MCP AutoMem

AutoMem MCP：为 AI 提供完美记忆

一条命令。无限记忆。让所有 AI 工具都能完美回忆。

npx @verygoodplugins/mcp-automem install

你的 AI 助手现在可以记住一切，永不遗忘。适用于每一次对话。

_{引导式安装程序 — npx @verygoodplugins/mcp-automem install 将引导你完成本地、托管或现有端点的设置。}

适用于 Claude Desktop、Cursor IDE、Claude Code、GitHub Copilot（编码 Agent）、ChatGPT、ElevenLabs、OpenAI Codex、OpenClaw、Hermes、Grok Build、Google Antigravity——以及任何兼容 MCP 的 AI 平台。

我们解决的问题

每次 AI 对话都从零开始。Claude 会忘记你的编码风格。Cursor 无法学习你的模式。你的助手记不住昨天的决定。

这一切到此为止。

AutoMem MCP 将你的 AI 连接到由 AutoMem 提供支持的持久记忆——一种图谱向量记忆服务。

你将获得

🧠 跨会话持久记忆

• AI 永远记住决策、模式和上下文
• 适用于所有 MCP 平台——Claude Desktop、Cursor、Claude Code、OpenAI Codex、OpenClaw、Hermes、Grok Build、Google Antigravity
• 跨设备同步——在 Mac、Windows、Linux 上使用相同的记忆

🏆 图谱向量架构

• 记忆之间支持 11 种公开可创建的关系类型（回忆结果也可能包含只读的系统／内部关系，这些关系不能作为 associate_memories 的输入）
• 经研究验证的方法（HippoRAG 2：联想记忆效果提升 7%）
• 即使拥有数百万条记忆，也能在一秒内完成检索

🚀 适用于各种编码场景

平台	支持情况	设置时间
Claude Desktop	✅ 完整支持	30 秒
Cursor IDE	✅ 完整支持	30 秒
Claude Code	✅ 完整支持	30 秒
GitHub Copilot	✅ 完整支持	2 分钟
OpenAI Codex	✅ 完整支持	30 秒
OpenClaw	✅ 完整支持	30 秒
Hermes Agent	✅ 完整支持	30 秒
Grok Build	✅ 完整支持	30 秒
Google Antigravity	✅ 完整支持	30 秒
任何 MCP 客户端	✅ 完整支持	30 秒

效果演示

使用个人偏好的 Claude Desktop

Claude 使用个人偏好模板自动回忆记忆

使用记忆规则的 Cursor IDE

Cursor 使用 AutoMem 项目规则回忆上下文，并在工作期间保存持久记忆

使用会话记忆的 Claude Code

会话开始时回忆记忆，并由大模型判断是否存储：Claude 会决定哪些内容值得长期保存，并通过记忆工具进行存储

Codex、Hermes、Antigravity 和远程 MCP 等平台的更多使用指南，请参阅**安装指南**。

快速开始

1. 设置 AutoMem 服务

你需要运行中的 AutoMem 服务（记忆后端）。选择一种方式：

选项 A：本地开发（最快、免费）

git clone https://github.com/verygoodplugins/automem.git
cd automem
make dev

服务运行于 http://localhost:8001，非常适合单机使用。

选项 B：Railway 云服务（推荐用于生产环境）

一键部署，附赠 $5 免费额度。试用后通常每月约需 $0.50-1。

👉 AutoMem 服务安装指南 - 提供本地、Railway、Docker 和生产环境部署的完整设置说明。

---

2. 安装 MCP 客户端

Claude Desktop - 一键安装

下载扩展，然后在 Claude Desktop 中打开 Settings → Extensions → Advanced settings → Install Extension，并选择该文件：

⬇️ 下载适用于 Claude Desktop 的 AutoMem（.mcpb）

安装后：

1. Claude Desktop 会提示你输入 AutoMem API URL（本地环境填写 http://127.0.0.1:8001）
2. 可选填入 API Key（Railway 需要，本地环境可跳过）
3. 点击 Enable

该安装包包含固定版本的 MCP 服务。如需更新，请重新下载并安装最新的 .mcpb；重启 Claude 或更新 npm 包都不会升级已安装的安装包。有关版本检查以及从 JSON 配置迁移的信息，请参阅 更新 Claude Desktop。AutoMem 后端需单独运行。

接下来，添加 templates/CLAUDE_DESKTOP_INSTRUCTIONS.md 中可直接粘贴的 Personal Preferences 入门内容。就这样：Claude 现在拥有持久记忆，并且知道何时使用它。

其他平台

将你的 AI 工具连接到刚刚启动的 AutoMem 服务。

# Guided install - pick where AutoMem runs, verify it, write .env, and
# configure your agents (Codex, Claude Code, Cursor, OpenClaw, Hermes)
npx @verygoodplugins/mcp-automem install

进行任何写入之前，都会显示变更审核计划；每个修改过的文件都会保留 .bak 备份。添加 --dry-run 可预览，添加 --yes 可在非交互模式下应用。有关所有标志，请参阅安装指南。

setup 是 install 的别名。如需稍后再次打印配置片段，请使用 npx @verygoodplugins/mcp-automem config。

3. 平台专属设置

适用于 Claude Code（插件 — 推荐）：

# In Claude Code:
/plugin marketplace add verygoodplugins/mcp-automem
/plugin install automem@verygoodplugins-mcp-automem

Claude Code 会在启用时提示你输入 AutoMem URL 和 API 密钥，并打包 MCP 服务以及静默召回／存储跟踪钩子，还会自动更新。想把钩子和权限直接写入 ~/.claude/ 吗？运行 npx @verygoodplugins/mcp-automem claude-code。

在 Windows 上，钩子负载假设使用 POSIX shell 环境，例如 Git Bash、MSYS2 或 WSL — 只需要 bash（钩子仅使用 bash+sed）。

适用于 Cursor IDE：

在项目中运行引导式安装程序，并选择 Cursor：

npx @verygoodplugins/mcp-automem install

这会将 Cursor 连接到你的 AutoMem 服务、安装项目记忆规则，并注册会话启动时的召回钩子。已有端点？使用 npx @verygoodplugins/mcp-automem cursor --endpoint https://your-automem.example。

一键按钮仅为本地 AutoMem 实例配置 MCP 服务。如有需要，请在 Cursor 中更新其端点／密钥，然后运行上面的 CLI 以添加项目规则和钩子：

其他平台 — Claude Desktop（上方的一键 .mcpb，以及个人偏好设置模板）、OpenAI Codex、Hermes Agent、Grok Build、OpenClaw、Google Antigravity 和 GitHub Copilot：

👉 完整安装指南：查看各平台的设置与验证步骤

---

通过 HTTP 使用远程 MCP

一个可选的伴随服务（可部署到 Railway 或任意 Docker 主机）可将 AutoMem 连接到支持通过 Streamable HTTP 或 SSE 使用远程 MCP 的平台 — ChatGPT（开发者模式连接器）、Claude.ai 网页版和 Claude Mobile，以及 ElevenLabs Agents。

👉 远程 MCP 设置：查看部署、连接 URL 和各平台截图。

架构

┌─────────────────────────────────────────────┐
│         Your AI Platforms                   │
│  Claude Desktop │ Cursor │ Claude Code      │
└──────────────┬──────────────────────────────┘
               │ MCP Protocol
               ▼
┌──────────────────────────────────────────────┐
│   @verygoodplugins/mcp-automem (this repo)  │
│   • Translates MCP calls → AutoMem API      │
│   • Platform integrations & rules           │
│   • Handles authentication                   │
└──────────────┬───────────────────────────────┘
               │ HTTP API
               ▼
┌──────────────────────────────────────────────┐
│        AutoMem Service (separate repo)       │
│        github.com/verygoodplugins/automem    │
│   ┌────────────┐      ┌────────────┐        │
│   │  FalkorDB  │      │   Qdrant   │        │
│   │  (Graph)   │      │ (Vectors)  │        │
│   └────────────┘      └────────────┘        │
└──────────────────────────────────────────────┘

本仓库（mcp-automem）：

• 将 AI 平台连接到 AutoMem 的 MCP 客户端
• 平台专属集成（Cursor 规则、Claude Code 钩子等）
• 设置向导和配置工具

AutoMem 服务：

• 后端记忆服务，采用图存储和向量存储
• 部署指南（本地、Railway、Docker、生产环境）
• 使用 FalkorDB 和 Qdrant 的 API 服务

功能

核心记忆操作

• store_memory — 保存包含内容、标签、重要性和元数据的记忆。支持两种模式：
  • 单条（默认）：顶层 content，以及可选字段，包括 embedding、t_valid、t_invalid 和自定义 id。
  • 批量：使用 memories: [...]（≤500 项）进行批量导入。批量模式不支持逐项设置 id/embedding/t_valid/t_invalid。
• recall_memory — 根据传入的参数选择三种模式：
  • 按 ID 获取：memory_id → 按 ID 获取一条记忆；更新 last_accessed。
  • 按标签枚举：tags + exhaustive: true → 分页列出精确匹配结果，适用于清理/审计工作流，避免排序召回遗漏结果。配合 limit（≤200）和 offset 使用；返回 has_more，如果还有更多结果，还会返回用于获取下一页的 next_offset。
  • 排序检索（默认）：结合向量、关键词、标签、新近度/状态控制、分数筛选和图扩展进行混合搜索。支持 state_mode、recency_bias、scope_fallback、expand_respect_tags、min_score、adaptive_floor，以及 tag_scope、score_filter、query_time_ms、vector_search 和每条结果的 outside_tag_scope/state_replaces 等诊断信息。
• associate_memories — 创建关系（11 种可公开创建的类型；召回结果还可能包含只读系统关系）。支持单对模式，以及通过 associations: [...]（≤500）进行批量操作，并可设置与关系类型对应的属性，如 reason、context、resolution、observations、transformation 和 role。
• update_memory — 修改现有记忆
• delete_memory — 支持两种模式：
  • 单条（默认）：memory_id → 移除一条记忆及其嵌入向量。
  • 按标签批量删除：tags: [...] → 批量删除与任意标签匹配的所有记忆（精确匹配，不区分大小写）。不支持试运行；请先使用 recall_memory({ tags, exhaustive: true }) 验证。
• check_database_health — 监控服务健康状况、降级状态、同步数量、向量维度，以及服务提供的丰富化诊断信息

高级召回（v0.8.0+）

多跳推理 - 回答“ Amanda 的姐姐从事什么职业？”之类的复杂问题

mcp__memory__recall_memory({
  query: "What is Amanda's sister's career?",
  expand_entities: true, // Finds "Amanda's sister is Rachel" → memories about Rachel
});

上下文感知编码 - 召回时优先考虑语言和风格偏好

mcp__memory__recall_memory({
  query: "error handling patterns",
  language: "typescript",
  context_types: ["Style", "Pattern"],
});

平台集成

Cursor IDE

• ✅ 引导式设置会使用你的端点和 API 密钥配置全局 MCP 服务
• ✅ 在 .cursor/rules/automem.mdc 中设置项目记忆规则
• ✅ 会话启动钩子会提示进行召回，并在规则中提供备用方案
• ✅ 工作期间进行由模型判断的存储；钩子绝不写入记忆
• ✅ 自动检测项目上下文（package.json、git remote）

Claude Code

• ✅ 原生插件 - 通过一次 /plugin install 安装 MCP 服务、静默钩子和技能，并在启用时提示配置，且支持自动更新
• ✅ 由 LLM 判断的存储 - 会话启动指引会提示 Claude 在正常工作期间存储、验证并关联持久记忆
• ✅ CLAUDE.md 中的记忆规则会指导 Claude 使用记忆

GitHub Copilot

• ✅ 独立钩子 JSON 文件会安装到 $COPILOT_HOME/hooks/ 或 ~/.copilot/hooks/
• ✅ 为 copilot-instructions.md 提供记忆规则模板
• ✅ 格式标志 - --format cli（camelCase）或 --format vscode（PascalCase）
• ✅ 设置：npx @verygoodplugins/mcp-automem copilot --yes

Claude Desktop

• ✅ 直接集成 MCP
• ✅ 可直接粘贴的“个人偏好”入门模板
• ✅ 完整的记忆 API 访问权限

为什么选择 AutoMem MCP？

与自行构建相比

• ✅ 已完成 2 年的研发
• ✅ 经研究验证的架构（HippoRAG 2、MELODI、A-MEM）
• ✅ 在所有 MCP 平台上均有可用的集成
• ✅ 持续开发并拥有社区支持

与其他记忆解决方案相比

• ✅ 真正的图关系（而非仅有向量相似度）
• ✅ 通用 MCP 兼容性（适用于任何 MCP 客户端）
• ✅ 7 种记忆类型（Decision/Pattern/Preference/Style/Habit/Insight/Context）
• ✅ 可自托管（每月 $5，而替代方案需 $150+）

与原生 AI 记忆的对比

• ✅ 跨会话持久保存（不局限于上下文窗口）
• ✅ 跨平台（在 Claude、Cursor、Code 中使用相同的记忆）
• ✅ 结构化关系（不只是 RAG）
• ✅ 无限扩展（不受上下文窗口限制）

文档

MCP 客户端与集成（本仓库）

• 📦 安装指南 - 所有平台的 MCP 客户端设置
• 🌐 通过 HTTP 使用远程 MCP - 连接 ChatGPT、Claude Web/Mobile、ElevenLabs
• 🎯 Cursor 设置 - IDE 集成，包含规则和会话启动钩子
• 🤖 Claude Code 设置 - 插件安装、钩子和记忆规则
• ⚠️ 弃用说明 - 插件弃用及撤销的历史记录
• 🚀 OpenAI Codex 设置 - Codex CLI/IDE/Cloud 集成
• 🪐 Google Antigravity 设置 - 通过 Antigravity 的 MCP Store 使用原始 MCP 配置
• 📖 MCP 工具参考 - 所有记忆操作
• 📝 更新日志 - 版本发布历史

AutoMem 服务（独立仓库）

• 🏗️ AutoMem 服务 - 后端仓库
• 🚀 服务安装 - 本地、Railway、Docker 部署
• ⚙️ API 文档 - REST API 参考
• 🧪 评估实验室 - 探索性回忆质量基准测试和规则集 A/B 测试

AutoMem 背后的科学

AutoMem 服务采用了 2025 年的前沿研究成果：

• HippoRAG 2（OSU，2025 年 6 月）：图向量方法可将联想记忆效果提升 7%
• A-MEM（2025 年 7 月）：基于 Zettelkasten 原则的动态记忆组织
• MELODI（DeepMind，2025 年）：记忆压缩率提升 8 倍且不损失质量
• ReadAgent（DeepMind，2024 年）：通过概要记忆将上下文扩展 20 倍

这个 MCP 软件包为你的 AI 与经研究验证的记忆系统搭建了桥梁。后端也已在中立的 Agent Memory Benchmark 上进行基准测试，包括 BEAM 大上下文扩展层级——端到端可复现，你可以亲自运行。

社区与支持

• 💬 Discord - 加入社区、获取帮助、分享反馈
• 🐦 X 社区 - 讨论与更新
• 📣 @automem_ai - 官方公告
• 📦 NPM 软件包 - 此 MCP 客户端
• 🔬 AutoMem 服务 - 提供部署指南的后端仓库
• 🐛 GitHub Issues - 缺陷报告和功能请求

参与贡献

欢迎贡献！请：

1. Fork 此仓库
2. 创建功能分支
3. 编写代码并添加测试
4. 提交拉取请求，标题使用 fix:、feat:、docs: 或 chore: 等 Conventional Commit 格式
5. 请勿在 PR 标题前加上 [codex] 或 [wip] 等标签，因为 squash 合并提交信息会取自 PR 标题

许可证

MIT - 因为优秀的记忆应该免费。

---

准备好为你的 AI 赋予完美记忆了吗？

npx @verygoodplugins/mcp-automem install

倾注热忱打造。以神经科学验证。由图论驱动。适用于所有支持 MCP 的 AI。

由 Jack Arturo 在 Very Good Plugins 设计 🧡

让你的 AI 从工具变成队友。立即开始。