MCP内存服务器

此服务器使用mem0原则实现AI助手的长期记忆功能，由PostgreSQL和pgvector提供支持，以实现高效的向量相似性搜索。

特点

• 使用PostgreSQL和pgvector进行向量相似性搜索
• 自动生成嵌入式内容，使用BERT
• 支持RESTful API进行记忆操作
• 具有语义搜索能力
• 支持不同类型的记忆（学习、经验等）
• 基于标签的记忆检索
• 记忆的信心评分
• 支持服务器发送事件（SSE）实现实时更新
• 兼容Cursor MCP协议

预备条件

1. 安装了pgvector扩展的PostgreSQL 14+：

# 在您的PostgreSQL实例中：
CREATE EXTENSION vector;

2. Node.js 16+

设置

1. 安装依赖项：

npm install

2. 配置环境变量： 复制.env.sample到.env并调整值：

cp .env.sample .env

示例.env配置：

# 使用用户名/密码
DATABASE_URL="postgresql://username:password@localhost:5432/mcp_memory"
PORT=3333

# 使用同级认证的本地开发
DATABASE_URL="postgresql:///mcp_memory"
PORT=3333

3. 初始化数据库：

npm run prisma:migrate

4. 启动服务器：

npm start

对于带有自动重载的开发：

npm run dev

与Cursor一起使用

在Cursor中添加MCP服务器

要将内存服务器添加到Cursor中，您需要修改位于~/.cursor/mcp.json的MCP配置文件。在mcpServers对象中添加以下配置：

{
  "mcpServers": {
    "memory": {
      "command": "node",
      "args": [
        "/path/to/your/memory/src/server.js"
      ]
    }
  }
}

用实际的内存服务器安装路径替换/path/to/your/memory。

例如，如果您将仓库克隆到了/Users/username/workspace/memory，则配置如下：

{
  "mcpServers": {
    "memory": {
      "command": "node",
      "args": [
        "/Users/username/workspace/memory/src/server.js"
      ]
    }
  }
}

当需要时，Cursor会自动启动该服务器。您可以通过以下步骤验证其是否正常工作：

1. 打开Cursor
2. 当Cursor启动时，内存服务器将自动启动
3. 您可以通过访问http://localhost:3333/mcp/v1/health来检查服务器状态

可用的MCP端点

SSE连接

• 端点：GET /mcp/v1/sse
• 查询参数：
  • subscribe：订阅的事件列表（可选）
• 事件：
  • connected：初始连接时发送
  • memory.created：创建新记忆时发送
  • memory.updated：更新现有记忆时发送

记忆操作

1. 创建记忆

POST /mcp/v1/memory
Content-Type: application/json

{
  "type": "learning",
  "content": {
    "topic": "Express.js",
    "details": "Express.js是Node.js的一个Web应用程序框架"
  },
  "source": "文档",
  "tags": ["nodejs", "web-framework"],
  "confidence": 0.95
}

2. 搜索记忆

GET /mcp/v1/memory/search?query=web+frameworks&type=learning&tags=nodejs

3. 列出记忆

GET /mcp/v1/memory?type=learning&tags=nodejs,web-framework

健康检查

GET /mcp/v1/health

响应格式

所有API响应遵循标准的MCP格式：

{
  "status": "success",
  "data": {
    // 响应数据
  }
}

或错误情况下的格式：

{
  "status": "error",
  "error": "错误消息"
}

记忆模式

• id：唯一标识符
• type：记忆类型（学习、经验等）
• content：实际记忆内容（JSON）
• source：记忆来源
• embedding：内容的向量表示（384维）
• tags：相关标签数组
• confidence：信心评分（0-1）
• createdAt：记忆创建时间
• updatedAt：记忆最后更新时间