MCP Super Memory

MCP搜索检索

提供方 donggyun112

搜索检索 stdio · 本地进程 API Key 社区 / 第三方 Claude
查看接入方式

为LLM代理提供的N:M关联记忆图服务,通过键/值图实现多跳关联记忆检索。

一句话选型结论

按资料字段整理

MCP Super Memory 属于搜索检索类 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。

分类搜索检索 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 8 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8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

LLM代理Python本地部署记忆系统键值图多跳检索记忆版本控制

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
uv run mcp-super-memory

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 Python,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 8 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
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

  • 资料标注 8 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 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
MCP Super Memory当前 8 stdio · 本地进程 本地部署 有 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donggyun112上游标注的维护方 donggyun112
分类搜索检索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 · Python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

10.6 KB
来自项目仓库与上游目录的原文,未做删改

mcp超级存储器

N: LLM代理的M关联内存图——作为MCP服务器交付。

> 搜索 “牛顿” → reach “草莓” 通过共享密钥。
> 仅仅嵌入相似性并不能做到这一点。

mcp-super-memory 是一个用于LLM代理的关联存储系统,基于 键/值图 --不是矢量存储。记忆存在于 价值空间,通过单独的 密钥空间 --一个存储器可以通过多个键访问,一个键可以访问多个存储器。这使得像人类一样的联想跳跃(多跳图遍历)成为可能,而纯嵌入搜索根本无法复制。

适用于: 克劳德桌面·克劳德代码·任何兼容MCP的LLM代理


为什么不只是嵌入?

每个现有的内存系统(Mem0、A-MEM、MemGPT)都将内存存储为节点,并通过嵌入相似性来检索它们。这一直有效,直到它不起作用:```
Query: "Newton"
Embedding search finds: "Newton discovered gravity" ✅
Embedding search misses: "user likes strawberries" ❌


超级记忆找到了两者——因为“牛顿”→ 苹果存储器→ 水果钥匙→ 草莓记忆。这 **路径存在于密钥图中**,而不是嵌入空间。

______________________________________________________________________

## 运作原理```
Key Space (concepts)         Value Space (memories)
─────────────────────        ──────────────────────────────
[Newton]  ──────────────────→ "Newton discovered gravity"
[apple]   ────────┬─────────→      ↑ same memory
[gravity] ────────┘
│
[apple]   ────────┼─────────→ "apples are red fruit"
[fruit]   ──────┬─┘
[red]     ──────┤
│
[fruit]   ──────┼─────────→ "user likes strawberries"
[strawberry]────┘

搜索 "Newton" → 火柴 [Newton], [apple] 按键(1键)→ 跟随共享 [fruit] key → 达到草莓记忆(2跳,分数衰减0.3倍)。

结果包括 hop 领域 --你总是知道结果是直接的还是关联的。


主要特点

功能 超级内存 A-MEM Mem0 MemGPT
键/值分离 ✅ N: M ❌ ❌ ❌
关联多跳 ✅ 内置 ❌ ❌ ❌
深度系统 ✅ ❌ ❌ 部分
内存版本控制 ✅ 替代 覆盖 覆盖 ❌
时间衰减 ✅ 深度加权 ❌ ❌ ❌
密钥类型 ✅ 概念/名称/proper_noun ❌ ❌ ❌
密钥合并(IDF) ✅ ❌ ❌ ❌
双路径召回 ✅ 关键字+内容 ❌ ❌ ❌

深度系统

每个记忆都有一个深度分数 0.0 → 1.0:

阶段 深度 行为
浅 < 0.3 最近,未经证实。易于更新或遗忘。
中等 0.3–0.7 已多次确认。稳定。
深 > 0.7 公认的事实。抵制纠正。

深度增加 +0.05 每次召回。深层记忆会随着时间的推移而慢慢衰退。如果你试图纠正一个深层记忆,它会抵制——即使在取代之后,它的深度也会保持更高。

密钥类型

并非所有按键的行为都应该相同。名字在语义上不应该匹配——“hand건”不应该仅仅因为它们都是简短的韩语单词而与“纽约时报”匹配。

类型 匹配 用例
concept (默认) 嵌入相似度≥0.35 主题、类别、属性
name 仅完全匹配 人名
proper_noun 仅完全匹配 品牌、地点

Name/proper_noun密钥也会受到IDF惩罚(×0.5)当它们成为连接到许多内存的中心键时,可以防止它们污染无关的搜索。

版本控制(不覆盖)```

"user lives in Seoul" (depth: 0.4 → weakened to 0.12, preserved)
↑ superseded by
"user moved to Busan" (depth: 0.0, new)


与A-MEM在进化过程中覆盖内存不同,Super memory保留了完整的历史。每一次修正都是可追溯的——信念是什么时候改变的,从什么时候开始?

### 密钥合并```
Add key "파이썬"  → finds existing "Python" (similarity 0.87 > threshold 0.85)
→ reuses existing key instead of creating duplicate

防止密钥空间碎片化。跨语言或措辞的相同概念保持统一。

双路径召回

Recall同时搜索两条路径:

  • 路径A(密钥匹配): 查询嵌入→ 匹配密钥→ 点击链接→ 回忆
  • 路径B(内容匹配): 查询嵌入→ 直接与内存内容嵌入进行比较

两条路径的得分相加。这确保了即使没有用正确的密钥标记记忆,也能找到它们。


建筑```

┌─────────────────────────────────────────────────────────┐
│ Key Space │
│ [name] [동건] [programming] [python] [fruit] [red] │
│ ↓ ↓ ↓ ↓ ↓ ↓ │
│ [vec] [exact] [vec] [vec] [vec] [vec] │
└────────────────────────┬────────────────────────────────┘
│ N:M links
↓
┌─────────────────────────────────────────────────────────┐
│ Value Space │
│ "user's name is Donggeon" depth: 0.85 (deep) │
│ "user likes Python" depth: 0.30 (medium) │
│ "user likes strawberries" depth: 0.05 (shallow) │
└─────────────────────────────────────────────────────────┘


**召回算法(2跳):**

1. 嵌入查询→ 查找匹配的关键字(概念:相似度≥0.35,name/proper_noun:完全匹配)
1. 还可以将查询嵌入直接与内存内容嵌入进行比较(≥0.3)
1. 点击链接→ 收集记忆,汇总分数(多个关键匹配相加,IDF加权)
1. 对于每个1小时内存:请按照以下步骤操作 *它的* keys → 找到2跳记忆(分数× `HOP_DECAY = 0.3`)
1. 应用深度系数(`0.5 + depth × 0.5`)时间衰减(深度加权,30天半衰期)
1. 返回排名结果 `hop` 领域

______________________________________________________________________

## MCP工具

存储系统通过MCP公开8个工具:

|工具|说明|
|------|-------------|
| `recall(query, top_k)` |N:M搜索,2跳关联遍历+内容匹配|
| `remember(content, keys, key_types?)` |使用关键概念和可选类型注释节省内存|
| `correct(memory_id, content, keys?)` |版本更新——旧内存保留但减弱|
| `related(memory_id)` |查找记忆共享密钥(关联探索)|
| `forget(memory_id)` |永久删除|
| `get_conversation(session_id, turn?)` |加载原始对话回合|
| `list_memories()` |列出所有存储的内存,包括按键、深度、访问次数|
| `memory_stats()` |获取当前密钥/内存/链接计数|

系统提示模板也可通过以下方式获得 `memory_system_prompt` MCP提示——包括它来指示代理安静地回忆,使用不同的密钥,并且永远不要向用户提及内存系统。

______________________________________________________________________

## 快速入门(MCP服务器)

### 克劳德桌面

添加 `claude_desktop_config.json`:

**OpenAI嵌入:**```json
{
"mcpServers": {
"mcp-super-memory": {
"command": "uvx",
"args": ["mcp-super-memory"],
"env": {
"OPENAI_API_KEY": "your-openai-api-key"
}
}
}
}

本地嵌入(不需要API密钥):```json
{
"mcpServers": {
"mcp-super-memory": {
"command": "uvx",
"args": ["mcp-super-memory[local]"],
"env": {
"EMBEDDING_BACKEND": "local"
}
}
}
}


### 克劳德代码```bash
# OpenAI embeddings
claude mcp add mcp-super-memory -e OPENAI_API_KEY=your-openai-api-key -- uvx mcp-super-memory

# Local embeddings (no API key required)
claude mcp add mcp-super-memory -e EMBEDDING_BACKEND=local -- uvx "mcp-super-memory[local]"

手册/开发```bash

git clone https://github.com/donggyun112/mcp-super-memory
cd super-memory


创建 `.env`:```
OPENAI_API_KEY=your-openai-api-key
OPENAI_EMBEDDING_MODEL=text-embedding-3-small

或者使用本地嵌入(不需要API密钥):```
EMBEDDING_BACKEND=local
LOCAL_EMBEDDING_MODEL=paraphrase-multilingual-MiniLM-L12-v2 # optional, this is the default


> **注:** 在现有数据上混合后端会破坏召回。如果切换后端,请清除 `~/.super-memory/graph.json` 第一。```bash
uv sync
uv run mcp-super-memory

要求:

  • Python 3.12+
  • OpenAI API密钥(用于嵌入)-或 sentence-transformers 用于本地嵌入

数据存储

所有数据都是本地的。不需要外部数据库。data/ ├── graph.json # keys, memories, links └── conversations/ └── {session_id}.jsonl # original conversation turns


局限性

  • 线性扫描 --适合个人使用(约10k内存)。计划大规模集成FAISS/ChromaDB。
  • 最多2跳 --更深的关联链需要 related() 代理调用工具。
  • 代理商质量问题 --按键选择打开 remember 影响检索质量。系统提示调优很重要。

与A-MEM的比较

A-MEM(NeurIPS 2025)专注于 记忆进化 --当新的记忆到来时,现有记忆的描述会更新。Super Memory专注于 存储器存取 --如何通过关联路径到达正确的内存。

他们解决不同的问题。A-MEM问“我们如何保持记忆井井有条?”超级记忆问“我们是如何以人类实际思考的方式找到记忆的?”

版本控制方法也不同:A-MEM覆盖进化(仅当前状态),超级内存保留历史(完整时间线)。


路线图

  • []FAISS/ChromaDB用于标尺
  • []编码代理配置文件(代码上下文的不同关键策略)
  • []内存导出/导入
  • []多用户支持

许可证

麻省理工学院

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
MCP Super Memory 怎么安装?

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

MCP Super Memory 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。

MCP Super Memory 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。

MCP Super Memory 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。

MCP Super Memory 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。

MCP Super Memory 能提供哪些能力?

资料显示约 8 个工具;能力标签包括 LLM代理、Python、Claude。具体工具清单以官方文档为准。

MCP Super Memory 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

MCP Super Memory 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。