JinDaGe - amem_mcp MCP Details

article

README

🚀 A-MEM MCP 服务器

本项目是一个基于人工智能辅助软件工程的实验项目，旨在为Claude Code提供一个持久的、具备上下文感知能力的内存系统，解决在多会话和多项目中维护复杂代码库持久理解的难题。

🚀 快速开始

🚀 一键安装

git clone git@github.com:nixlim/amem_mcp.git
cd amem_mcp
./scripts/install.sh

安装程序将自动完成以下操作：

✅ 检查先决条件和依赖项
✅ 检测您的Claude安装（Code/Desktop）
✅ 清理现有的容器和进程
✅ 使用Docker启动A-MEM服务
✅ 配置Claude MCP集成并正确处理API密钥
✅ 测试安装并验证连接
✅ 确保所有内存操作正常工作

手动安装

如果您更喜欢手动设置：

先决条件：Docker、Docker Compose、Go 1.23+、OpenAI API密钥
设置：cp .env.example .env 并添加您的API密钥
启动：docker-compose up -d && make build
配置：请遵循安装指南

📚 文档

快速入门指南 - 5分钟内启动运行
安装指南 - 全面的设置说明
MCP配置指南 - Claude集成详情

验证

安装完成后，验证A-MEM是否正常工作：

# 检查服务
docker-compose ps

# 验证安装
./scripts/validate_installation.sh

# 在Claude中测试
# 询问Claude："What tools do you have available?"
# 您应该看到：store_coding_memory, retrieve_relevant_memories, evolve_memory_network

✨ 主要特性

核心内存系统

内存创建：存储带有AI生成的关键字、标签和嵌入的代码片段
内存检索：使用向量相似度搜索进行排名和过滤
内存进化：由AI驱动的分析来更新和优化内存网络
MCP集成：与Claude Code兼容的JSON-RPC 2.0服务器

高级功能（第二阶段）

真实嵌入：Sentence-transformers和OpenAI嵌入服务
智能进化：自动进行内存网络优化
提示工程：基于模板的大语言模型提示管理
监控与指标：全面的Prometheus可观测性
任务调度：基于Cron的自动维护
多大语言模型支持：LiteLLM代理以实现回退和模型灵活性
向量存储：ChromaDB用于可扩展的相似度搜索

📦 安装指南

./scripts/install.sh

这将启动Docker容器并构建服务器。 应该将MCP配置追加到Claude Desktop（会备份现有配置，如果需要，有恢复脚本） - “在我的机器上可以正常工作” (TM)

重启Claude Desktop，它应该会出现在MCP服务器列表中。如有任何问题，请在此处提出 :)

💻 使用示例

基础用法

1. store_coding_memory

存储带有AI分析的编码内存。

{
  "tool": "store_coding_memory",
  "arguments": {
    "content": "function fibonacci(n) { return n <= 1 ? n : fibonacci(n-1) + fibonacci(n-2); }",
    "project_path": "/projects/algorithms",
    "code_type": "javascript",
    "context": "Recursive implementation of Fibonacci sequence"
  }
}

2. retrieve_relevant_memories

使用向量相似度搜索相关内存。

{
  "tool": "retrieve_relevant_memories",
  "arguments": {
    "query": "How to implement fibonacci efficiently?",
    "max_results": 5,
    "min_relevance": 0.7
  }
}

3. evolve_memory_network

触发内存网络进化（第二阶段功能）。

{
  "tool": "evolve_memory_network",
  "arguments": {
    "trigger_type": "manual",
    "scope": "recent",
    "max_memories": 100
  }
}

📚 详细文档

配置

配置通过YAML文件和环境变量进行管理：

config/development.yaml - 开发设置
config/production.yaml - 生产设置
.env - 环境变量（API密钥、覆盖设置）

关键配置部分：

server：端口、日志记录、请求限制
chromadb：向量数据库连接
litellm：大语言模型代理设置和回退
evolution：内存进化调度
monitoring：指标和跟踪

架构

┌─────────────────┐    ┌──────────────┐    ┌──────────────┐
│   Claude Code   │───▶│  MCP Server  │───▶│  Memory      │
│                 │    │              │    │  System      │
└─────────────────┘    └──────────────┘    └──────┬───────┘
                                                  │
                                                  ▼
                                        ┌──────────────┐
                                        │   LiteLLM    │
                                        │   Analysis   │
                                        └──────┬───────┘
                                               │
                                               ▼
                                        ┌──────────────┐
                                        │  ChromaDB    │
                                        │ Vector Store │
                                        └──────────────┘

开发

项目结构

├── cmd/server/          # 主服务器入口点
├── pkg/
│   ├── config/         # 配置管理
│   ├── mcp/            # MCP协议处理程序
│   ├── memory/         # 核心内存系统
│   ├── models/         # 数据模型和架构
│   └── services/       # 外部服务集成
├── config/             # 配置文件
├── prompts/            # 大语言模型提示模板
└── docker/             # Docker配置

运行测试

go test ./...

构建

# 开发构建
go build -o amem-server cmd/server/main.go

# 生产构建
CGO_ENABLED=0 GOOS=linux go build -a -installsuffix cgo -o amem-server cmd/server/main.go

监控

服务器在端口9090上公开Prometheus指标：

内存操作计数
大语言模型请求延迟
向量搜索持续时间
错误率

访问指标地址：http://localhost:9090/metrics

故障排除

常见问题

ChromaDB连接失败：
- 确保ChromaDB正在运行：docker-compose ps chromadb
- 检查配置中的URL：chromadb.url
大语言模型API错误：
- 验证 .env 文件中的API密钥
- 检查速率限制和配额
- 查看配置中的回退模型
内存存储错误：
- 检查ChromaDB日志：docker-compose logs chromadb
- 验证集合初始化

日志

查看服务器日志：

# Docker部署
docker-compose logs amem-server

# 直接执行
./amem-server -log-level debug

贡献

分叉仓库
创建功能分支
进行带测试的更改
提交拉取请求

许可证

本项目采用MIT许可证，详情请参阅 LICENSE 文件。

路线图

第一阶段（当前）：具备核心内存操作的最小可行产品
第二阶段：内存进化和优化
第三阶段：高级调度和监控 // TODO: 更新
第四阶段：多用户支持和扩展

🔧 技术细节

项目背景

本项目名称已更改为 zetmem，可在此处找到： https://github.com/nixlim/zetmem

这是一个关于人工智能辅助软件工程的实验项目。目前，人类尚未直接编写任何代码（无论如何，还没有）。使用时请自行承担风险 :)

解决的问题

这个基于Zettlekasten的模型上下文协议内存服务器解决了在使用Claude Code和Claude Desktop等工具时，跨多个会话和项目维护对复杂代码库的持久、不断发展的理解这一挑战。传统方法通常会导致碎片化、非持久的记忆，每次会话都会重置，使得构建和搜索全面的知识库变得困难。该服务器通过创建一个“活的”内存系统来解决这个问题，该系统会随着新笔记和信息的添加而自我更新，自动发现关系和连接，以促进更深入的洞察和无缝的连续性。

当前状态

最新版本：v1.1.0 - 工作区管理 ✅

新功能：

✅ 工作区管理：按文件系统路径或用户定义的名称对内存进行逻辑分组
✅ 三个新的MCP工具：workspace_init、workspace_create、workspace_retrieve
✅ 向后兼容性：从基于项目的组织无缝迁移
✅ 智能默认设置：自动检测和初始化工作区

近期修复：

✅ 内存存储与检索：修复了错误报告和相关性计算问题
✅ 嵌入集成：解决了维度不匹配和服务连接问题
✅ OpenAI API集成：修复了关键的认证问题
✅ MCP协议合规性：解决了JSON-RPC通知处理问题
✅ 容器管理：增强了清理和进程管理
✅ Claude Desktop集成：改进了配置处理

致谢

本MCP服务器是基于以下论文构建的：

@article{xu2025mem,
title={A-mem: Agentic memory for llm agents},
author={Xu, Wujiang and Liang, Zujie and Mei, Kai and Gao, Hang and Tan, Juntao and Zhang, Yongfeng},
journal={arXiv preprint arXiv:2502.12110},
year={2025}
}

论文PDF链接：https://arxiv.org/pdf/2502.12110v1 论文的GitHub链接：https://github.com/WujiangXu/A-mem

论文作者也有他们自己的系统实现（我认为不是MCP服务器）： https://github.com/WujiangXu/A-mem-sys

本项目已能正常工作，有测试、启动脚本和本地Docker。Claude Desktop集成正常，Claude Code也应如此。我没有编写一行代码，我与人工智能协作，我负责导航，它负责驱动。

amem_mcp