memdata

memdata-mcp

适用于 MemData 的 MCP 服务——为 AI Agent 提供持久记忆。

让 Claude、Cursor 或任何兼容 MCP 的 AI 在不同对话间拥有长期记忆。

功能： 存储笔记、决策和上下文 → 稍后通过语义检索找回。让你的 AI 记住一切。

---

🚀 v1.7.0 新功能：自主 Agent 支持

Agent 现在可以自行付费。 无需 API 密钥，也无需人工介入。

借助 x402 payment protocol，自主 Agent 可以使用自己的钱包，以 USDC 在 Base 上按请求付费。你的钱包地址就是你的身份——使用同一个钱包，即可在不同会话间保留相同记忆。

跳转至 Agent 专区 →

---

为什么选择 MemData？

AI 助手会忘记不同会话间的所有内容。MemData 可以解决这个问题：

• 导入 → 添加会议记录、文档和决策
• 分块并嵌入 → 自动拆分内容并将其向量化
• 查询 → 提出问题，获取相关上下文
• 标记 → AI 自动为内容添加标签，以便更好地检索

适用于 Claude Desktop、Claude Code、Cursor 和任何 MCP 客户端。

---

👤 面向个人用户

使用 API 密钥。由你管理订阅，让 AI 获得记忆。

设置

1. 在 memdata.ai/dashboard/api-keys 获取 API 密钥
2. 添加到 MCP 配置中：

Claude Desktop（~/Library/Application Support/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "memdata": {
      "command": "npx",
      "args": ["memdata-mcp"],
      "env": {
        "MEMDATA_API_KEY": "md_your_key"
      }
    }
  }
}

Claude Code（~/.claude.json 或项目的 .mcp.json）：

{
  "mcpServers": {
    "memdata": {
      "command": "npx",
      "args": ["memdata-mcp"],
      "env": {
        "MEMDATA_API_KEY": "md_your_key"
      }
    }
  }
}

Cursor（~/.cursor/mcp.json）：

{
  "mcpServers": {
    "memdata": {
      "command": "npx",
      "args": ["memdata-mcp"],
      "env": {
        "MEMDATA_API_KEY": "md_your_key"
      }
    }
  }
}

3. 重启客户端——现在应该可以看到 MemData 工具了。

---

🤖 面向 Agent

v1.7.0 新功能——无需 API 密钥，无需人工介入，只需你的钱包。

为什么这很重要

传统的 AI 记忆需要绑定到个人账户的 API 密钥。但全天候运行的自主 Agent 需要能够：

• 超越单次对话——在不同主机和平台间持久保存
• 归属于 Agent——钱包地址就是身份，可随身携带且自主掌控
• 自行支付费用——无需订阅，也无需人工批准

这是面向自主 Agent 经济的记忆基础设施。

设置

{
  "mcpServers": {
    "memdata": {
      "command": "npx",
      "args": ["memdata-mcp"],
      "env": {
        "X402_WALLET_KEY": "your_private_key_hex"
      }
    }
  }
}

工作原理

1. Agent 发起请求（查询、导入等）
2. 服务返回 402 Payment Required 和价格
3. MCP 自动使用 Agent 的钱包签署付款
4. 请求完成——记忆已存储或检索

你的钱包地址就是你的身份。 使用同一个钱包，即可在任何主机或平台上访问相同的记忆。

定价（Base 上的 USDC）

操作	价格	功能
查询	$0.001	对记忆进行语义搜索
导入	$0.005	存储并嵌入新内容
身份	$0.001	会话启动，获取或设置 Agent 身份
内容项	$0.001	列出或删除已存储的记忆

MCP 会使用 @x402/fetch 自动处理 402 响应和付款签名。

了解更多

• x402 Protocol - 基于 HTTP 的支付
• ERC-8004 - 无需信任的 Agent 标准（MemData 与之兼容）

支持的内容

类型	MCP	Dashboard/API	处理方式
文本	✅	✅	分块并嵌入
Markdown	✅	✅	分块并嵌入
PDF	❌	✅	OCR + 分块
图片（PNG、JPG）	❌	✅	OCR 提取
音频（MP3、WAV、M4A）	❌	✅	转录

注意： MCP 工具可直接处理文本内容。对于文件（PDF、图片、音频），请使用 dashboard 或 HTTP API。

工具

核心工具

工具	描述
memdata_ingest	将文本存储到长期记忆中
memdata_query	使用自然语言搜索记忆
memdata_list	列出所有已存储的记忆
memdata_delete	按 ID 删除记忆
memdata_status	检查 API 健康状况和存储用量

身份与会话工具（v1.2.0+）

工具	描述
memdata_session_start	🚀 首先调用——获取身份、上次会话交接信息和近期活动
memdata_set_identity	设置 Agent 名称和身份摘要
memdata_session_end	在会话结束前保存交接信息，供下次会话使用
memdata_query_timerange	使用日期筛选条件（since/until）搜索
memdata_relationships	查找相关实体（人物、公司、项目）

v1.5.0 - 会话开始工具重命名

• memdata_whoami → memdata_session_start - 重命名以提升清晰度。新名称表明“每次会话开始时都应首先调用此工具”。描述中加入了 🚀 表情符号，让它在工具列表中更醒目。

v1.4.0 用户体验改进

• 匹配质量可视化 - 查询结果通过 🟢🟡🟠🔴 指示匹配强度
• 更智能的 session_start - 首次使用时提示设置身份，并对近期活动去重
• 更完善的摄取反馈 - 显示分块数量，并说明 AI 标签异步处理
• 会话连续性 - 突出显示“继续处理”，并提醒使用 session_end

memdata_ingest

将文本存储到长期记忆中。

"Remember that we decided to use PostgreSQL for the new project."

参数：

• content（字符串）- 要存储的文本
• name（字符串）- 来源标识符（例如，“meeting-notes-jan-29”）

memdata_query

使用自然语言搜索记忆。

"What database did we choose?"

参数：

• query（字符串）- 自然语言搜索
• limit（数字，可选）- 结果数量上限（默认值：5）

memdata_list

列出所有已存储的记忆及其分块数量。

memdata_delete

按条目 ID 删除记忆（从 memdata_list 获取 ID）。

memdata_status

检查 API 连通性和存储用量。

memdata_session_start

🚀 请在每次会话开始时首先调用此工具。这对保持会话连续性至关重要。

"Start my session" / "What was I working on?"

返回：Agent 名称、身份摘要、会话数量、上次会话交接信息、近期活动。

v1.5.0：从 memdata_whoami 重命名而来，以提升清晰度——新名称表明“请先调用我”。

memdata_set_identity

设置或更新你的 Agent 身份。

参数：

• agent_name（字符串，可选）- 你的名称（例如，“MemBrain”）
• identity_summary（字符串，可选）- 你的身份和目的

memdata_session_end

在结束会话前保存上下文。下次会话将看到此交接信息。

参数：

• summary（字符串）- 本次会话发生的事情
• working_on（字符串，可选）- 当前重点
• context（对象，可选）- 要保留的其他上下文

memdata_query_timerange

在日期范围内搜索记忆。

"What did I work on last week?"

参数：

• query（字符串）- 自然语言搜索
• since（字符串，可选）- ISO 日期（例如，“2026-01-01”）
• until（字符串，可选）- ISO 日期（例如，“2026-01-31”）
• limit（数字，可选）- 结果数量上限

memdata_relationships

查找在记忆中共同出现的实体。

"Who has John Smith worked with?"

参数：

• entity（字符串）- 要搜索的名称
• type（字符串，可选）- 按类型筛选（人物、公司、项目）
• limit（数字，可选）- 关系数量上限

工作原理

1. 摄取：文本会被分块、转换为嵌入向量并存储
2. 查询：使用语义相似度将你的问题与已存储的记忆进行匹配
3. 结果：返回相关内容及相似度分数

良好匹配的分数通常为 30-50%。语义搜索查找的是含义，而不是关键词。

环境变量

变量	必填	说明
MEMDATA_API_KEY	选项 1	订阅用户的 API 密钥（来自 memdata.ai）
X402_WALLET_KEY	选项 2	按使用量付费所用的私钥（Base 上的 USDC）
MEMDATA_API_URL	否	API URL（默认值：https://memdata.ai）

注意： 使用 MEMDATA_API_KEY（订阅）或 X402_WALLET_KEY（按使用量付费）其中之一，不要同时使用。

此软件包的功能

这是一个调用 MemData API 的轻量级 MCP 客户端。它不会：

• 在本地存储任何数据
• 向 memdata.ai 以外的任何地方发送数据
• 收集分析数据或遥测数据

你可以查看 src/index.ts 中的源代码。

示例用法

配置完成后，直接与你的 AI 对话即可：

You: "Remember that we chose PostgreSQL for the user service"
AI: [calls memdata_ingest] → Stored in memory

... days later ...

You: "What database are we using for users?"
AI: [calls memdata_query] → "PostgreSQL for the user service" (73% match)

链接

• MemData - 主站
• Dashboard - 管理你的记忆
• API 文档 - 完整文档
• GitHub - 此代码仓库

参与贡献

欢迎提交问题和 PR！这是适用于托管 MemData 服务的开源 MCP 客户端。

许可证

MIT