Serial Memory Server

MCP搜索检索

提供方 sblanchard

搜索检索 未标注 无需鉴权 社区 / 第三方 Claude DesktopClaude

SerialMemory是一个为AI应用设计的时序知识图谱内存系统,提供语义搜索、实体提取和关系追踪功能,帮助AI代理保持上下文并从过去的交互中学习。

一句话选型结论

按资料字段整理

Serial Memory Server 属于搜索检索类 MCP 服务器,传输方式未标注,无需鉴权,可直接接入 Claude Desktop、Claude,没有现成安装命令,需按官方文档接入。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。

分类搜索检索 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 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

搜索检索
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

语义搜索C#本地部署知识图谱实体提取AI内存系统多租户

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  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
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

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

  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 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

  • 需要在搜索检索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

  • 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
Serial Memory Server当前 未标注 未标注 未标注 无 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
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sblanchard上游标注的维护方 sblanchard
分类搜索检索本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式无需鉴权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
部署类型未标注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

18.1 KB
来自项目仓库与上游目录的原文,未做删改

串行内存

A. 时态知识图存储系统 对于人工智能应用。SerialMemory提供持久的“第二大脑”功能,包括语义搜索、实体提取和关系跟踪,使AI代理能够维护上下文并从过去的交互中学习。

🎯 特性

  • 语义搜索:使用向量嵌入(1536-dim)按意义而非关键字查找记忆
  • 实体抽取:自动识别人员、组织、位置、技能和项目
  • 知识图谱:构建和遍历实体之间的关系以进行多跳推理
  • 时间跟踪:具有信心衰减和审计跟踪的完整事件来源
  • 多住户:具有行级安全性的完全数据隔离
  • MCP集成:通过模型上下文协议实现Claude Desktop(Anthropic)和OpenAI兼容性
  • REST API:用于自定义集成的完整HTTP API
  • 自托管:在您自己的基础设施上部署,并加强安全性

🏗️ 建筑```

┌────────────────────────────────────────────┐
│ Client Applications │
│ (Claude/Anthropic, OpenAI, Custom Apps) │
└────────────────┬─────────────────────────┘
│
┌───────┴────────┬──────────────┐
▼ ▼ ▼
┌─────────┐ ┌──────────────┐ ┌────────┐
│ MCP │ │ REST API │ │ Admin │
│ Server │ │ (HTTP) │ │ API │
│ Anthropic│ │ │ │ │
│ OpenAI │ │ │ │ │
└────┬────┘ └──────┬───────┘ └───┬────┘
│ │ │
└───────────────┼──────────────┘
│
▼
┌───────────────────────────────┐
│ Core Services │
│ ┌─────────────────────────┐ │
│ │ Knowledge Graph Engine │ │
│ │ • Memory ingestion │ │
│ │ • Entity extraction │ │
│ │ • Semantic search │ │
│ │ • Graph traversal │ │
│ └─────────────────────────┘ │
└───────────────┬───────────────┘
│
┌────────────────┼────────────────┐
▼ ▼ ▼
┌──────────┐ ┌───────────┐ ┌─────────┐
│PostgreSQL│ │ Ollama │ │ Redis │
│+pgvector │ │(Embeddings)│ │(Cache) │
└──────────┘ └───────────┘ └─────────┘


## 🧠 核心概念

### 它是如何工作的:一个时态知识图

SerialMemory超越了简单的关键字搜索。这是一个 **记忆系统** 它理解意义和上下文,跟踪信息随时间的变化,并为人工智能应用程序提供智能上下文检索。

### 记忆:基本单位

A. **记忆** 是您存储在SerialMemory中的任何信息:

- **自然语言**:“John在旧金山的Acme公司从事Python项目”
- **结构化数据**:笔记、事实、观察、对话、总结
- **元数据**:创建时,它用于什么项目,信心水平

每个内存都有:```
Memory {
id: "uuid",
content: "John works at Acme Corp in San Francisco on Python projects",
embedding: [0.123, -0.456, 0.789, ...],  // 1536-dimensional vector (OpenAI text-embedding-3-small)
confidence: 0.95,                         // Starts high, decays with time
layer: L1_CONTEXT,                        // See layers section below
entities: [
{ type: "PERSON", text: "John" },
{ type: "ORG", text: "Acme Corp" },
{ type: "GPE", text: "San Francisco" },
{ type: "SKILL", text: "Python" }
],
createdAt: "2026-02-11T10:00:00Z",
lastAccessedAt: "2026-02-11T14:30:00Z"
}

语义搜索:理解意义

通过以下方式找到记忆,而不是关键字匹配 语义相似度:```
// This query...
"Who works at the tech company in San Francisco?"

// ...finds memories about "John works at Acme Corp in San Francisco"
// Even though keywords don't match exactly!


**它是如何工作的:**

1. 您的查询已转换为嵌入(1536维向量)
1. 系统会找到具有类似嵌入的内存
1. 结果按含义排名,而不是按关键字排名

这是由PostgreSQL的 `pgvector` 该扩展使用向量相似性搜索(KNN)进行快速检索。

### 内存层:数据生命周期

根据记忆的处理/精炼程度,记忆被分为不同的层次:

|层|它是什么|典型保留|用例|
|-------|-----------|-------------------|----------|
| **L0_法律** |原始输入,最少处理|30天|最近捕获的笔记、对话|
| **L1_上下文** |上下文理解,提取实体|90天|处理笔记并确定关系|
| **L2_总结** |总结信息,提取主题|180天|合成类似概念|
| **L3_知识** |提取知识,验证模式|365天|可靠的事实,经过验证的学习|
| **L4_专业** |学习模式、一般原则|不确定|核心知识、基本真理|

**示例流程:**```
Raw: "John, Sarah, and Mike met yesterday to discuss the backend API design"
↓ (Processing)
L1: Entities extracted - PERSON(John), PERSON(Sarah), PERSON(Mike),
Relationships identified - John knows Sarah, John knows Mike
↓ (Summarization)
L2: "Key discussion participants coordinated on technical architecture"
↓ (Pattern recognition)
L3: "Backend API design is a priority for team coordination"
↓ (Generalization)
L4: "The team uses synchronous discussion for architectural decisions"

记忆信心衰退:暂时遗忘

SerialMemory模拟人类记忆:除非得到强化,否则信息随着时间的推移会变得不那么可靠。

衰变公式:```
confidence = initial_confidence × 0.5^(days / half_life)

Default half-life: 90 days


**例子:**```
Day 0:   Confidence = 1.0 (100%)
Day 90:  Confidence = 0.5 (50%)  - Half as confident
Day 180: Confidence = 0.25 (25%) - Quarter as confident
Day 270: Confidence = 0.125 (12.5%)

为什么这很重要:

  • 新信息新鲜,可信度高
  • 没有强化的旧信息变得不那么可信
  • 置信度低于0.1(10%)的记忆可以存档
  • 访问记忆可以增强记忆(增加信心)
  • 明确的“强化”行动可以增强信心

这使得系统能够 自动忘记不重要的细节 同时保持已验证知识的完整性。

实体提取:理解关键概念

SerialMemory自动识别存储器中的关键实体(命名对象):

类型 示例 用于
人 约翰、莎拉、爱丽丝 寻找与人相关的记忆
组织 Acme Corp、谷歌、麻省理工学院 寻找组织记忆
GPE 纽约、法国、硅谷 寻找与位置相关的背景
日期 2026-02,下周二,Q1 寻找与时间相关的记忆
技能 Python、React、领导力 寻找与能力相关的记忆
项目 Omega项目,Dashboard v2 查找项目特定上下文

它是如何工作的:

  1. 当存储内存时,实体会自动提取
  2. 识别实体之间的关系
  3. 构建并维护知识图

知识图谱:建立关系

SerialMemory不仅仅是单独存储内存,它还构建了一个 知识图谱 关系:```
John ─────works_at────→ Acme Corp ─────located_in────→ San Francisco
│ │
│ │
└──────knows──────→ Sarah ─────works_at──────→ Acme Corp │
│
└─────knows──────→ Mike

Projects that use Python:
Dashboard v2 ─────uses────→ Python ─────language_for────→ Backend Systems
Project Omega ─────uses────→ Python


**跟踪的关系:**

- `works_at`:实体1在实体2上工作
- `located_in`:实体1位于实体2中
- `knows`:实体1知道实体2
- `uses`:实体1使用实体2
- `created`:实体1已创建实体2
- (还有更多,自动发现)

### 多跳搜索:跨上下文推理

当穿越多个跳跃时,真正的力量就会显现出来:

**查询:** “查找我认识的人在项目中使用的技术”

**搜索过程:**```
1. Start: Find entities I know (Sarah, Mike, ...)
2. Hop 1: Find projects they work on
3. Hop 2: Find technologies used in those projects
4. Result: [Python, Rust, TypeScript, ...]

另一个例子:```
Question: "Who works with technologies similar to what Mike uses?"

  1. Find Mike
  2. Find technologies Mike uses
  3. Find other people who use similar technologies
  4. Return those people

This reveals hidden connections and provides better context
for multi-modal AI reasoning!


### 事件来源:完成审计跟踪

对内存的每一次更改都被捕获为不可变事件:```
MemoryCreated(id, content, timestamp)
MemoryUpdated(id, oldContent, newContent, timestamp)
MemoryReinforced(id, confidence, timestamp)
MemoryDecayed(id, oldConfidence, newConfidence, timestamp)
MemoryArchived(id, reason, timestamp)

优点:

  • 完整的审计跟踪(符合GDPR)
  • 再现任何时间点的系统状态
  • 检测篡改或未经授权的更改
  • 回放调试事件

多租户隔离:安全与隐私

每个租户的数据都是完全隔离的:```
Tenant A Tenant B
├── Memories (isolated) ├── Memories (isolated)
├── Entities ├── Entities
├── Relationships ├── Relationships
└── Search results (A only) └── Search results (B only)


通过PostgreSQL行级安全(RLS)实现:

- 数据库在查询时强制隔离
- 无法通过SQL泄漏租户数据
- API密钥范围按租户划分
- 无法进行跨租户搜索

## 🚀 快速开始

### 先决条件

- Docker&Docker编写
- .NET 10+SDK(用于开发)
- PostgreSQL 15+(或使用Docker)

### 选项1:Docker Compose(推荐)```bash
# Clone the repository
git clone https://github.com/sblanchard/SerialMemoryServer.git
cd SerialMemoryServer

# Start infrastructure (PostgreSQL, Redis, RabbitMQ)
docker compose up -d

# Bootstrap development database
./dev-bootstrap.sh          # Linux/Mac
.\dev-bootstrap.ps1         # Windows

# Run the C# MCP server
dotnet run --project SerialMemory.Mcp

选项2:使用Docker的全栈```bash

Start all services

docker compose up --build

Access dashboard at http://localhost:8080


可用服务:

- **API**: http://localhost:5001
- **仪表盘**: http://localhost:8080
- **PostgreSQL**:本地主机:5432(用户: `postgres`)
- **瑞迪斯**:本地主机:6379
- **RabbitMQ仪表板**: http://localhost:15672(客人/客人)

### 连接到AI平台

**克劳德桌面(拟人)**```bash
# Configure in Claude Desktop after starting the server
# See: ./docs/02-quickstart-claude-mcp.md

OpenAI集成

  • 在上使用REST APIhttp://localhost:5001
  • 构建自定义工具或插件
  • 利用语义搜索和知识图功能

📚 文档

  • 概述与架构 -概念和系统设计
  • Claude桌面设置 -MCP集成指南
  • .NET SDK指南 -C#开发
  • Node.js SDK指南 -JavaScript/TypeScript
  • 数据生命周期 -内存管理和清理
  • 自助托管指南 -VPS部署
  • 本地开发 -开发环境设置

💻 SDK和集成

官方SDK

  • .NET SDK -功能齐全的C#客户端```csharp
    var client = new SerialMemoryClient("http://localhost:5001", "tenant-id", "api-key");
    await client.StoreMemory("My important note", "personal");
    var results = await client.Search("relevant memories", 5);

- **Node.js SDK** -Types/JavaScript支持(即将推出)

### MCP协议

SerialMemory实现了 **模型上下文协议**,实现与以下设备的集成:

- 克劳德桌面(拟人)
- OpenAI集成
- 未来兼容的AI代理
- 自定义MCP客户端

## 🔌 API终点

### 内存管理```bash
# Store a memory
POST /api/memories
{
"content": "I learned about distributed systems",
"memoryType": "LEARNING",
"layer": "L0_RAW",
"metadata": { "subject": "backend" }
}

# Semantic search
POST /api/memories/search
{
"query": "distributed systems",
"limit": 5,
"filters": { "layer": "L0_RAW" }
}

# Get memory by ID
GET /api/memories/{id}

实体与知识图谱```bash

List entities

GET /api/entities?limit=100

Get entity details

GET /api/entities/{entityId}

Multi-hop graph search

POST /api/graph/search
{
"startEntity": "John",
"relationshipType": "knows",
"hops": 2
}


看 OpenAPI规范 获取完整的API文档。

## 📦 项目结构```
SerialMemoryServer/
├── SerialMemory.Mcp/           # C# MCP server (recommended)
├── SerialMemory.Api/           # REST API
├── SerialMemory.Core/          # Domain logic
├── SerialMemory.Infrastructure/# Data access layer
├── SerialMemory.Sdk.DotNet/    # .NET client SDK
├── SerialMemory.ML/            # Embeddings & NLP
├── SerialMemory.Worker/        # Background jobs
├── SerialMemory.Web/           # React dashboard
├── SerialMemory-MCP/           # Standalone MCP server (submodule)
│   └── SerialMemory.Mcp/       # Alternative MCP implementation
├── examples/                   # Ready-to-run examples
├── docs/                       # Documentation
├── docker-compose.yml          # Development stack
└── SerialMemoryServer.sln      # .NET solution file

子模块

  • 串行存储器MCP -Anthropic和OpenAI的独立MCP服务器
  • 作为git子模块包含
  • 可以单独构建和分发
  • 完全支持Claude Desktop(Anthropic)的MCP协议
  • 与OpenAI的工具调用功能兼容
  • 为未来的AI代理集成做好准备

使用子模块进行克隆```bash

Clone including submodules

git clone --recurse-submodules https://github.com/sblanchard/SerialMemoryServer.git

Or if already cloned, initialize submodules

git submodule update --init --recursive


## 🎓 例子

### AI第二大脑

克劳德存储和检索个人笔记的持久“第二大脑”:```bash
cd examples/ai-second-brain
dotnet run

特征:

  • 存储笔记和学习内容
  • 相关上下文的语义搜索
  • 用户角色管理
  • 自动实体提取

项目上下文记忆

开发工具的每个项目内存隔离:```bash
cd examples/project-context-memory
dotnet run


特征:

- 每个项目/存储库的范围内存
- 基于元数据的过滤
- 跨项目搜索功能
- 多租户模式

看 示例README 了解更多详情。

## 🔐 安全

SerialMemory包括生产就绪的安全功能:

### 多租户

- 使用PostgreSQL行级安全性(RLS)实现完全数据隔离
- 租户范围的API密钥
- 安全的租户上下文传播

### 身份验证和授权

- 基于JWT令牌的API身份验证
- 基于角色的访问控制(管理员、用户)
- 服务到服务身份验证

### 数据保护

- 环境变量中的所有密码和机密
- 代码中没有默认凭据
- CORS和CSRF保护
- 通过参数化查询进行SQL注入保护

### 生产硬化

使用 `docker-compose.prod.yml` 对于安全强化部署:```bash
# Configure environment
cp .env.production.example .env
# Edit .env with strong passwords

# Start with production configuration
docker compose -f docker-compose.prod.yml up -d

看 自助托管指南 详细的安全设置。

🛠️ 技术栈

  • 运行时: .净值10+
  • 数据库:PostgreSQL 15+,带pgvector
  • 搜索:矢量嵌入(通过OpenAI text-embedding-3-small实现1536-dim)
  • 缓存:Redis
  • 队列产品名称:RabbitMQ
  • 自然语言处理:基于模式的实体提取(可扩展到spaCy、BERT)
  • 仪表盘:React+TypeScript+Vite
  • 协议:模型上下文协议(MCP)

📊 演出

  • 每个租户支持数百万个内存
  • 1000毫秒以下语义搜索查询(具有适当的索引)
  • 通过PostgreSQL连接池进行水平扩展
  • 用于繁重操作的异步处理队列

🧪 测试

运行测试套件:```bash

Unit tests

dotnet test SerialMemory.Tests

MCP integration tests

dotnet test SerialMemory.Mcp.Tests

All tests with coverage

dotnet test --collect:"XPlat Code Coverage"


## 📝 发展

### 设置开发环境```bash
# Install dependencies
dotnet restore

# Build solution
dotnet build

# Run with local infrastructure
docker compose up -d
dotnet run --project SerialMemory.Mcp

代码组织

  • 串行存储器。核心:领域模型和业务逻辑
  • 串行存储器。基础设施:EF Core数据访问模式
  • 串行存储器。模型上下文协议(Model Context Protocol):MCP服务器实现
  • SerialMemory 。阿皮:REST API终结点
  • 串行存储器。测试:单元和集成测试

🤝 贡献

我们欢迎捐款!请按照以下步骤操作:

  1. 克隆该仓库
  2. 创建要素分支(git checkout -b feature/amazing-feature)
  3. 提交您的更改(git commit -m 'Add amazing feature')
  4. 推到分支(git push origin feature/amazing-feature)
  5. 打开拉取请求

开发指南

  • 遵循C#命名约定(公共成员使用PascalCase)
  • 为新功能添加测试
  • 更新API变更文档
  • 在提交PR之前,确保所有测试都通过

📄 许可证

SerialMemory在 MIT许可证。参见 许可证 了解详情。

🆘 支持与社区

  • GitHub 问题: 报告错误和请求功能
  • 文档: 完整文档
  • 例子: 准备运行示例

🎯 路线图

  • []Python MCP服务器
  • []GraphQL API
  • []具有多跳遍历的高级推理
  • []时间图可视化
  • []自定义实体类型的插件系统

🙏 致谢

SerialMemory建立在这些优秀的开源项目之上:

  • PostgreSQL & pg向量
  • 奥拉玛 用于本地嵌入
  • 模型上下文协议 通过Anthropic

由...制作❤️ 适用于人工智能驱动的应用

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
Serial Memory Server 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Serial Memory Server 怎么在 Claude Desktop、Claude 里配置?

它的传输方式未标注,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。

Serial Memory Server 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。

Serial Memory Server 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Serial Memory Server 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。

Serial Memory Server 能提供哪些能力?

资料显示能力标签包括 搜索、多租户、C#、Claude。具体工具清单以官方文档为准。

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。