JinDaGe - Long-Term Memory MCP Details

article

README

🚀 记忆 MCP 服务器

记忆 MCP 服务器是一个专为大型语言模型 (LLMs) 打造的长期记忆存储系统，它遵循 Model Context Protocol (MCP) 标准。该系统能助力 LLMs 记住整个项目历史中的上下文信息，即便跨越多个会话也能轻松实现。借助语义搜索和嵌入式向量技术，它可提供过去交互和决策的相关上下文。

🚀 快速开始

先决条件

Node.js (v18 或更高版本)
在本地运行 Ollama（用于嵌入），且必须安装 nomic-embed-text 模型
SQLite3

安装步骤

克隆仓库
安装依赖：
```
npm install
```
构建项目：
```
npm run build
```

创建配置文件 .env：

OLLAMA_HOST=http://localhost:11434
DB_PATH=memory.db

使用方法

以开发模式启动服务器：
```
npm run dev
```
这将：
- 编译 TypeScript
- 复制 schema 文件
- 启动带有自动重载功能的服务器
通过标准输入输出与 Cursor 兼容连接

✨ 主要特性

基于项目的记忆组织：按项目管理记忆
语义搜索：使用 Ollama 嵌入（nomic-embed-text 模型，768 维度）
多种记忆类型：
- 对话：对话上下文和重要讨论
- 代码：实现细节和更改
- 决策：关键架构和设计选择
- 引用：外部资源和文档链接
丰富的元数据存储，包括：
- 实现状态
- 关键决策
- 创建/修改的文件
- 代码更改
- 添加的依赖项
标签系统：用于记忆组织
关系跟踪：在记忆之间建立联系

📦 安装指南

克隆仓库

首先，克隆项目仓库到本地。

安装依赖

在项目根目录下，执行以下命令安装所需依赖：

npm install

构建项目

安装完依赖后，构建项目：

npm run build

配置文件

创建配置文件 .env，并添加以下内容：

OLLAMA_HOST=http://localhost:11434
DB_PATH=memory.db

💻 使用示例

基础用法

启动服务器

安装并配置完成后，以开发模式启动服务器：

npm run dev

存储记忆

nomic store-dev-memory --content "这是一个测试记忆" --tags test,example

列出记忆

nomic list-dev-memories

搜索记忆

nomic search --query example

📚 详细文档

数据库架构

系统使用 SQLite，包含以下表：

核心表

projects：项目信息和元数据
memories：存储各种开发上下文的记忆条目
embeddings：语义搜索的嵌入式向量（768 维度）

组织表

tags：记忆组织标签
memory_tags：记忆与标签之间的多对多关系
memory_relationships：记忆条目之间的有向关系

MCP 工具

以下工具通过 MCP 协议可用：

记忆管理

store-dev-memory：创建新的开发记忆，包含：
- 内容
- 类型（对话/代码/决策/引用）
- 标签
- 代码更改
- 创建/修改的文件
- 关键决策
- 实现状态
list-dev-memories：列出现有记忆，可选标签过滤
get-dev-memory：通过 ID 获取特定记忆
search：语义搜索，跨记忆使用嵌入式向量

开发环境

在开发时，执行以下命令：

npm run dev

这将：

杀死现有服务器实例
重建 TypeScript 代码
将 schema.sql 复制到 dist 目录
启动开发模式的服务器

依赖项

关键依赖：

@modelcontextprotocol/sdk@^1.7.0：MCP 协议实现
better-sqlite3@^9.4.3：SQLite 数据库接口
node-fetch@^3.3.2：Ollama API 的 HTTP 客户端
zod@^3.22.4：运行时类型检查和验证

项目结构

memory-mcp-server/
├── src/
│   ├── db/
│   │   ├── init.ts     # 数据库初始化
│   │   └── service.ts  # 数据库服务层
│   ├── memory.js      # 记忆管理逻辑
│   └── search.js      # 语义搜索功能
├── package.json       # 依赖管理和脚本
└── .env               # 环境变量配置

🔧 技术细节

本系统采用 Model Context Protocol (MCP) 标准，利用语义搜索和嵌入式向量技术，为大型语言模型 (LLMs) 提供长期记忆存储功能。系统使用 SQLite 数据库来存储记忆和相关元数据，通过 Ollama 的 nomic-embed-text 模型进行语义搜索的嵌入式向量生成。在开发过程中，使用 TypeScript 进行编码，并通过 npm 管理依赖。同时，系统提供了一系列 MCP 工具，方便用户进行记忆的管理和搜索。

📄 许可证

文档中未提及许可证相关信息。

⚠️ 重要提示

确保 Ollama 服务在本地运行，并且 nomic-embed-text 模型已加载。
数据库文件 (memory.db) 会在项目目录中创建，用于存储记忆数据。
代码和配置文件请根据具体需求进行调整。

💡 使用建议

在使用过程中，可根据项目需求合理设置记忆的标签和类型，以便更高效地管理和搜索记忆。同时，定期备份数据库文件，防止数据丢失。

🤝 贡献指南

欢迎贡献！请参考 CONTRIBUTING.md 参与开发。

Long-Term Memory