mcpField
M
MCP Server for Zep Cloud

MCP Server for Zep Cloud

本地服务
github.com/kev-hu记忆与知识1127 周前更新

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

  1. 01向对话线程添加消息
  2. 02获取整理后的用户上下文
  3. 03添加和搜索知识图谱数据
  4. 04管理用户、线程和图谱
  5. 05检查图谱结构与数据
  6. 06配置上下文模板

适用场景

  1. 01保存对话消息以供后续获取上下文
  2. 02搜索图谱中的事实、实体和事件
  3. 03检查导入内容之间的关系
  4. 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。

mcp.json · 通用配置
{
"mcpServers": {
"zep-cloud": {
"command": "npx",
"args": [
"-y",
"mcp-server-zep-cloud"
],
"env": {
"ZEP_CLOUD_API_KEY": "<ZEP_CLOUD_API_KEY>"
}
}
}
}
启动命令npx -y mcp-server-zep-cloud
需要配置的环境变量
ZEP_CLOUD_API_KEY密钥

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmmcp-server-zep-cloud

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

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。

根据内容脚本和观众评论构建的完整知识图谱

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。

实体关系视图,展示了 startup 与内容及评论中的相关主题之间的关联

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。

Rich Asians 实体与许多主题相关联,但没有内容节点——存在内容空白

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 CRUD
  • project_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

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。