增强型MCP内存

⚡ 优化于Claude Sonnet 4 - 此MCP服务器与Claude Sonnet 4配合使用时，性能最佳并支持AI功能。

增强型MCP（模型上下文协议）服务器，专为智能记忆管理和开发工作流程设计。具备语义搜索、自动任务提取、知识图谱以及全面的项目管理功能。

✨ 主要特性

🧠 智能内存管理

• 使用句子转换器进行自然语言查询的语义搜索
• 根据重要性评分进行自动内存分类
• 重复检测及内容去重
• 文件路径关联用于代码-内存关系
• 自动相似度检测的知识图谱关系

🧬 序列思维引擎

• 五阶段过程（分析、规划、执行、验证、反思）的结构化推理链
• 自动令牌优化的上下文管理
• 跨会话的智能总结对话连续性
• 实时令牌估计和压缩（减少30-70%）
• 关键点、决策和行动项的自动提取

📋 高级任务管理

• 从对话和代码注释中自动任务提取
• 带有验证的优先级和类别管理
• 状态跟踪（待处理、进行中、已完成、已取消）
• 知识图谱中的任务-内存关系
• 基于项目的组织
• 复杂任务分解成可管理的子任务

🏗️ 项目惯例学习

• 自动环境检测 - 操作系统、shell、工具和运行时版本
• 项目类型识别 - Node.js、Python、Rust、Go、Java、MCP服务器等
• 命令模式学习 - 提取npm脚本、Makefile目标和项目命令
• 工具配置检测 - IDEs、linters、CI/CD、构建工具和测试框架
• 依赖管理 - 包管理器、锁定文件和安装命令
• 智能命令建议 - 根据项目惯例纠正用户命令
• Windows特定优化 - 正确的路径分隔符和命令格式
• 内存集成 - 存储学习到的惯例以供AI上下文和未来参考

📊 性能监控

• 带详细指标的性能监控
• 健康检查和系统诊断
• 过期数据和重复数据的自动清理
• 数据库优化工具
• 全面的日志记录和错误追踪
• 令牌使用分析和优化建议

� 企业特性

• 带详细指标的性能监控
• 健康检查和系统诊断
• 过期数据和重复数据的自动清理
• 数据库优化工具
• 全面的日志记录和错误追踪
• 令牌使用分析和优化建议

�🚀 简易部署

• 支持uvx的一键安装
• 零配置启动，带有合理的默认设置
• 环境变量配置
• 跨平台支持（Windows、macOS、Linux）

🏗️ 项目结构

enhanced-mcp-memory/
├── mcp_server_enhanced.py    # 主MCP服务器，集成FastMCP
├── memory_manager.py         # 核心内存/任务逻辑和项目检测
├── sequential_thinking.py    # 思维链和上下文优化
├── database.py              # 带重试机制的数据库操作
├── requirements.txt         # Python依赖
├── setup.py                # 包配置
├── data/                   # SQLite数据库存储
├── logs/                   # 应用日志

🚀 快速开始

方案1：使用uvx（推荐）

# 安装并运行uvx
uvx enhanced-mcp-memory

方案2：手动安装

# 克隆并安装
git clone https://github.com/cbunting99/enhanced-mcp-memory.git
cd enhanced-mcp-memory
pip install -e .

# 运行服务器
enhanced-mcp-memory

方案3：开发设置

# 克隆仓库
git clone https://github.com/cbunting99/enhanced-mcp-memory.git
cd enhanced-mcp-memory

# 安装依赖
pip install -r requirements.txt

# 直接运行
python mcp_server_enhanced.py

⚙️ MCP配置

添加到您的MCP客户端配置：

对于uvx安装：

{
  "mcpServers": {
    "memory-manager": {
      "command": "uvx",
      "args": ["enhanced-mMCP-memory"],
      "env": {
        "LOG_LEVEL": "INFO",
        "MAX_MEMORY_ITEMS": "1000",
        "ENABLE_AUTO_CLEANUP": "true"
      }
    }
  }
}

对于本地安装：

{
  "mcpServers": {
    "memory-manager": {
      "command": "python",
      "args": ["mcp_server_enhanced.py"],
      "cwd": "/path/to/enhanced-mcp-memory",
      "env": {
        "LOG_LEVEL": "INFO",
        "MAX_MEMORY_ITEMS": "1000",
        "ENABLE_AUTO_CLEANUP": "true"
      }
    }
  }
}

🛠️ 可用工具

核心内存工具

• get_memory_context(query) - 获取相关记忆和上下文
• create_task(title, description, priority, category) - 创建新任务
• get_tasks(status, limit) - 过滤检索任务
• get_project_summary() - 获取全面的项目概述

序列思维工具

• start_thinking_chain(objective) - 开始结构化推理过程
• add_thinking_step(chain_id, stage, title, content, reasoning) - 添加推理步骤
• get_thinking_chain(chain_id) - 检索完整的思维链
• list_thinking_chains(limit) - 列出最近的思维链

上下文管理工具

• create_context_summary(content, key_points, decisions, actions) - 压缩上下文以优化令牌
• start_new_chat_session(title, objective, continue_from) - 开始新的对话，可选继续
• consolidate_current_session() - 压缩当前会话以便交接
• get_optimized_context(max_tokens) - 获取令牌优化的上下文
• estimate_token_usage(text) - 估算令牌数量以计划

企业自动处理

• auto_process_conversation(content, interaction_type) - 自动提取记忆和任务
• decompose_task(prompt) - 将复杂任务分解为子任务

项目惯例工具

• auto_learn_project_conventions(project_path) - 自动检测和学习项目模式
• get_project_conventions_summary() - 获取格式化的学习惯例摘要
• suggest_correct_command(user_command) - 建议项目适当的命令修正
• remember_project_pattern(pattern_type, pattern, description) - 手动存储项目模式
• update_memory_context() - 刷新内存上下文以最新的项目惯例

系统管理工具

• health_check() - 检查服务器健康和连接性
• get_performance_stats() - 获取详细的性能指标
• cleanup_old_data(days_old) - 清理旧的记忆和任务
• optimize_memories() - 移除重复项并优化存储
• get_database_stats() - 获取全面的数据库统计信息

🏗️ 项目惯例学习

增强型MCP内存服务器自动学习并记住项目特定的惯例，防止AI助手提出不正确的命令或方法：

自动检测

• 操作系统：Windows vs Unix，首选shell和命令
• 项目类型：Node.js、Python、Rust、Go、Java、MCP服务器、FastAPI、Django
• 开发工具：IDEs、linters、formatters、CI/CD配置
• 包管理：npm、yarn、pip、poetry、cargo、go模块
• 构建系统：Vite、Webpack、Make、批处理脚本、shell脚本

智能命令建议

# 不是通用命令，而是建议项目特定的命令：
用户输入："node server.js"
AI建议："对于这个项目，请使用'npm run dev'"

用户输入："python main.py"
AI建议："对于这个FastAPI项目，请使用'uvicorn main:app --reload'"

Windows优化

• 自动检测Windows环境
• 使用cmd.exe和适合Windows的路径分隔符
• 建议兼容Windows的命令（例如，dir代替ls）
• 处理Windows特定的Python和Node.js模式

内存集成

所有学习到的惯例都被存储为高重要性的记忆，这些记忆：

• 出现在每次交互的AI上下文中
• 跨会话和项目切换持久存在
• 包括环境警告和项目特定指导
• 防止重复提出的不正确命令建议

🔧 配置选项

通过环境变量配置：

变量	默认值	描述
LOG_LEVEL	INFO	日志级别（DEBUG、INFO、WARNING、ERROR）
MAX_MEMORY_ITEMS	1000	每个项目最大记忆数
MAX_CONTEXT_TOKENS	8000	自动压缩的令牌阈值
CLEANUP_INTERVAL_HOURS	24	自动清理间隔
ENABLE_AUTO_CLEANUP	true	启用自动清理
MAX_CONCURRENT_REQUESTS	5	最大并发请求
REQUEST_TIMEOUT	30	请求超时时间（秒）
DATA_DIR	~/ClaudeMemory	存储数据和日志的位置

🧪 测试

此包已准备好生产使用，并且发布的版本不包含测试套件。对于开发或持续集成，请参阅仓库中的测试脚本和其他资源。

📊 性能与监控

服务器内置了性能跟踪：

• 所有工具的响应时间监控
• 成功率跟踪，带错误计数
• 内存使用统计
• 数据库性能指标
• 自动健康检查

通过get_performance_stats()和health_check()工具访问。

🗄️ 数据库

• 使用SQLite进行可靠的基于文件的存储
• 更新时的自动模式迁移
• 快速查询的全面索引
• 内置备份和优化工具
• 跨平台兼容性

默认位置：./data/mcp_memory.db

🔍 语义搜索

由句子转换器提供动力，用于智能记忆检索：

• 自然语言查询 - "查找关于数据库优化的记忆"
• 使用嵌入的基于相似性的匹配
• 可配置的相似性阈值
• 自动模型下载（首次运行约90MB）

🧠 序列思维

结构化推理系统：

• 五阶段思维过程：分析 → 规划 → 执行 → 验证 → 反思
• 令牌优化：实时估计和压缩（减少30-70%）
• 上下文连续性：智能会话交接，保留上下文
• 自动提取：自动识别关键点、决策和行动项
• 性能跟踪：监控推理链和优化指标

💼 令牌管理

大规模部署的高级上下文优化：

• 智能压缩：基于模式的提取保留重要信息
• 令牌估计：实时计算用于规划和预算
• 上下文总结：自动将对话转换为可操作的摘要
• 会话整合：对话会话之间的无缝交接
• 性能分析：详细压缩比率和响应时间指标

📝 日志记录

全面的日志记录系统：

• 在./logs/目录中的每日日志轮换
• 带时间戳和级别的结构化日志
• 集成的性能跟踪
• 带堆栈跟踪的错误跟踪

🤝 贡献

1. 分叉仓库
2. 创建功能分支
3. 为新功能添加测试
4. 确保所有测试通过
5. 提交拉取请求

📄 许可

MIT许可 - 详情见LICENSE文件。

🆘 支持

• 问题：GitHub Issues
• 文档：README
• 讨论：GitHub Discussions

🏷️ 版本历史

• v2.0.2 - 更新包构建配置和许可证兼容性修复
• v2.0.1 - 增强序列思维和项目惯例的功能
• v1.2.0 - 增强MCP服务器，增加性能监控和健康检查
• v1.1.0 - 添加语义搜索和知识图谱功能
• v1.0.0 - 初始发布，基本的记忆和任务管理