memory-graph 人工智能搜索 版

面向开发者工作流程的MCP客户端本地图形内存

memory-graph，由Maithanhduyan开发，是一个开源的MCP服务器，为AI模型提供持久的基于图形的内存。该服务器将实体和关系存储为节点和边，以便LLMs可以在会话之间保留上下文，并通过内置搜索工具查询相关条目。主要功能包括节点和边的管理、持久的本地存储、MCP工具集以及更新/删除操作。开发人员、AI研究人员和高级MCP用户获得了一个结构化的长期记忆组件，用于助手工作流程；它需要Node.js才能运行。

你实际上可以用服务器做什么任务？

服务器提供了一个程序化的内存层，让AI客户端能够在对话中维护和检索结构化的上下文。它将信息表示为节点（实体）和边（关系），并暴露出创建、更新和删除条目的操作。实际任务包括实体跟踪、关系感知检索，以及在会话之间保持状态，以便模型在生成响应时可以参考先前的事实。

• 创建和管理节点和边
• 在图中搜索相关上下文
• 更新或删除内存条目

持久性和检索的可靠性如何？

持久性在会话之间是本地和连续的，服务器的搜索工具让客户端能够定位与查询匹配的节点或关系。可靠性取决于图结构以及客户端如何构造查询；该实现支持更新和删除以纠正过时数据。明确建模关系使得为依赖于连接而非孤立文本片段的提示提供上下文变得更容易。

它适合现有的MCP工作流程和隐私敏感的部署吗？

该服务器符合模型上下文协议，并通过向客户端添加服务器配置与MCP兼容的主机集成。它需要Node.js环境进行安装，因此集成假定开发人员参与。该项目是开源的，允许代码级修改和社区贡献，并且它在用户的机器上运行，这意味着文件保持在本地控制之下，而不是发送到外部云服务。

谁应该采用它以及期待什么

服务器是开发人员和研究人员的实用选择，他们需要程序化的、关系感知的内存用于基于MCP的助手，并且能够管理服务器配置。期待动手设置和代码编辑，而不是图形化的设置体验，并计划调整查询和图形模式以获得可靠的检索。对于习惯于开发工作流程的团队，它提供了一个可扩展的内存层，适合原型和研究使用。