内存MCP

基于知识图谱的AI代理内存系统，能够在对话之间持久存储信息。

特性

• 使用知识图谱结构进行持久化内存存储
• 用于组织信息的实体-关系模型
• 用于添加、搜索和检索记忆的工具

工具

该系统提供了以下MCP工具：

• load_knowledge_graph(): 检索整个知识图谱
• get_knowledge_graph_size(): 返回当前图谱的大小类别（"small", "medium", 或 "large"）
• add_entities(entities): 向内存中添加新实体
• add_relations(relations): 在实体间创建关系
• add_observations(entity_name, observations): 向现有实体添加观察
• delete_entities(entity_names): 从内存中移除实体
• delete_relations(relations): 移除关系
• search_nodes(query, search_mode): 根据查询搜索匹配的实体和关系。支持三种搜索模式：
  • "exact_phrase": 将整个查询作为子字符串匹配
  • "any_token": 如果查询中的任何单词匹配则匹配（默认）
  • "all_tokens": 如果查询中的所有单词都匹配则匹配
• open_nodes(names): 检索特定实体及其之间的关系

使用方法

运行代理程序：

uv run memory_agent.py

代理将自动执行以下操作：

1. 在对话开始时加载其内存
2. 在交互过程中引用相关信息
3. 在对话结束时用新信息更新其内存

通过输入 q 来退出对话。

配置

使用MEMORY_FILE_PATH环境变量设置内存存储位置（默认为memory.json）。