Knowledge Graph Memory Server

知识图谱记忆服务

使用本地知识图谱实现的基础持久化记忆功能。这使 Claude 能够在不同聊天中记住有关用户的信息。

这是对 原始参考服务（版本 0.6.3）的 Python 移植版本。 我借此机会对代码进行了一些重构，主要借助了 Cline（和 Claude Sonnet 3.5）。

核心概念

实体

实体是知识图谱中的主要节点。每个实体都有：

• 一个唯一名称（标识符）
• 一个实体类型（例如，“person”“organization”“event”）
• 一组观察记录

示例：

{
  "name": "John_Smith",
  "entityType": "person",
  "observations": ["Speaks fluent Spanish"]
}

关系

关系定义实体之间的有向连接。它们始终以主动语态存储，用于描述实体如何交互或彼此关联。

示例：

{
  "from": "John_Smith",
  "to": "Anthropic",
  "relationType": "works_at"
}

观察记录

观察记录是有关某个实体的独立信息片段。它们：

• 以字符串形式存储
• 附属于特定实体
• 可以独立添加或移除
• 应保持原子性（每条观察记录包含一个事实）

示例：

{
  "entityName": "John_Smith",
  "observations": [
    "Speaks fluent Spanish",
    "Graduated in 2019",
    "Prefers morning meetings"
  ]
}

API

工具

• create_entities

  • 在知识图谱中创建多个新实体
  • 输入：entities（对象数组）
    • 每个对象包含：
      • name（字符串）：实体标识符
      • entityType（字符串）：类型分类
      • observations（字符串[]）：关联的观察记录
  • 忽略名称已存在的实体

• create_relations

  • 在实体之间创建多个新关系
  • 输入：relations（对象数组）
    • 每个对象包含：
      • from（字符串）：源实体名称
      • to（字符串）：目标实体名称
      • relationType（字符串）：主动语态的关系类型
  • 跳过重复关系

• add_observations

  • 向现有实体添加新的观察记录
  • 输入：observations（对象数组）
    • 每个对象包含：
      • entityName（字符串）：目标实体
      • contents（字符串[]）：要添加的新观察记录
  • 返回每个实体已添加的观察记录
  • 如果实体不存在则失败

• delete_entities

  • 移除实体及其关系
  • 输入：entityNames（字符串[]）
  • 级联删除关联的关系
  • 如果实体不存在则静默执行

• delete_observations

  • 从实体中移除指定的观察记录
  • 输入：deletions（对象数组）
    • 每个对象包含：
      • entityName（字符串）：目标实体
      • observations（字符串[]）：要移除的观察记录
  • 如果观察记录不存在则静默执行

• delete_relations

  • 从图谱中移除指定的关系
  • 输入：relations（对象数组）
    • 每个对象包含：
      • from（字符串）：源实体名称
      • to（字符串）：目标实体名称
      • relationType（字符串）：关系类型
  • 如果关系不存在则静默执行

• read_graph

  • 读取整个知识图谱
  • 无需输入
  • 返回包含所有实体和关系的完整图谱结构

• search_nodes

  • 根据查询搜索节点
  • 输入：query（字符串）
  • 搜索范围包括：
    • 实体名称
    • 实体类型
    • 观察记录内容
  • 返回匹配的实体及其关系

• open_nodes

  • 按名称获取指定节点
  • 输入：names（字符串[]）
  • 返回：
    • 请求的实体
    • 请求实体之间的关系
  • 静默跳过不存在的节点

在 Claude Desktop 中使用

设置

将以下内容添加到 claude_desktop_config.json：

uvx

{
  "mcpServers": {
    "memory-python":
    {
      "command": "uvx",
      "args": [
        "--refresh",
        "--quiet",
        "mcp-memory-py"
      ],
    "env": {
        "MEMORY_FILE_PATH": "/path/to/custom/memory.json"
      }
    }
}

环境参数

• MEMORY_FILE_PATH：记忆存储 JSON 文件的路径（默认：服务目录中的 memory.json）
• DEBUG_LOGGING：生成每日日志文件，记录服务调用的说明。仅用于开发

系统提示词

用于利用记忆的提示词取决于具体用例。更改提示词有助于模型确定创建记忆的频率和类型。

以下是用于聊天个性化的示例提示词。你可以在 Claude.ai 项目的“自定义指令”字段中使用此提示词。

Follow these steps for each interaction:

1. User Identification:
   - You should assume that you are interacting with default_user
   - If you have not identified default_user, proactively try to do so.

2. Memory Retrieval:
   - Always begin your chat by saying only "Remembering..." and retrieve all relevant information from your knowledge graph
   - Always refer to your knowledge graph as your "memory"

3. Memory
   - While conversing with the user, be attentive to any new information that falls into these categories:
     a) Basic Identity (age, gender, location, job title, education level, etc.)
     b) Behaviors (interests, habits, etc.)
     c) Preferences (communication style, preferred language, etc.)
     d) Goals (goals, targets, aspirations, etc.)
     e) Relationships (personal and professional relationships up to 3 degrees of separation)

4. Memory Update:
   - If any new information was gathered during the interaction, update your memory as follows:
     a) Create entities for recurring organizations, people, and significant events
     b) Connect them to the current entities using relations
     b) Store facts about them as observations

测试

运行单元测试： uv run pytest

调试

使用 MCP Inspector 进行调试： npx @modelcontextprotocol/inspector uv run --directory src -m mcp_memory_py

许可证

此 MCP 服务采用 MIT 许可证。这意味着你可以自由使用、修改和分发该软件，但须遵守 MIT 许可证的条款和条件。详情请参阅项目仓库中的 LICENSE 文件。