知识图谱内存服务器

使用本地知识图谱实现的一种持久化内存的基本实现。这使得Claude能够在多个聊天中记住关于用户的信息。

这是对原始参考服务器（版本0.6.3）的Python移植。 我借此机会对代码进行了重构，主要由Cline（以及Claude Sonnet 3.5）协助完成。

核心概念

实体

实体是知识图谱中的主要节点。每个实体都有：

• 唯一的名字（标识符）
• 实体类型（例如，“人”，“组织”，“事件”）
• 观察列表

示例：

{
  "name": "John_Smith",
  "entityType": "person",
  "observations": ["说流利的西班牙语"]
}

关系

关系定义了实体之间的有向连接。它们总是以主动语态存储，并描述实体之间如何互动或相互关联。

示例：

{
  "from": "John_Smith",
  "to": "Anthropic",
  "relationType": "在...工作"
}

观察

观察是对实体的离散信息片段。它们：

• 存储为字符串
• 附属于特定实体
• 可以独立添加或删除
• 应该是原子的（每个观察一个事实）

示例：

{
  "entityName": "John_Smith",
  "observations": [
    "说流利的西班牙语",
    "于2019年毕业",
    "喜欢早晨会议"
  ]
}

API

工具

• create_entities

  • 在知识图谱中创建多个新实体
  • 输入：entities（对象数组）
    • 每个对象包含：
      • name（字符串）：实体标识符
      • entityType（字符串）：类型分类
      • observations（字符串[]）：相关观察
  • 忽略已存在的实体名称

• create_relations

  • 创建实体之间的多个新关系
  • 输入：relations（对象数组）
    • 每个对象包含：
      • from（字符串）：源实体名称
      • to（字符串）：目标实体名称
      • relationType（字符串）：主动语态的关系类型
  • 跳过重复的关系

• add_observations

  • 向现有实体添加新的观察
  • 输入：observations（对象数组）
    • 每个对象包含：
      • entityName（字符串）：目标实体
      • contents（字符串[]）：要添加的新观察
  • 返回每个实体添加的观察
  • 如果实体不存在则失败

• delete_entities

  • 删除实体及其关系
  • 输入：entityNames（字符串[]）
  • 级联删除相关关系

• 如果实体不存在则静默操作

• delete_observations

  • 从实体中删除特定观察
  • 输入：deletions（对象数组）
    • 每个对象包含：
      • entityName（字符串）：目标实体
      • observations（字符串[]）：要删除的观察
  • 如果观察不存在则静默操作

• delete_relations

  • 从图中删除特定关系
  • 输入：relations（对象数组）
    • 每个对象包含：
      • from（字符串）：源实体名称
      • to（字符串）：目标实体名称
      • relationType（字符串）：关系类型
  • 如果关系不存在则静默操作

• read_graph

  • 读取整个知识图谱
  • 不需要输入
  • 返回包含所有实体和关系的完整图结构

• search_nodes

  • 根据查询搜索节点
  • 输入：query（字符串）
  • 搜索范围：
    • 实体名称
    • 实体类型
    • 观察内容
  • 返回匹配的实体及其关系

• open_nodes

  • 通过名称检索特定节点
  • 输入：names（字符串[]）
  • 返回：
    • 请求的实体
    • 请求实体之间的关系
  • 静默跳过不存在的节点

使用Claude Desktop

设置

将以下内容添加到您的claude_desktop_config.json中：

uvx

{
  "mcpServers": {
    "memory-python":
    {
      "command": "uvx",
      "args": [
        "--refresh",
        "--quiet",
        "mcp-memory-py"
      ],
    "env": {
        "MEMORY_FILE_PATH": "/path/to/custom/memory.json"
      }
    }
}

环境变量参数

• MEMORY_FILE_PATH：内存存储JSON文件的路径（默认：服务器目录中的memory.json）
• DEBUG_LOGGING：生成每日日志文件，记录服务器调用的描述。仅用于开发

系统提示

使用记忆的提示取决于具体用例。更改提示有助于模型确定创建记忆的频率和类型。

这是一个用于聊天个性化提示的例子。您可以在Claude.ai项目的“自定义指令”字段中使用此提示。

按照以下步骤进行每次交互：

1. 用户识别：
   - 您应该假设正在与default_user交互
   - 如果尚未识别default_user，请积极尝试识别。

2. 记忆检索：
   - 开始聊天时，只说“回忆中...”并从您的知识图谱中检索所有相关信息
   - 始终将您的知识图谱称为您的“记忆”

3. 记忆
   - 在与用户交谈时，注意任何新信息，这些信息应归类为：
     a) 基本身份（年龄、性别、位置、职位、教育水平等）
     b) 行为（兴趣、习惯等）
     c) 偏好（沟通风格、首选语言等）
     d) 目标（目标、目标、抱负等）
     e) 关系（个人和职业关系，最多三度分离）

4. 记忆更新：
   - 如果在交互过程中收集了任何新信息，请按以下方式更新您的记忆：
     a) 为反复出现的组织、人员和重要事件创建实体
     b) 使用关系将它们连接到当前实体
     c) 将有关它们的事实存储为观察

测试

运行单元测试： uv run pytest

调试

使用MCP Inspector调试： npx @modelcontextprotocol/inspector uv run --directory src -m mcp_memory_py

许可证

此MCP服务器根据MIT许可证发布。这意味着您可以自由地使用、修改和分发软件，但需遵守MIT许可证的条款和条件。更多详情，请参见项目仓库中的LICENSE文件。