关于 memori-mcp
memori-mcp 是面向 MCP 兼容 Agent 的持久记忆服务,可跨会话检索事实、恢复压缩后的工作状态,并从 Agent 活动中保存长期信息。
主要功能
- 01跨会话持久记忆
- 02检索相关事实
- 03获取广泛记忆摘要
- 04压缩上下文后恢复工作
- 05保存 Agent 活动中的长期信息
- 06检查用量与配额
适用场景
- 01在后续对话中回忆用户偏好
- 02上下文压缩后继续工作
- 03查看项目或会话状态
- 04回复后保存长期信息
MCP 相关
向 MCP 客户端提供七种记忆工具,包括回忆、摘要、压缩后恢复、增强、反馈、注册和配额检查。使用无状态 HTTP 传输。
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
2收录的工具列表 · 更新于 2 周前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| query | string | 是 | 用于检索记忆的用户消息或搜索查询 |
详细介绍
Memori MCP
为任何兼容 MCP 的 Agent 提供持久化 AI 记忆,无需 SDK。
memori-mcp 是官方 Memori MCP 服务。将它连接到你的 AI Agent,即可为其提供长期记忆:回忆相关事实、检索全面的状态摘要、在上下文压缩后恢复工作状态、在回复后存储持久偏好,并在不同会话之间保持上下文。
为什么选择 Memori MCP?
Memori 通过提供可跨会话和工作流使用的结构化持久记忆,将无状态 Agent 转变为有状态系统。
- 持久状态,不受提示词限制 — 大多数 Agent 依赖提示词上下文,并会在运行之间丢失状态。Memori 提供持久、结构化的记忆,让 Agent 能够长期保留事实、决策和结果。
- 从执行中获取记忆(不只是自然语言) — 传统系统从聊天中提取记忆。Memori 从 Agent 执行本身构建记忆,包括工具调用、决策和结果。这带来了真正的原生 Agent 记忆,而不只是对话回忆。
- 成本更低,准确性更高 — Memori 不会扩展提示词上下文,而只检索重要内容。
- 大幅降低令牌用量
- 响应更快
- 与长上下文方案相比,准确性更高
- 适用于任何 MCP 客户端,并可用于生产环境 - 无需 SDK,无需修改代码,只需配置
Memori 是面向生产环境 Agent 的状态基础设施——让自然语言和 Agent 执行都能拥有持久记忆、高效检索和结构化上下文。
LoCoMo 基准测试
Memori 在 LoCoMo 基准测试中接受了长对话记忆评估,取得了 81.95% 的总体准确率,平均每次查询使用 1,294 个令牌。这仅为完整上下文用量的 4.97%,表明结构化记忆能够在不必为每次请求都填入大量提示词的情况下保留推理质量。
与其他基于检索的记忆系统相比,Memori 的表现优于 Zep、LangMem 和 Mem0,同时将提示词大小减少了约 67%(相较于 Zep),并将上下文成本降低了 20 倍以上(相较于完整上下文提示)。
工作原理
该服务提供七种工具:
| 工具 | 调用时机 | 功能 |
|---|---|---|
memori_recall | 每轮用户对话开始时 | 在每轮用户对话开始时获取相关记忆 |
memori_recall_summary | 会话开始、每日简报、状态更新、项目概览 | 为会话开始、每日简报、状态更新和项目概览获取全面的记忆状态 |
memori_compaction | 上下文压缩后 | 获取结构化的压缩后简报,以便 Agent 恢复实际工作 |
memori_advanced_augmentation | 回复撰写完成后 | 在 Agent 起草回复后存储持久记忆 |
memori_feedback | 用户指出记忆问题或称赞结果时 | 报告无关、缺失、过时或特别有用的记忆行为 |
memori_signup | 用户明确提出请求并提供电子邮件时 | 在用户明确提出请求时申请 Memori 账户/API 密钥 |
memori_quota | 用户询问用量或出现配额错误时 | 在用户询问或出现配额错误时检查当前记忆用量和限额 |
Agent 工作流示例
用户消息:“我偏好 Python,并使用 uv 管理依赖项。”
- Agent 将用户消息作为
query调用memori_recall - Agent 使用返回的事实撰写回复
- Agent 将回复发送给用户
- Agent 使用
user_message和assistant_response调用memori_advanced_augmentation
在之后的对话中,例如 “编写一个 hello world 脚本”,Agent 会回忆起用户偏好 Python 和 uv,并据此定制回复。
前置条件
- 从 app.memorilabs.ai 获取 Memori API 密钥
- 一个用于识别终端用户的
entity_id(例如user_123) - 一个可选的
process_id,用于识别 Agent 或工作流(例如my_agent)
在 shell 中导出这些变量,或直接在配置中替换占位符:
export MEMORI_API_KEY="your-memori-api-key"
export MEMORI_ENTITY_ID="user_123"
export MEMORI_PROCESS_ID="my_agent" # optional
服务详情
| 属性 | 值 |
|---|---|
| 服务 | Memori MCP |
| 端点 | https://api.memorilabs.ai/mcp/ |
| 传输方式 | 无状态 HTTP |
| 身份验证 | 通过请求标头传递 API 密钥 |
标头
| 标头 | 必填 | 说明 |
|---|---|---|
X-Memori-API-Key | 是 | 你从 app.memorilabs.ai 获取的 Memori API 密钥 |
X-Memori-Entity-Id | 是 | 稳定的终端用户或实体标识符(例如 user_123) |
X-Memori-Process-Id | 否 | 可选的进程、应用或工作流标识符(例如 my_agent),用于隔离记忆 |
session_id 会自动派生为 <entity_id>-<UTC year-month-day:hour>。你无需提供此值。
验证连接
配置客户端后,请验证设置:
- MCP 服务在客户端 UI 中显示为已连接且运行正常
- 工具列表包含
memori_recall、memori_recall_summary、memori_compaction和memori_advanced_augmentation - 调用返回的响应状态码不是 401
- 对于已知实体,
memori_recall会返回记忆 memori_advanced_augmentation接受持久化的用户/助手轮次数据
如果收到 401 错误,请仔细检查 X-Memori-API-Key 的值。如需更多帮助,请参阅故障排除指南。
链接
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。