STARWARCLOUD STARWAR.AI
返回市场
MCP-内存.ai

MCP-内存.ai

作者：BurtTheCoder2 星标更新：2025-10-02
安装使用来源：spider==github.com

项目介绍

MCP Server for Mem.ai

一款生产就绪的模型上下文协议（MCP）服务器，提供AI助手智能访问Mem.ai的知识管理平台。

Python 3.10+ License: MIT

✨ 特性

  • 🧠 智能记忆：保存并处理内容，利用Mem的AI驱动组织
  • 📝 笔记管理：创建、读取和删除结构化的Markdown笔记
  • 📁 集合：将笔记组织成可搜索的集合
  • 🔒 类型安全：完整的类型提示和Pydantic验证
  • ⚡ 异步/等待：高效率的异步I/O
  • 🎯 简洁API：简单直观的接口供AI助手使用
  • 🛡️ 生产就绪：全面的错误处理和日志记录
  • 🧪 充分测试：完整的测试套件，使用pytest

📋 先决条件

🚀 快速开始

安装

  1. 克隆仓库：
git clone https://github.com/yourusername/mcp-mem.ai.git
cd mcp-mem.ai
  1. 安装依赖项：
pip install -e .
  1. 设置环境：
cp .env.example .env
# 编辑.env文件并添加你的MEM_API_KEY

运行服务器

本地开发

fastmcp run src/mcp_mem/server.py

使用Claude Desktop

在你的Claude Desktop配置（claude_desktop_config.json）中添加：

{
  "mcpServers": {
    "mem": {
      "command": "python",
      "args": ["-m", "mcp_mem.server"],
      "env": {
        "MEM_API_KEY": "your_api_key_here"
      }
    }
  }
}

使用其他MCP客户端

from mcp_mem import mcp

# 运行服务器
mcp.run()

🛠️ 可用工具

1. mem_it - 智能内容处理

保存并自动处理任何类型的内容，利用AI驱动的组织。

参数：

  • input（必需）：要保存的内容（文本、HTML、Markdown等）
  • instructions（可选）：处理指令
  • context（可选）：额外的组织上下文
  • timestamp（可选）：ISO 8601时间戳

示例：

mem_it(
    input="刚刚与产品团队关于Q1路线图进行了很好的会议……",
    instructions="提取关键行动项和决策",
    context="产品规划"
)

2. create_note - 创建结构化笔记

创建Markdown格式的笔记，并对内容和组织有明确的控制。

参数：

  • content（必需）：Markdown格式的内容
  • collection_ids（可选）：集合UUID列表
  • collection_titles（可选）：集合标题列表

示例：

create_note(
    content="""# 团队站会 - 2024年1月15日

    ## 已完成
    - 功能X已发布到生产环境
    - 修复了问题#123的bug

    ## 正在进行
    - 正在开发功能Y
    - 对PR#456进行代码审查

    ## 阻碍
    - 等待API访问权限
    """,
    collection_titles=["团队会议", "工程"]
)

3. read_note - 读取笔记

通过ID检索笔记的全部内容和元数据。

参数：

  • note_id（必需）：笔记的UUID

示例：

read_note("01961d40-7a67-7049-a8a6-d5638cbaaeb9")

4. delete_note - 删除笔记

永久删除笔记。

参数：

  • note_id（必需）：笔记的UUID

示例：

delete_note("01961d40-7a67-7049-a8a6-d5638cbaaeb9")

5. create_collection - 创建集合

创建一个新的集合来组织相关的笔记。

参数：

  • title（必需）：集合标题
  • description（可选）：Markdown格式的描述

示例：

create_collection(
    title="阿波罗项目",
    description="""# 阿波罗项目

    所有关于阿波罗项目的笔记，包括：
    - 会议笔记
    - 技术规范
    - 客户反馈
    """
)

6. delete_collection - 删除集合

删除集合（笔记仍然存在，只是不再关联）。

参数：

  • collection_id（必需）：集合的UUID

示例：

delete_collection("5e29c8a2-c73b-476b-9311-e2579712d4b1")

⚙️ 配置

配置是通过环境变量完成的。复制.env.example到.env并自定义：

# 必需：你的Mem.ai API密钥
MEM_API_KEY=your_api_key_here

# 可选：自定义API端点（默认：https://api.mem.ai/v2）
MEM_API_BASE_URL=https://api.mem.ai/v2

# 可选：请求超时时间（秒，默认：30）
MEM_REQUEST_TIMEOUT=30

# 可选：启用调试日志（默认：false）
MEM_DEBUG=false

🏗️ 架构

src/mcp_mem/
├── __init__.py      # 包初始化
├── models.py        # Pydantic数据模型
├── client.py        # Mem.ai API客户端
└── server.py        # MCP服务器实现

关键组件

  • models.py：用于请求/响应验证的Pydantic模型
  • client.py：Mem.ai API的异步HTTP客户端封装
  • server.py：带有工具实现的FastMCP服务器

🧪 测试

运行测试套件：

# 安装开发依赖项
pip install -e ".[dev]"

# 运行所有测试
pytest

# 带覆盖率运行
pytest --cov=mcp_mem --cov-report=html

# 运行特定测试文件
pytest tests/test_client.py

🔍 错误处理

服务器提供清晰且可操作的错误消息：

  • MemAuthenticationError：无效或缺少API密钥
  • MemNotFoundError：资源（笔记/集合）未找到
  • MemValidationError：无效的请求参数
  • MemAPIError：通用API错误

所有错误都被记录并返回给AI助手，附带有用的上下文信息。

📚 示例

查看examples/目录以获取完整的使用示例：

  • basic_usage.py：每个工具的基本示例
  • advanced_usage.py：复杂的流程和模式

🤝 贡献

欢迎贡献！请随意提交Pull Request。

  1. 分叉仓库
  2. 创建你的特性分支（git checkout -b feature/amazing-feature）
  3. 提交更改（git commit -m '添加惊人的功能'）
  4. 推送到分支（git push origin feature/amazing-feature）
  5. 打开Pull Request

📄 许可证

本项目采用MIT许可证 - 查看LICENSE文件了解详情。

🔗 链接

💡 使用案例

  • 会议记录：自动处理和组织会议记录
  • 研究：保存并分类研究论文、文章和发现
  • 客户反馈：收集并组织客户对话
  • 知识库：构建可搜索的知识库
  • 个人记忆：跟踪想法、思考和学习

🐛 故障排除

认证错误

MemAuthenticationError: MEM_API_KEY环境变量或api_key参数是必需的

解决方案：在.env文件或环境中设置你的MEM_API_KEY。

连接超时

httpx.ReadTimeout: 超时

解决方案：增加.env文件中的MEM_REQUEST_TIMEOUT。

无效UUID

MemValidationError: 无效的UUID格式

解决方案：确保笔记/集合ID是来自Mem.ai的有效UUID。

使用❤️构建，基于FastMCP和Mem.ai