AI Memory MCP Server

<!-- mcp-name: io.github.xiangzi1126/ai-agent-memory-mcp -->

Agent-agnostic persistent memory as an MCP Server — local-first: memories travel with your project in .ai-memory/, shared across Claude Code / Qoder / Cursor.

English | 日本語

独立于具体 Agent 的持久化记忆层,以 MCP Server 形式提供。可被 Claude Code / Qoder / Cursor 等任何 MCP 客户端复用。

架构

• SQLite:结构化主源(CRUD + FTS5 关键词检索)
• Chroma 嵌入式:向量检索(持久化到 .ai-memory/chroma/)
• Embedding:任意 OpenAI 兼容服务(火山方舟 / 硅基流动 / OpenAI / 其他),默认火山 doubao-embedding-vision;见下文配置
• Markdown 镜像:每条记忆同步写 .ai-memory/memories/<category>/<id>.md,人工可读可编辑

三层用 id 关联。记忆存于各项目的 .ai-memory/ 目录,跟项目走;不同 Agent 连同一项目时共享同一记忆库,source_agent 戳区分写入者。

记忆分类

category	用途
user	用户偏好(技术背景/开发习惯/回答偏好)
project	项目知识(架构/选型/目录/设计决策)
process	工作过程(已解决/Bug/排查/经验)
agent	Agent 协作(谁做过什么/接手须知)

安装

cd <clone 目录>\ai_memory_mcp
python -m pip install -r requirements.txt

也可直接从 PyPI 安装(无需 clone):pip install ai-agent-memory-mcp。

配置 Embedding(任意 OpenAI 兼容服务)

ai-memory 的 embedding 层是通用 OpenAI 兼容客户端,火山方舟 / 硅基流动 / OpenAI / 任何兼容服务都能用。首次运行会在 .ai-memory/config.yml 生成默认配置,按需修改即可。

配置字段(.ai-memory/config.yml 的 embedding 段)

字段	说明
provider	标识(仅记录用,不影响逻辑)
model	embedding 模型名
base_url	OpenAI 兼容端点
api_key_env	读哪个环境变量拿 key
dim	向量维度(须与模型一致)

在项目根 .env 配对应 key,再改 config.yml 的 embedding 段。

示例

火山方舟 doubao-embedding-vision(默认;Agent/Coding Plan 须走 Plan 端点 /api/plan/v3,标准 /api/v3 会 401)

embedding:
  provider: volcengine
  model: doubao-embedding-vision
  base_url: https://ark.cn-beijing.volces.com/api/plan/v3
  api_key_env: VOLCENGINE_API_KEY
  dim: 2048

.env:VOLCENGINE_API_KEY=...

硅基流动 bge-large-zh(中文文本专精)

embedding:
  provider: siliconflow
  model: BAAI/bge-large-zh-v1.5
  base_url: https://api.siliconflow.cn/v1
  api_key_env: SILICONFLOW_API_KEY
  dim: 1024

.env:SILICONFLOW_API_KEY=...

OpenAI

embedding:
  provider: openai
  model: text-embedding-3-small
  base_url: https://api.openai.com/v1
  api_key_env: OPENAI_API_KEY
  dim: 1536

.env:OPENAI_API_KEY=...

任何其他 OpenAI 兼容服务:填对应 base_url / model / api_key_env / dim 即可。

切换 embedding 模型后,旧向量维度可能不匹配;清空 .ai-memory/chroma/ 重新 remember,或跑 python tests/rebuild_vectors.py。

检索机制

recall 用三路融合检索,提升命中率:

• 向量检索(权重 0.6):Chroma cosine;embedding 内容为 title + tags + content 拼接,标题/标签信息进入向量
• 关键词检索(权重 0.25):SQLite FTS5 trigram
• 标题/标签匹配(权重 0.15):查询词出现在标题(+0.15)或标签(+0.075)时加分

候选扩大到 top_k*3,三路融合后取 top_k。

接入 Claude Code(user scope,所有项目共用代码、各自项目数据)

claude mcp add ai-memory -s user -e PYTHONPATH=<clone 目录>\ai_memory_mcp -- python -m ai_memory --agent claude-code --project-from-cwd

<clone 目录> 换成你 clone 的实际路径。Qoder / Cursor 同理,改 --agent 即可。

从 PyPI 装的(pip install ai-agent-memory-mcp)省去 PYTHONPATH:claude mcp add ai-memory -s user -- python -m ai_memory --agent claude-code --project-from-cwd

MCP 工具

• remember(title, content, category, tags?, scope?) - 存记忆(三处同步,自动 embed)
• recall(query, category?, top_k=5) - 混合检索(向量 + 关键词 + 标题匹配)
• get_memory(id) - 取单条
• search_memories(category?, tag?, agent?) - 结构化过滤
• update_memory(id, ...) - 更新(重算 embed + 刷新 md)
• forget(id) - 删除(三处同步)
• list_memories(category?) - 列出
• who_am_i() - 当前 agent + 项目上下文

管理 CLI(后续阶段)

python -m ai_memory.cli init|export|sync|check