mcpField
M
Memnest

Memnest

本地服务
github.com/Blue-B记忆与知识53 天前更新
代码仓库

关于 Memnest

Memnest 是面向编码 AI 的本地记忆服务，保存对话原文并通过来源 ID 检索旧讨论和决策，而非使用大模型生成摘要。它适合使用多个编码客户端、希望从共享本地存储查找过往上下文的开发者。

主要功能

  1. 01保存对话原文
  2. 02使用 BM25 和本地嵌入搜索
  3. 03通过来源 ID 读取记录
  4. 04保存、更正和删除记忆
  5. 05多个编码客户端共用本地存储

适用场景

  1. 01查找项目决策背后的讨论
  2. 02回顾以前处理某个错误的方法
  3. 03从另一个编码客户端检索上下文

MCP 相关

Memnest 在 `http://127.0.0.1:3111/mcp` 运行本地 MCP 服务，提供保存、搜索、读取、更正和删除记忆的工具。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库
安装包
mcpbmemnest-v0.4.3-linux-x64.mcpb
mcpbmemnest-v0.4.3-darwin-arm64.mcpb

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

memnest

memnest 标志

한국어 | 安装 | 使用 | 运维

你的编码 AI 会在会话结束时忘记一切。Memnest 可以让它从原始对话中查找你之前做出的决定以及原因，而不是依赖 AI 编写的摘要。

  • 原文，而非摘要。 LLM 不会改写你的历史记录。保存和搜索不会调用模型 API，因此无需 API 密钥，也不会产生额外的 token 费用。每条结果都附带可供打开的来源 ID。
  • 所有编码 AI 共用一份记忆。 Claude Code、Codex、Cursor 和 pi 可连接到同一个本地服务。在 Claude Code 中做出的决定，也能从 Codex 中查找。
  • 数据留在你的设备上。 一个 Rust 二进制文件，搭配 SQLite 和本地多语言嵌入模型。凭据存放在单独的加密保管库中。

最新版本 npm：pi-memnest 许可证：MIT

安装

curl -fsSL https://raw.githubusercontent.com/Blue-B/memnest/main/core/scripts/install.sh | bash

此操作会为当前用户安装最新版本，启动服务和对话监视器，并将 Memnest 添加到找到的 Claude Code、Codex 和 Cursor 配置中。现有配置会先备份，并显示还原命令。

要求：Apple Silicon 上的 macOS，或搭载 systemd 的 Linux，架构为 x86_64（glibc 2.35+，例如 Ubuntu 22.04、Debian 12）或 Arm64（glibc 2.39+，例如 Ubuntu 24.04）。设置需要 Python 3。首次写入或搜索时会下载约 1.1 GB 的嵌入模型，生成嵌入可能需要约 1.9 GB 内存。

先查看脚本、固定版本或升级 
curl -fsSL https://raw.githubusercontent.com/Blue-B/memnest/main/core/scripts/install.sh \
  -o /tmp/memnest-install.sh
less /tmp/memnest-install.sh
VERSION=v0.4.3 bash /tmp/memnest-install.sh --user

升级现有安装前，请备份 memory.db 和 master.key。

查看实际效果

一个客户端保存决定，另一个独立客户端检索到同一条记录

两个独立客户端，共用一个本地存储：通过 MCP 保存的记录，可通过独立搜索以相同 ID 找回。在自己的设备上复现。

适用场景

对于以下问题，可以使用累积的记录：

我们为什么换了任务管理器？找出这项决定背后的讨论。

我们最近为这个项目确定了什么部署方案？原因是什么？

上次出现这个错误时，我们尝试了什么？

AI 会搜索记忆、读取相关来源，并据此作答。结果包含来源 ID，方便你核查依据。这些只是示例请求，并非自主演示，也不保证一定能找到答案。

如果只有几条规则需要始终生效，使用 AGENTS.md 或 CLAUDE.md 会更简单。Memnest 适用于不断增长的对话和决策历史，方便你在需要时查找。

连接 pi

核心服务运行后，安装匹配的扩展：

# Published extension for core 0.4.x
pi install npm:[email protected]

# Or connect a reviewed source checkout
pi install ./pi-extension

如果 Memnest 已通过其他来源注册，请先移除该注册，以免重复加载。在 pi 中使用 /memnest 检查连接。请参阅扩展设置。

本地开发：知识库工具设置

扩展默认只提供五个记忆工具。若要让 pi 使用 secret_set、secret_get、secret_list 和 secret_delete 存储和检索凭据，请在启动 pi 前启用知识库工具：

export MEMNEST_EXPOSE_SECRET_TOOLS=1
pi

更改变量后，请重启 pi；仅使用 /reload 无法更改运行中进程的环境变量。/memnest 会报告知识库工具是否可用，并在工具被隐藏时显示此激活提示。

其他 MCP 客户端连接到 http://127.0.0.1:3111/mcp。请参阅连接示例、其他环境和源代码安装，以及升级和恢复。Intel Mac 需要从源代码构建。

使用方法

请连接的 AI 查找先前的对话或决策。自动回忆默认关闭；需要时可以先请求搜索。请参阅扩展设置以启用自动回忆。

直接调用工具的客户端可按以下流程操作：

memory_search(query="reason for switching task managers")
memory_get(id="<ID returned by search>")

五个工具涵盖保存、搜索、读取、更正和删除。使用 memory_remember 明确保存重要决策。事实发生变化时，使用 supersedes=<old ID> 保存替代记录，并将其与先前记录关联。

当宿主提供当前目录时，搜索会涵盖该工作区和共享的 playbook。如需明确进行跨项目搜索，请指定 project=all。请参阅来源读取，了解长记录和附近的对话条目。

安装前的对话不会全部自动导入。请通过历史记录导入选择所需的原始文件。

有来源依据的编码记录（0.4.0）

可以将某种方法保存为已提出、失败或报告成功，而不把报告结果视为验证。也可以使用 memory_remember(code_files=["relative/file"]) 附加选定的本地文件；想要比对文件字节时，再请求 memory_get(check_code=true)。无关的编辑不会触发警告。请参阅代码证据。

可选的团队访问功能会添加命名项目授权、审计和保留策略。免费的本地对比会记录 Memnest 表现良好与不佳之处；它不声称在所有情况下都更准确。

重要限制

  • 检索不等于事实核查。 搜索可能会漏掉相关记录。Memnest 无法判断过去的决定现在是否仍然有效。后续来源提示并非经过验证的回复关系。
  • 捕获内容是有选择的。 它会保存可见的对话文本，不包括推理、工具调用、图片或子 Agent 对话。它不会导入 ChatGPT 或 Claude 的内置记忆。
  • 数据存储在本地；由你连接的 AI 提供答案。 默认存储和搜索不会调用生成式大模型。显式设置 evidence_only=true 会选择使用已配置的本地来源筛选模型，但其判断未经验证。云端 AI 提供商会收到你发送给其模型的检索文本。
  • 常规记忆未加密。 脱敏功能会处理已知的凭证模式，但无法涵盖所有可能的机密。请勿将端口 3111 直接暴露到互联网。
  • Web 连接器是通向你记忆的网络通道。 ChatGPT 和 Grok 连接器需要公共 URL，检索到的文本会发送到提供商的服务器，而该 URL 本身可作为凭证。请参阅 Web 连接器。
  • 删除不代表立即擦除。 记录默认会在回收站中保留 30 天。默认关闭新的明文归档；旧归档、备份和外部对话记录仍可能留有副本。请参阅安全与删除限制。

文档与检查

一项 Rust 服务使用 SQLite 存储源记录，并通过 BM25 和本地多语言嵌入进行搜索。搜索索引可根据源记录重建。

许可证

MIT © Blue-B

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。