mcp_sqlite_memory_bank

概述

mcp_sqlite_memory_bank 是一个动态、支持代理和大语言模型（LLM）的SQLite内存库，专为模型上下文协议（MCP）服务器和现代AI代理平台设计。

该项目提供了一个强大且易于发现的API，用于创建、探索和管理SQLite表和知识图谱。它使Claude、Anthropic、Github Copilot、Claude Desktop、VS Code、Cursor和其他基于LLM的工具能够以安全、明确和可扩展的方式与结构化数据进行交互。

主要用例：

• 构建和查询语义搜索和推理的知识图谱
• 存储、检索和组织笔记或结构化数据供LLM代理使用
• 通过自然语言工作流进行数据库管理和探索
• 使用语义搜索功能进行智能内容发现
• 通过标准化的MCP资源和提示访问内存内容
• 与FastMCP、Claude Desktop等代理平台集成，实现无缝工具发现

为什么选择mcp_sqlite_memory_bank？

• 完全符合MCP标准： 资源、提示和40多个组织工具
• 语义搜索： 使用AI驱动的相似性匹配进行自然语言内容发现
• 明确且易于发现的API，适用于增强分类的LLM和代理
• 安全的参数化查询和模式管理
• 设计为可扩展性和开源协作

---

快速开始

在您的IDE中不到两分钟即可启动SQLite内存库：

1. 安装并运行

# 如果没有安装uvx，请先安装
pip install uvx

# 运行SQLite内存库
uvx mcp-sqlite-memory-bank

2. 配置您的IDE

VS Code / Cursor: 在.vscode/mcp.json中添加：

{
  "servers": {
    "SQLite_Memory": {
      "type": "stdio",
      "command": "uvx",
      "args": ["--refresh", "mcp-sqlite-memory-bank"],
      "env": {
        "DB_PATH": "${workspaceFolder}/.vscode/project_memory.sqlite"
      }
    }
  }
}

Claude Desktop: 在claude_desktop_config.json中添加：

{
  "mcpServers": {
    "sqlite_memory": {
      "command": "uvx",
      "args": ["--refresh", "mcp-sqlite-memory-bank"],
      "env": {
        "DB_PATH": "/path/to/your/memory.db"
      }
    }
  }
}

3. 测试

重启您的IDE，并尝试询问您的AI助手：

"创建一个名为'notes'的表，包含'id'（整数，主键）和'content'（文本）列。然后添加一条注释说'Hello SQLite Memory Bank!'"

✅ 您应该看到AI使用SQLite内存库工具来创建表并添加注释！

---

功能

• 动态表管理： 运行时创建、列出、描述、重命名和删除表
• 高级CRUD操作： 插入、读取、更新、删除，具有智能批处理和更改跟踪
• 安全SQL： 运行参数化的SELECT查询，具有全面的输入验证
• 语义搜索引擎： 使用句子转换器进行自然语言搜索，实现智能内容发现
• 零配置搜索： 自动嵌入生成，使用auto_semantic_search和auto_smart_search
• 批量操作套件： 高效的批量创建、更新和删除操作，部分成功处理
• 高级优化： 重复检测、内存库优化和智能归档
• LLM辅助分析： AI驱动的重复检测、优化策略和归档政策
• 发现与智能： AI引导的探索、关系发现和预构建的工作流程模板
• 3D可视化： 使用Three.js/WebGL的实时光照和VR支持的惊艳知识图谱
• 交互式仪表板： 具有企业级功能的专业D3.js可视化
• MCP资源： 通过标准化的MCP资源URI访问内存内容
• MCP提示： 常见内存分析工作流程的内置智能提示
• 工具分类： 详细使用示例的有序工具发现，增强LLM集成
• 知识图谱工具： 内置支持节点/边模式和沉浸式3D属性图
• 代理/LLM集成： 明确的基于工具的API，便于发现和自动化
• 企业规模： 生产就绪，具备全面的优化和分析能力
• 开源： MIT许可，经过充分测试，适合社区使用

---

MCP合规及增强集成

SQLite内存库v1.6.4+提供了完整的模型上下文协议（MCP）合规性，以及增强的LLM和代理集成功能：

🔧 MCP工具（40+可用）

按逻辑类别组织，便于发现：

• 模式管理（6个工具）：表的创建、修改和检查
• 数据操作（11个工具）：带有验证和高级批处理的CRUD操作
• 搜索与发现（6个工具）：内容搜索、探索和智能发现
• 语义搜索（5个工具）：AI驱动的自然语言内容发现
• 优化与分析（8个工具）：内存库优化、重复检测和见解
• 可视化与知识图谱（4个工具）：交互式可视化和3D知识图谱

📄 MCP资源（5个可用）

通过标准化URI实时访问内存内容：

• memory://tables/list - 所有可用表的列表
• memory://tables/{table_name}/schema - 表模式信息
• memory://tables/{table_name}/data - 表数据内容
• memory://search/{query} - 搜索结果作为资源
• memory://analytics/overview - 内存库概览分析

💡 MCP提示（4个可用）

常见内存分析工作流程的智能提示：

• analyze-memory-content - 分析内存库内容并提供见解
• search-and-summarize - 搜索并创建总结提示
• technical-decision-analysis - 分析来自内存的技术决策
• memory-bank-context - 提供AI对话的内存库上下文

🎯 增强可发现性

• 工具分类： 使用list_tool_categories()查看所有有序工具类别，或使用get_tools_by_category(category)获取特定工具组的详细信息及其使用示例。
• 使用示例： get_tools_by_category()，每个工具都有详细的示例
• 语义搜索： 使用自然语言查询进行智能内容发现
• LLM友好API： 明确、描述性的工具名称和全面的文档

---

工具及API参考

所有工具都设计为由LLM、代理和开发者显式、可发现地使用。每个函数都可以直接导入Python，并作为MCP工具使用。

🔍 工具发现： 使用list_tool_categories()查看所有有序工具类别，或使用get_tools_by_category(category)获取特定工具组的详细信息及其使用示例。

模式管理工具（6个工具）

工具	描述	必需参数	可选参数
create_table	创建具有自定义模式的新表	table_name (str), columns (list[dict])	None
drop_table	删除表	table_name (str)	None
rename_table	重命名现有表	old_name (str), new_name (str)	None
list_tables	列出所有表	None	None
describe_table	获取模式详情	table_name (str)	None
list_all_columns	列出所有表的所有列	None	None

数据操作工具（11个工具）

工具	描述	必需参数	可选参数
create_row	将行插入表中	table_name (str), data (dict)	None
read_rows	从表中读取行	table_name (str)	where (dict), limit (int)
update_rows	更新现有行	table_name (str), data (dict), where (dict)	None
delete_rows	从表中删除行	table_name (str), where (dict)	None
run_select_query	运行安全的SELECT查询	table_name (str)	columns (list[str]), where (dict), limit (int)
upsert_memory	智能更新或创建内存记录，带更改跟踪	table_name (str), data (dict), match_columns (list[str])	None
batch_create_memories	高效创建多条内存记录	table_name (str), data_list (list[dict])	match_columns (list[str]), use_upsert (bool)
batch_delete_memories	高效删除多条内存记录	table_name (str), where_conditions (list[dict])	match_all (bool)
find_duplicates	查找重复和近似重复的内容	table_name (str), content_columns (list[str])	similarity_threshold (float), sample_size (int)
archive_old_memories	归档旧记忆以减少活动存储	table_name (str)	archive_days (int), archive_table_suffix (str), delete_after_archive (bool)
optimize_memory_bank	综合内存库优化	table_name (str)	optimization_strategy (str), dry_run (bool)

搜索与发现工具（6个工具）

工具	描述	必需参数	可选参数
search_content	跨表内容的全文搜索	query (str)	tables (list[str]), limit (int)
explore_tables	探索和发现表结构	None	pattern (str), include_row_counts (bool)
intelligent_discovery	AI引导的内存库探索	None	discovery_goal (str), focus_area (str), depth (str), agent_id (str)
discovery_templates	预构建的探索工作流程	None	template_type (str), customize_for (str)
discover_relationships	发现数据中的隐藏连接	None	table_name (str), relationship_types (list[str]), similarity_threshold (float)
generate_knowledge_graph	创建交互式的HTML知识图谱	None	output_path (str), include_temporal (bool), min_connections (int), open_in_browser (bool)

语义搜索工具（5个工具）

工具	描述	必需参数	可选参数
add_embeddings	生成向量嵌入以进行语义搜索	table_name (str), text_columns (list[str])	embedding_column (str), model_name (str)
semantic_search	使用向量相似性进行自然语言搜索	query (str)	tables (list[str]), similarity_threshold (float), limit (int)
find_related	根据相似性查找与特定行相关的内容	table_name (str), row_id (int)	similarity_threshold (float), limit (int)
smart_search	混合关键词+语义搜索	query (str)	tables (list[str]), semantic_weight (float), text_weight (float)
embedding_stats	获取关于语义搜索准备情况的统计信息	table_name (str)	embedding_column (str)

优化与分析工具（8个工具）

工具	描述	必需参数	可选参数
analyze_memory_patterns	综合内容分布分析	None	focus_tables (list[str]), include_semantic (bool)
get_content_health_score	总体健康评分及建议	None	tables (list[str]), detailed_analysis (bool)
intelligent_duplicate_analysis	LLM辅助的语义重复检测	table_name (str), content_columns (list[str])	analysis_depth (str)
intelligent_optimization_strategy	AI驱动的优化规划	table_name (str)	optimization_goals (list[str])
smart_archiving_policy	AI驱动的保留策略	table_name (str)	business_context (str), retention_requirements (dict)
auto_semantic_search	零配置语义搜索，自动嵌入生成	query (str)	tables (list[str]), similarity_threshold (float), limit (int), model_name (str)
auto_smart_search	零配置混合搜索，自动嵌入生成	query (str)	tables (list[str]), semantic_weight (float), text_weight (float), limit (int), model_name (str)
list_tool_categories	列出所有可用的工具类别	None	None

可视化与知识图谱工具（4个工具）

工具	描述	必需参数	可选参数
create_3d_knowledge_graph	使用Three.js创建惊人的3D知识图谱	None	output_path (str), table_name (str), include_semantic_links (bool), color_scheme (str), camera_position (str), animation_enabled (bool), export_formats (list[str])
create_interactive_d3_graph	专业D3.js交互式知识图谱	None	output_path (str), include_semantic_links (bool), filter_tables (list[str]), layout_algorithm (str), color_scheme (str), export_formats (list[str])
create_advanced_d3_dashboard	具有多种可视化的企业级D3.js仪表盘	None	output_path (str), dashboard_type (str), include_metrics (bool), real_time_updates (bool), custom_widgets (list[str])
export_graph_data	以专业格式导出图形数据	None	output_path (str), format (str), include_metadata (bool), compress_output (bool)

[1.6.4] - 3D可视化及综合功能（2025年6月29日）

当前版本：最先进的SQLite内存库发布版，包含40多个MCP工具、3D可视化、LLM辅助优化和企业级功能。

🚀 最新主要功能

• 3D知识图谱：具有实时光照的沉浸式Three.js/WebGL可视化
• 批量操作：高效批量处理，智能防止重复
• LLM辅助工具：AI驱动的优化策略和重复分析
• 高级发现：智能探索，带有关系检测
• 增强Upsert：详细更改跟踪，比较旧值与新值
• 零配置搜索：自动嵌入生成，立即进行语义搜索
• 企业优化：全面的内存库优化，包括归档

有关详细变更，请参阅CHANGELOG.md。

🚀 批量操作及高级内存管理

SQLite内存库v1.6.4+提供了强大的批量操作和智能优化，以实现高效的内存管理：

智能内存更新及更改跟踪

• 增强的upsert_memory：智能更新或创建，带有详细更改跟踪
• 字段级别更改：通过旧值与新值的比较，确切知道发生了什么变化
• 重复预防：使用匹配列查找现有记录
• 透明度：对字段修改进行全面可见性，便于调试

高效批量处理

• batch_create_memories：单次操作创建多条记录
• 智能与快速模式：选择插入逻辑（防止重复）或快速插入
• 部分成功处理：即使某些记录失败，也会继续处理
• 详细反馈：返回创建、更新和失败记录的数量

灵活批量删除

• batch_delete_memories：根据复杂条件删除多条记录
• 灵活匹配：支持OR逻辑（match_any）和AND逻辑（match_all）
• 条件列表：基于多个不同标准删除
• 安全操作：删除前验证条件

高级优化套件

• find_duplicates：使用语义分析检测精确和近似重复内容
• optimize_memory_bank：综合优化，包括去重和归档
• archive_old_memories：智能归档，带有可配置的保留策略
• 干运行支持：在应用更改之前分析优化

LLM辅助优化

• intelligent_duplicate_analysis：