼容(解决方法:直接使用矢量操作)
  • 测试覆盖率:集成测试存在ChromaDB遥测的导入问题(单元测试通过)

看 docs/补救计划.md 详细的补救路线图和 docs/MEC-联合发布.md 用于完整的问题跟踪。

文档

核心文件

  • MCP-DEPLOYMENT-GUIDE.md -MCP服务器部署指南
  • 摄入和再摄入-解释.md -完整的管道文件
  • 自我调节记忆.md -自我意识的实施
  • 会议完成-夏季.md -v1.0.0完成总结

文档结构

  • docs/api/ -API和集成指南
  • 文档/架构/ -系统架构和流程图
  • 文档/开发/ -开发指南、审计和质量报告
  • 文档/项目历史/ -每周总结和计划文件
  • 文档/研究/ -研究论文和参考文献
  • scripts/README.md -实用程序脚本文档

看 docs/README.md 获取完整的文档索引。

测试```bash

Run all tests

pytest tests/ -v

Run mode detection tests

pytest tests/unit/test_mode_detector.py -v

Run mode profile tests

pytest tests/unit/test_mode_profile.py -v

Run with coverage

pytest tests/ --cov=src --cov-report=html


## 建筑原理

### 美国国家航空航天局规则10合规性

- 所有函数≤60行代码
- 无递归(仅迭代替代方案)
- 固定循环边界
- ≥2个关键路径断言

### 代码质量门

- 零编译错误
- ≥80%的测试覆盖率(关键路径≥90%)
- 零关键安全漏洞
- \<60影院检测得分

## 绩效目标

|度量|目标|当前|
|--------|--------|---------|
|模式检测精度|≥85%|✅ 85%+ |
|执行模式延迟|\<500ms|✅ \<200毫秒|
|计划模式延迟|\<1000ms|✅ \<500毫秒|
|头脑风暴延迟|\<2000ms|✅ \<800毫秒|
|矢量搜索延迟|\<200ms|✅ \<150毫秒|
|测试覆盖率|≥80%|✅ 100% |

## 技术栈

- **语言**:Python 3.10+
- **向量数据库**:ChromaDB(嵌入式,无Docker v5.0)
- **图形数据库**:NetworkX(内存中,无Docker v5.0)
- **贝叶斯推断**:pgmpy(概率图形模型)
- **嵌入**:句子转换器/全MiniLM-L6-v2(384昏暗)
- **协议**:模型上下文协议(MCP)标准
- **测试**:pytest,pytest-cov
- **类型检查**:mypy(严格模式)
- **代码检查**:高射炮,土匪
- **索引**:HNSW(分层导航小世界)

## 贡献

欢迎投稿!请查看 贡献.md 作为指导方针。

### 开发设置```bash
# Create virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install development dependencies
pip install -r requirements.txt

# Run pre-commit checks
flake8 src/ tests/
mypy src/ --strict
bandit -r src/
pytest tests/ -v --cov=src

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

致谢

  • 建于 色度数据库 用于矢量存储
  • 用途 句子变换器 用于语义嵌入
  • 实现 模型上下文协议 用于AI集成
  • 跟随 美国国家航空航天局10条规则的力量

联系

如有疑问或支持,请在GitHub上发布问题:
https://github.com/DNYoussef/memory-mcp-triple-system/issues


版本:v1.5.0(集成认知架构) 状态:生产就绪(四回路系统完成) 补救跟踪:36/52个问题得到解决(69%) 最后更新: 2026-01-09

黑曜石保险库集成

内存MCP支持与黑曜石保险库的双向同步。

配置

添加到您的 .env 文件:```bash
OBSIDIAN_VAULT_PATH=C:\Users\17175\Documents\Obsidian Vault
OBSIDIAN_SYNC_ENABLED=true
OBSIDIAN_SYNC_INTERVAL=300
OBSIDIAN_SYNC_EXTENSIONS=.md


### 快速开始```bash
# Check vault statistics
python scripts/obsidian_sync.py --stats

# Scan vault files
python scripts/obsidian_sync.py

# Use custom vault path
python scripts/obsidian_sync.py --vault "/path/to/vault" --stats

程序化使用```python

from src.mcp import ObsidianMCPClient

client = ObsidianMCPClient(vault_path="/path/to/vault")

Get vault statistics

stats = client.get_vault_stats()
print(f"Found {stats['markdown_files']} markdown files")

Sync vault to memory system

result = client.sync_vault()
print(f"Synced {result['files_processed']} files")

Export memories back to vault

client.export_to_vault(chunks, output_file="memories.md")
```

组件

组件 目的
ObsidianMCPClient 立面协调所有金库操作
VaultFileManager 文件发现、元数据和过滤
VaultSyncService 同步操作、分块、嵌入

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
Memory MCP Triple System 怎么安装?

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

Memory MCP Triple System 怎么在 Claude Desktop、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。

Memory MCP Triple System 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。

Memory MCP Triple System 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

Memory MCP Triple System 支持哪些客户端?

资料标注支持 Claude Desktop、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。

Memory MCP Triple System 能提供哪些能力?

资料显示能力标签包括 内存管理、Python、Claude、搜索。具体工具清单以官方文档为准。

Memory MCP Triple System 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。

Memory MCP Triple System 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。