mcp-server-memory

这是一个MCP服务器，用于与内存文本文件交互，帮助Claude在聊天之间维护上下文。

每一行代表一个记忆。

这些工具允许Claude（以及其他MCP客户端）在聊天过程中管理记忆：

• memory_add(memory: string) - 添加记忆
• memory_search(query: string) - 返回匹配的记忆（子串精确匹配）- 后期可能会支持通配符/正则表达式
• memory_delete(query: string) - 删除匹配的记忆（子串精确匹配）
• memory_list() - 返回所有记忆
• 注意：memory_update == memory_delete + memory_add

例如，

• 我提到我的名字 => "正在与Wes交谈"
• 提到女儿的年龄 => "Wes的女儿是8岁"
• 说正在做一个TypeScript项目 => "正在做一个TypeScript项目"
• 并且，这一点至关重要，可以基于Claude（助手/LLM）所说或所做的内容...
  • 特别是工具使用（即run_command）... 如果第一次尝试使用工具失败（例如，python命令不存在），然后后续使用工具成功（例如，使用python3而不是python）=> Claude可以记录“使用python3，python不存在”...
• 我要求Claude删除关于X的记忆 => memory_delete(query: X)
• 我纠正了我的名字 => memory_search("旧名") + memory_delete(每个匹配的记录，或者一个通用查询) + memory_add("新名")

然后，当新的聊天开始时，Claude会自动获取最近的记忆（部分或全部）或可以请求记忆（一些/更多/全部）。然后可以使用这些记忆来影响响应/工具等。

设计

一个简单的内存文本文件，为什么：

• ChatGPT的记忆工作得很好，并且本质上是一个文本文件。
  • 可能背后有结构化处理，但如果你查看你的记忆，它呈现为一个文本文件。
• 我对mcp-server-commands类似提醒功能的测试效果很好（当Claude拥有它们时）。
• 非结构化的文本简化了工具和参数，基本上就是管理字符串列表。

提示机制：

• 对模型来说，有一个提示知道何时存储记忆也很重要。这如何最好地实现尚不明确，但是...
• 训练：OpenAI承认对模型进行训练以知道何时存储记忆。就像模型被训练使用工具一样。
• 提示：系统提示组件可能包含一个提醒，触发存储记忆。
• 工具本身：在我的Claude测试中，仅靠工具规范，甚至加上工具响应中的提示/建议，我无法让Claude存储记忆。因此，这本身是不够的。似乎Claude的工具训练是为了仅在追求提示/请求时使用它们，这就是为什么我认为在提示组件中添加一个提醒/提示会有效。

待办事项/想法

我不知道这些是否值得花时间，只是在这里列出未来的想法。也许部分原因是阻止我自己去实现它们:)

• 近期因素：一种根据近期重新排列记忆的方法？
  • 排序变得对于模糊的记忆查询相关（例如，正在做TypeScript项目和Python项目，然后我要求开始一个新的项目，可以建议最近使用的那个？）
• 淡出旧记忆？