关于 MCP Server for Zep Cloud
MCP Server for Zep Cloud 将 AI Agent 应用连接到 Zep Cloud 的记忆与图谱能力,提供管理对话上下文、图谱数据和项目资源的工具。
主要功能
- 01向对话线程添加消息
- 02获取整理后的用户上下文
- 03添加和搜索知识图谱数据
- 04管理用户、线程和图谱
- 05检查图谱结构与数据
- 06配置上下文模板
适用场景
- 01保存对话消息以供后续获取上下文
- 02搜索图谱中的事实、实体和事件
- 03检查导入内容之间的关系
- 04管理 Zep 用户、图谱和上下文模板
MCP 相关
该 MCP 服务将 Zep Cloud 的记忆及管理操作作为工具提供。可通过 ZEP_TOOLSETS 选择启用的工具组。
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。
工具
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
zep-mcp
面向 Zep Cloud API 的 MCP 服务——这是一个用于 AI Agent 记忆的上下文工程平台。使用 FastMCP 和 zep-cloud Python SDK 构建。
📖 背后的故事
我最初在 2025 年初构建这个项目时,刚开始学习编程。它能用!……至少从技术上来说能用。旧版有一个备用客户端,会在 API 宕机时返回虚假的成功响应 😅;每个平台都有对应的包装脚本;冗余代码多到让未来的我都觉得尴尬。
一年后,我学到了一些东西。于是我把它彻底推倒,重新编写。
- 之前: 2 层纠缠的客户端、8 个工具、会撒谎的备用模式、约 4,000 行代码 💀
- 之后: 1 个简洁的服务入口、13 个覆盖完整 Zep Cloud API 的工具、约 770 行代码
我保留了旧的 git 历史,因为还挺有意思,哈哈
使用场景
我用它处理自己的内容——将视频脚本和观众评论导入 Zep 的知识图谱,以了解我讲过什么、受众关心什么,以及接下来应该制作什么内容。
构建内容知识图谱——导入你的脚本和观众评论。Zep 会自动从你发布的所有内容中提取主题、实体(例如人物、群体、想法)及其相互关系。

查看聚集在一起的主题——探索特定实体与内容和主题之间的关联。蓝色节点是你的实际内容;周围的主题展示了这些视频中出现的主题,以及评论者将哪些内容与该实体联系起来。

发现内容空白——查询与许多主题和实体相关联、但没有关联内容节点的实体。这些都是受众已经在思考和讨论、但你还没有制作相关视频的话题。

设置
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
将 .env.example 复制为 .env,并填写你的 Zep Cloud API 密钥:
cp .env.example .env
安装 pre-commit 钩子,防止意外提交机密信息:
cp scripts/pre-commit .git/hooks/pre-commit
运行服务
source venv/bin/activate
python server.py
也可以使用 FastMCP 开发模式:
fastmcp dev server.py
配置
| 变量 | 必需 | 说明 |
|---|---|---|
ZEP_API_KEY | 是 | Zep Cloud API 密钥 |
ZEP_TOOLSETS | 否 | 要启用的工具组,以逗号分隔。可选值:memory、admin。默认为 memory,admin(所有工具)。 |
工具
按待办事项分类的 13 个工具:
记忆工具(memory):
add_messages— 向对话线程添加消息get_context— 获取为用户组装的上下文块add_graph_data— 向知识图谱添加数据(文本、JSON、消息或三元组)search_graph— 在知识图谱中搜索事实、实体或事件get_task— 轮询异步 Zep 操作的状态
管理工具(admin):
manage_user— 用户 CRUD(创建、获取、更新、删除、列出、预热)manage_user_instructions— 管理用户摘要指令manage_thread— 线程 CRUD(创建、获取、删除、列出)manage_graph— 图谱生命周期管理(创建、获取、更新、删除、列出、克隆)manage_graph_structure— 图谱架构、本体和自定义指令manage_graph_data— 节点、边和事件的检查与管理manage_context_templates— 上下文模板 CRUDproject_info— 获取当前 Zep Cloud 项目信息
运行测试
source venv/bin/activate
python -m pytest tests/
许可证
MIT
评论
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。