MCP DuckDB 知识图谱内存服务器

这是官方知识图谱内存服务器的一个分支版本。

<a href="https://glama.ai/mcp/servers/4mqwh1toao"> <img width="380" height="200" src="https://gips0.baidu.com/it/u=4241046204,4036685100&fm=3081&app=3081&f=PNG?w=760&h=400" alt="DuckDB 知识图谱内存服务器 MCP 服务器" /> </a>

安装

通过 Smithery 安装

要通过 Smithery 自动安装 DuckDB 知识图谱内存服务器到 Claude Desktop：

npx -y @smithery/cli install @IzumiSy/mcp-duckdb-memory-server --client claude

手动安装

否则，手动在你的 claude_desktop_config.json 文件中添加 @IzumiSy/mcp-duckdb-memory-server（MEMORY_FILE_PATH 是可选的）

{
  "mcpServers": {
    "graph-memory": {
      "command": "npx",
      "args": [
        "-y",
        "@izumisy/mcp-duckdb-memory-server"
      ],
      "env": {
        "MEMORY_FILE_PATH": "/path/to/your/memory.data"
      }
    }
  }
}

该路径上存储的数据是一个 DuckDB 数据库文件。

Docker

构建

docker build -t mcp-duckdb-graph-memory .

运行

docker run -dit mcp-duckdb-graph-memory

使用方法

使用以下示例指令：

对于每次交互，请遵循以下步骤：

1. 用户识别：
   - 假设你正在与默认用户交互。
   - 如果尚未识别默认用户，请主动尝试进行识别。

2. 内存检索：
   - 总是以说“回忆中...”开始聊天，并从你的知识图谱中搜索相关信息。
   - 根据用户的词语创建一个搜索查询，并从“记忆”中搜索相关内容。如果没有任何匹配项，首先尝试分解查询中的词语（例如，“A B”变为“A”和“B”）。
   - 总是将你的知识图谱称为你的“记忆”。

3. 内存
   - 在与用户交谈时，注意任何新的信息，这些信息可能属于以下类别：
     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. 内存更新：
   - 如果在交互过程中收集了任何新信息，请按照以下方式更新你的记忆：
     a) 为重复出现的组织、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) 将关于它们的事实存储为观察。

动机

该项目通过用 DuckDB 替换后端来增强原始 MCP 知识图谱内存服务器。

为什么选择 DuckDB？

原始 MCP 知识图谱内存服务器使用 JSON 文件作为数据存储并执行内存搜索。虽然这种方法对小型数据集工作良好，但它存在一些挑战：

1. 性能：随着数据集的增长，内存搜索性能下降。
2. 可扩展性：处理大量实体和关系时，内存使用显著增加。
3. 查询灵活性：实现复杂查询和条件搜索困难。
4. 数据完整性：确保事务和 CRUD 操作的原子性具有挑战性。

选择 DuckDB 来解决这些问题：

• 快速查询处理：DuckDB 优化了分析查询，在大型数据集中表现良好。
• SQL 接口：可以使用标准 SQL 执行复杂的查询。
• 事务支持：支持事务处理以维护数据完整性。
• 索引能力：允许创建索引来提高搜索性能。
• 嵌入式数据库：可以在应用程序内部工作，无需外部数据库服务器。

实现细节

此实现使用 DuckDB 作为后端存储系统，重点关注两个关键方面：

数据库结构

知识图谱存储在一个关系数据库结构中，如下所示：

erDiagram
    ENTITIES {
        string name PK
        string entityType
    }
    OBSERVATIONS {
        string entityName FK
        string content
    }
    RELATIONS {
        string from_entity FK
        string to_entity FK
        string relationType
    }

    ENTITIES ||--o{ OBSERVATIONS : "拥有"
    ENTITIES ||--o{ RELATIONS : "来自"
    ENTITIES ||--o{ RELATIONS : "到"

这种模式设计允许高效地存储和检索知识图谱组件，同时保持实体、观察和关系之间的联系。

模糊搜索实现

实现结合了 SQL 查询和 Fuse.js 以提供灵活的实体搜索：

• DuckDB SQL 查询从数据库中检索基础数据。
• Fuse.js 提供了在检索数据上的模糊匹配能力。
• 这种混合方法允许进行结构化查询和灵活的文本匹配。
• 搜索结果包括精确匹配和部分匹配，按相关性排序。

开发

设置

pnpm install

测试

pnpm test

许可证

本项目根据 MIT 许可证发布 - 查看 LICENSE 文件获取详细信息。