关于 MindCore Memory MCP
MindCore Memory 是面向 AI Agent 的持久化记忆 MCP 服务,结合 BM25 与 FAISS 混合搜索,并按重要性召回记忆。它还会评估存储内容,并提供弹性处理与监控功能。
主要功能
- 01BM25 与 FAISS 混合搜索
- 02按重要性召回记忆
- 03边界评分与推导
- 04熔断器与重试处理
- 05SLO 跟踪和 Prometheus 指标
- 06可选的静态加密
适用场景
- 01跨 Agent 会话保留上下文
- 02按查询和标签搜索记忆
- 03为大模型构建上下文窗口
- 04监控记忆服务运行状况
MCP 相关
MCP 服务提供记忆存储、召回、上下文构建、更新、删除和统计工具,以及边界评估与推导工具。支持 stdio 和 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
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
面向生产环境强化的 MCP 记忆服务 — 为 AI Agent 提供混合搜索与弹性能力
唯一具备断路器、SLO 跟踪和 BM25+FAISS 混合搜索的 MCP 记忆服务。 AI Agent 会忘记会话之间的一切。MindCore Memory 为它们提供持久、可搜索、达到生产级别的记忆——118/118 项测试全部通过,并配备完整的 CI/CD。
⭐ 如果这个项目能帮助你的 AI 记住信息,给我们点个星标就是对我们最大的支持。
快速开始
# 1. Install
pip install mindcore-memory
# 2. Launch (stdio mode — works with any MCP client)
mindcore-memory
# 3. Your AI agent remembers across sessions
MCP 客户端配置(Claude Desktop / Cursor / Cline)
{
"mcpServers": {
"mindcore-memory": {
"command": "python",
"args": ["-m", "mindcore_memory.server"],
"env": { "MINDCORE_MEMORY_PATH": "~/.mindcore/memory" }
}
}
}
可选:语义搜索
pip install mindcore-memory[semantic]
# Enables FAISS embeddings for hybrid BM25+semantic search
为什么选择 MindCore——与竞品对比
| 特性 | MindCore Memory | Mem0 | SynaBun | Letta (MemGPT) |
|---|---|---|---|---|
| 搜索 | BM25 + FAISS 混合搜索 | 仅 FAISS | 仅 sqlite-vec | 仅 FAISS |
| 断路器 | ✅ 3 种状态 | ❌ | ❌ | ❌ |
| 重试(指数退避) | ✅ | ❌ | ❌ | ❌ |
| SLO 跟踪 | ✅ P95/P99 | ❌ | ❌ | ❌ |
| Prometheus 指标 | ✅ /metrics | ❌ | ❌ | ❌ |
| 静态加密 | ✅ Fernet | ❌ | ❌ | ❌ |
| 去重 | ✅ 精确匹配合并 | ⚠️ 部分支持 | ❌ | ❌ |
| IVF 索引(500+) | ✅ 自动切换 | ❌ | ❌ | ❌ |
| 本地优先 | ✅ 零依赖 | ✅(云端可选) | ✅ | ❌(需要 Docker) |
| CI/CD 流水线 | ✅ 自动发布至 PyPI + MCP | ⚠️ 手动 | ❌ | ❌ |
| 测试 | 118/118(100%) | 未知 | 未知 | 未知 |
| 许可证 | MIT | Apache 2.0 | Apache 2.0 | Apache 2.0 |
**MindCore 是唯一从第一天起就面向生产工作负载设计的 MCP 记忆服务。**断路器可防止嵌入服务故障造成影响。指数退避重试可处理瞬时错误。SLO 跟踪能在用户察觉之前发出警报。支持向你的监控技术栈导出指标。其他所有服务都假设一切正常——MindCore 不会。
独特功能:3D 边界平衡算法
MindCore 不只是记忆存储——它还是一个认知边界引擎。每条存储的记忆都会自动通过一个基于**正反公式(Forward/Reverse Formula)**的四维评分系统进行评估:
BND_score = 0.28·TRJ(Trajectory) + 0.28·EVO(Evolution) + 0.28·COG(Cognition) + 0.16·BALANCE
- 正向循环:TRJ → BND → EVO → COG → BND(每一步都会划定边界,每个边界都是成长)
- 反向链条:混乱 → 未知 → 风险 → 伤害 → 死亡(2 个或以上触发因素关联时,自动扣减 50% 分数)
- 3D 平衡:TRJ/EVO/COG 之间的方差会惩罚失衡的记忆(缺乏洞见的纯数据堆砌)
- 无需调用 LLM:纯算法评估,使用关键词模式、正则表达式和统计方差
from mindcore_memory import BNDManager
bnd = BNDManager()
result = bnd.evaluate("基于之前修复, 理解到根因, 改进后提升30%", importance=4)
# → TRJ:0.63 EVO:0.54 COG:0.61 BALANCE:0.98 BND:0.75 ACCEPTED
📖 算法文档全文
**其他 MCP 记忆服务都没有这项功能。**BND 将记忆存储从被动的数据堆砌转变为主动的认知筛选器——过滤噪声、标记风险链条,并确保只有结构化且面向成长的知识进入版本链。
生产级功能
弹性层
- 熔断器:CLOSED → OPEN → HALF_OPEN 状态机。保护 FAISS/嵌入操作,避免故障级联。
- 重试:采用带抖动的指数退避。瞬时错误会自动重试,永久性错误则快速失败。
- 输入验证:在服务端进行清理,防范注入攻击。
可观测性层
- SLO 跟踪:为全部 6 项操作设定 P95/P99 延迟目标。违规情况会记录并导出。
- Prometheus
/metrics:零依赖、兼容 Prometheus 的采集器。可直接接入任何监控堆栈。
数据层
- 加密:可选的静态 Fernet 加密(
mindcore-memory[encrypt])。 - 去重:精确匹配合并——相同的记忆会更新重要性/置信度,而不是重复存储。
- 智能淘汰:清理重要性较低的记忆,并以原子方式同步到磁盘。不会产生僵尸记忆。
核心工具
记忆(6 个工具)
| 工具 | 描述 | 关键参数 |
|---|---|---|
memory_store | 持久化一条记忆(自动评估 BND) | content、importance(1-4)、tags、confidence |
memory_recall | 搜索记忆(BM25+FAISS 混合搜索) | query、tags、limit、session_id |
memory_context | 构建大模型上下文窗口 | query、max_tokens、session_id |
memory_update_confidence | 调整记忆置信度 | memory_id、confidence |
memory_delete | 删除一条记忆 | memory_id |
memory_stats | 系统统计信息 | (无参数) |
边界与推理(3 个工具)🆕
| 工具 | 描述 | 关键参数 |
|---|---|---|
bnd_check | 4D 边界评估(TRJ/EVO/COG/BALANCE + Anti-Chain) | content、importance、confidence、tags |
bnd_stats | BND 管理器统计信息:接受率、评分、Anti-Chain 触发次数 | (无参数) |
deduce | 认知推理:从高质量记忆中提取模式 | query、tags |
搜索公式:score = BM25(40%) + FAISS(50%) + importance(5%) + recency(5%)
FAISS 嵌入不可用时,会自动回退到仅使用 BM25 的关键词搜索。
架构
┌───────────────────┐ MCP JSON-RPC ┌────────────────────────────┐
│ AI Client │ ◄──────────────────► │ MindCore Memory │
│ (Claude/Cursor) │ stdio / HTTP │ MCP Server │
└───────────────────┘ └──────────┬─────────────────┘
│
┌──────────▼─────────────────┐
│ Memory Engine │
│ ┌──────────────────────┐ │
│ │ Hybrid Search │ │
│ │ BM25 (keyword) 40% │ │
│ │ FAISS (semantic)50%│ │
│ │ importance 5%│ │
│ │ recency 5%│ │
│ └──────────────────────┘ │
│ ┌──────────────────────┐ │
│ │ Resilience │ │
│ │ Circuit Breaker │ │
│ │ Retry + Backoff │ │
│ │ SLO Tracking │ │
│ └──────────────────────┘ │
└──────────┬─────────────────┘
│
┌──────────▼─────────────────┐
│ Storage │
│ JSONL (append) │
│ + FAISS index (IVF > 500) │
│ + Fernet encrypt (opt) │
└────────────────────────────┘
- 嵌入式:无需 PostgreSQL、Redis 或外部服务。一个二进制文件,本地 JSONL + FAISS。
- IVF 索引:当记忆达到 500 条以上时,FAISS 倒排文件索引会启用,实现 O(√N) 搜索。
- MCP 原生:通过 stdio 和 HTTP 传输提供完整的 MCP 协议支持。
可用平台
| 平台 | 状态 | 链接 |
|---|---|---|
| PyPI | 已发布 v0.1.11 | mindcore-memory |
| MCP Registry | 已注册 | 查看 |
| Glama | 已收录 | 查看 |
| MCP Market | 已收录 | 查看 |
| MCP.so | 已收录 | 查看 |
| LobeHub | 已收录 | 查看 |
| mcpservers.org | 已收录 | 查看 |
完整对比
请参阅 docs/comparison.md,了解涵盖架构、搜索质量、延迟和迁移指南的 5 个服务详细对比。
参与贡献
完整指南请参阅 CONTRIBUTING.md。快速开始:
git clone https://github.com/woshilaohei/mindcore-memory-mcp.git
cd mindcore-memory-mcp
pip install -e ".[dev]"
pytest -v # 118 tests
ruff check . # linter
mypy mindcore_memory/ # type checker
许可证
MIT 许可证 — 版权所有 (c) 2025 Lao Hei
⭐ 如果 MindCore 能帮助你的 AI 记住信息,请给它点个星! ⭐
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。