JinDaGe - mcp-automem MCP Details

article

README

🚀 AutoMem MCP：赋予你的AI完美记忆

AutoMem MCP 只需一条命令，就能让你的AI拥有无限记忆，在所有AI工具中实现完美回忆。

npx @verygoodplugins/mcp-automem setup

现在，你的AI助手可以永远记住所有对话内容。

该工具适用于 Claude Desktop、Cursor IDE、Claude Code、GitHub Copilot（编码代理）、ChatGPT、ElevenLabs、OpenAI Codex 等任何支持MCP的AI平台。

🚀 快速开始

1. 设置AutoMem服务

你需要一个运行中的AutoMem服务（内存后端），有以下两种选择：

选项A：本地开发（最快、免费）

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

服务将在 http://localhost:8001 运行，非常适合单机器使用。

选项B：Railway云服务（推荐用于生产环境）

一键部署，可获得5美元免费额度。试用后，典型成本约为每月0.5 - 1美元。

👉 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

下载并双击安装AutoMem到Claude Desktop： ⬇️ 下载适用于Claude Desktop的AutoMem (.mcpb)

安装后：

Claude Desktop会提示你输入 AutoMem端点（本地环境为 http://127.0.0.1:8001）
可选择输入 API密钥（Railway环境需要，本地环境可跳过）
点击启用

完成！Claude现在拥有持久记忆功能。

其他平台

将你的AI工具连接到刚刚启动的AutoMem服务。

# 引导式设置 - 创建.env文件并为你的AI平台打印配置信息
npx @verygoodplugins/mcp-automem setup

提示时：

AutoMem端点：http://localhost:8001（如果部署到Railway，则使用你的Railway URL）
API密钥：本地开发留空（如果是Railway环境，请粘贴你的令牌）

向导将：

✅ 将你的端点和API密钥保存到 .env 文件
✅ 为Claude Desktop/Cursor/Code生成配置片段
✅ 验证与你的AutoMem服务的连接

3. 特定平台设置

Claude Desktop：

# 设置会打印配置片段 - 只需粘贴到claude_desktop_config.json中
npx @verygoodplugins/mcp-automem setup

Cursor IDE：

# 或者使用CLI安装automem.mdc规则文件
npx @verygoodplugins/mcp-automem cursor

注意： 一键安装后，在 ~/.cursor/mcp.json 或Claude Desktop配置中配置你的 AUTOMEM_ENDPOINT。

Claude Code：

选项A：插件（推荐）

# 在Claude Code中，安装插件：
/plugin marketplace add verygoodplugins/mcp-automem
/plugin install automem@verygoodplugins-mcp-automem

此仓库中仅提供一个Claude Code插件：plugins/automem，市场目录为 .claude-plugin/marketplace.json。

选项B：CLI设置

# 安装SessionStart钩子和MCP权限
npx @verygoodplugins/mcp-automem claude-code

OpenAI Codex：

# 添加到你的Codex MCP配置中
npx @verygoodplugins/mcp-automem config --format=json

# 可选：将内存优先规则添加到该仓库
npx @verygoodplugins/mcp-automem codex

👉 完整安装指南 提供详细的MCP客户端和特定平台设置说明。

✨ 主要特性

🧠 跨会话的持久记忆

AI能永久记住决策、模式和上下文
适用于 所有支持MCP的平台 - Claude Desktop、Cursor、Claude Code
跨设备同步 - 在Mac、Windows、Linux上使用相同的记忆

🏆 图向量架构

记忆之间有 11种可公开定义的关系类型（召回结果可能还包括只读的系统/内部关系，这些关系不是有效的 associate_memories 输入）
经过研究验证 的方法（HippoRAG 2：联想记忆提高7%）
即使有数百万条记忆，也能实现 亚秒级检索

🚀 适用于所有编码场景

| 平台 | 支持情况 | 设置时间 | | ------------------ | ------- | ---------- | | Claude Desktop | ✅ 完全支持 | 30秒 | | Cursor IDE | ✅ 完全支持 | 30秒 | | Claude Code | ✅ 完全支持 | 30秒 | | GitHub Copilot | ✅ 完全支持 | 2分钟 | | OpenAI Codex | ✅ 完全支持 | 30秒 | | 任何MCP客户端 | ✅ 完全支持 | 30秒 |

💻 使用示例

基础用法

npx @verygoodplugins/mcp-automem setup

高级用法

多跳推理

mcp__memory__recall_memory({
  query: "What is Amanda's sister's career?",
  expand_entities: true, // 查找 "Amanda's sister is Rachel" → 关于Rachel的记忆
});

上下文感知编码

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

📚 详细文档

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SSE实现远程MCP - 连接ChatGPT、Claude Web/Mobile、ElevenLabs
🎯 Cursor设置 - 带有规则的IDE集成
🤖 Claude Code设置 - 记忆规则集成
🚀 OpenAI Codex设置 - Codex CLI/IDE/云集成
📖 MCP工具参考 - 所有内存操作

AutoMem服务（单独的仓库）

🏗️ AutoMem服务 - 后端仓库
🚀 服务安装 - 本地、Railway、Docker部署
⚙️ API文档 - REST API参考

🔧 技术细节

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
特定平台的集成（Cursor规则、Claude Code钩子等）
设置向导和配置工具

AutoMem服务：

具有图 + 向量存储的后端内存服务
部署指南（本地、Railway、Docker、生产环境）
带有FalkorDB + Qdrant的API服务器

核心内存操作

store_memory - 保存带有内容、标签、重要性和元数据的记忆
recall_memory - 具有图扩展和上下文感知的混合搜索：
- 基本搜索：查询、多查询、标签、时间过滤器
- 图扩展：实体扩展（多跳推理）、关系跟踪
- 扩展过滤：expand_min_importance 和 expand_min_strength 以减少扩展结果中的噪声
- 上下文提示：语言、活动文件、优先级类型/标签
associate_memories - 创建关系（11种可公开定义的类型；召回结果可能还包括只读的系统关系）
update_memory - 修改现有记忆
delete_memory - 删除记忆
check_database_health - 监控服务状态

高级召回（v0.8.0+）

多跳推理 - 回答复杂问题，如 “Amanda的姐姐的职业是什么？”
上下文感知编码 - 召回优先考虑语言和风格偏好

📄 许可证

本项目采用MIT许可证。因为美好的记忆应该是免费的。

准备好赋予你的AI完美记忆了吗？

npx @verygoodplugins/mcp-automem setup

以执着之心打造，经神经科学验证，由图论提供动力，适用于所有支持MCP的AI。

由Jack Arturo在 Very Good Plugins 设计 🧡

将你的AI从工具转变为队友，立即开始吧。

mcp-automem