记忆盒子-MCP

<p align="center"> <img src="https://storage.googleapis.com/amotivv-public/memory-box-logo.png" alt="Memory Box Logo" width="200"/> </p> <h1 align="center">Memory Box MCP 服务器</h1> <p align="center"> 为 Memory Box 提供 Cline 和 Claude 桌面版的 MCP 集成 - 使用语义理解保存、搜索和格式化记忆 </p> <p align="center"> <a href="LICENSE"><img src="https://img.shields.io/badge/License-MIT-blue.svg" alt="许可证: MIT"></a> </p> <p align="center"> <a href="https://glama.ai/mcp/servers/wtbejx9zwc"> <img width="380" height="200" src="https://glama.ai/mcp/servers/wtbejx9zwc/badge" /> </a> </p>

此 MCP 服务器提供了与 Memory Box 实例交互的工具，允许您直接从 Cline 和 Claude 桌面版使用语义搜索来保存和搜索记忆。

相关项目

此 MCP 服务器设计用于与 Memory Box 一起工作，这是一个由向量嵌入驱动的语义记忆存储和检索系统。

Memory Box 提供了此 MCP 服务器与其通信的后端 API，使您可以：

• 存储带有向量嵌入的记忆以便进行语义搜索
• 将记忆组织到可自定义的桶中
• 基于意义而非仅关键词搜索记忆
• 获取带有详细上下文的记忆
• 找到语义相关的记忆
• 跟踪记忆处理状态

有关 Memory Box 的更多信息，包括如何设置自己的实例，请访问 Memory Box 网站。

功能

• 保存记忆：将格式化的记忆保存到您的 Memory Box 中，并附带来源信息和元数据
• 搜索记忆：使用语义搜索您的记忆
• 检索记忆：获取所有记忆或特定桶中的记忆
• 查找相关记忆：发现语义相似的记忆
• 检查记忆状态：监控记忆处理状态
• 格式化记忆：根据结构化的系统提示格式化记忆
• 使用统计：查看当前计划、使用指标和资源限制

安装

该服务器已安装并配置好，可以与 Cline 一起使用。请注意，您需要一个正在运行的 Memory Box 实例（无论是自托管还是使用 memorybox.amotivv.ai 上的托管版本）才能使用此 MCP 服务器。

通过 Smithery 安装

要通过 Smithery 自动为 Claude 桌面版安装 Memory Box MCP 服务器：

npx -y @smithery/cli install @amotivv/memory-box-mcp --client claude

完成设置：

1. 编辑 Cline MCP 设置文件：

   ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
   

2. 将您的 Memory Box 令牌添加到 MEMORY_BOX_TOKEN 环境变量中：

   "memory-box-mcp": {
     "command": "node",
     "args": [
       "<path-to-repository>/build/index.js"
     ],
     "env": {
       "MEMORY_BOX_API_URL": "https://memorybox.amotivv.ai",
       "MEMORY_BOX_TOKEN": "your-token-here",
       "DEFAULT_BUCKET": "General"
     },
     "disabled": false,
     "autoApprove": []
   }
   

3. 可选地，您可以通过更改 DEFAULT_BUCKET 的值来自定义默认存储桶。

使用

配置完成后，您可以在 Cline 中使用以下工具：

保存记忆

以正确的格式将记忆保存到 Memory Box：

Use the save_memory tool to save this information about vector databases: "Vector databases like pgvector store and query high-dimensional vectors for semantic search applications."

参数：

• text（必需）：要保存的记忆内容
• bucket_id（可选）：保存记忆的存储桶（默认："General"）
• format（可选）：是否根据系统提示格式化记忆（默认：true）
• type（可选）：记忆类型（TECHNICAL, DECISION, SOLUTION, CONCEPT, REFERENCE, APPLICATION, FACT），用于格式化（默认："TECHNICAL"）
• source_type（可选）：记忆来源类型（默认："llm_plugin"）
• reference_data（可选）：关于记忆来源和上下文的附加元数据

搜索记忆

使用语义搜索来查找记忆：

Use the search_memories tool to find information about "vector databases"

参数：

• query（必需）：搜索查询
• debug（可选）：在结果中包含调试信息（默认：false）

获取所有记忆

检索所有记忆：

Use the get_all_memories tool to show me all my saved memories

获取存储桶中的记忆

从特定存储桶中获取记忆：

Use the get_bucket_memories tool to show me memories in the "Learning" bucket

参数：

• bucket_id（必需）：要从中检索记忆的存储桶

格式化记忆

根据记忆系统提示格式化文本但不保存：

Use the format_memory tool to format this text: "Vector databases like pgvector store and query high-dimensional vectors for semantic search applications."

参数：

• text（必需）：要格式化的文本
• type（可选）：记忆类型（TECHNICAL, DECISION, SOLUTION, CONCEPT, REFERENCE, APPLICATION, FACT）（默认："TECHNICAL"）

获取相关记忆

找到与特定记忆语义相似的记忆：

Use the get_related_memories tool with memory ID 123

参数：

• memory_id（必需）：要为其查找相关记忆的记忆 ID
• min_similarity（可选）：相关记忆的最小相似度阈值（0.0-1.0）（默认：0.7）

检查记忆状态

检查记忆的处理状态：

Use the check_memory_status tool with memory ID 123

参数：

• memory_id（必需）：要检查状态的记忆 ID

获取使用统计

检索用户使用统计数据和计划信息：

Use the get_usage_stats tool to show me my current plan and usage metrics

此工具返回：

• 当前计划信息（例如，免费、基础、专业、遗留）
• 用户状态和限制执行信息
• 当月使用指标（存储操作、搜索操作、API 调用）
• 带有人类可读格式的数据处理量
• 基于您的计划的资源限制（如果适用）
• 按类型的操作细分

此操作不需要任何参数。

自定义

系统提示自定义

Memory Box MCP 服务器使用系统提示来根据特定指南格式化记忆。您可以自定义此提示以更改记忆的格式。

默认系统提示

默认系统提示包括不同类型的记忆格式化指南：

You are a helpful AI assistant. When storing memories with memory_plugin, follow these enhanced formatting guidelines:

1. STRUCTURE: Format memories based on the type of information:
   - TECHNICAL: "YYYY-MM-DD: TECHNICAL - [Brief topic]: [Concise explanation with specific details]"
   - DECISION: "YYYY-MM-DD: DECISION - [Brief topic]: [Decision made] because [rationale]. Alternatives considered: [options]."
   - SOLUTION: "YYYY-MM-DD: SOLUTION - [Problem summary]: [Implementation details that solved the issue]"
   - CONCEPT: "YYYY-MM-DD: CONCEPT - [Topic]: [Clear explanation of the concept with examples]"
   - REFERENCE: "YYYY-MM-DD: REFERENCE - [Topic]: [URL, tool name, or resource] for [specific purpose]"
   - APPLICATION: "YYYY-MM-DD: APPLICATION - [App name]: [User-friendly description] followed by [technical implementation details]"

2. FORMATTING GUIDELINES:
   - CREATE FOCUSED MEMORIES: Each memory should contain a single clear concept or topic
   - USE DIVERSE TERMINOLOGY: Include both technical terms AND user-friendly alternatives
   - INCLUDE SEARCHABLE KEYWORDS: Begin with common terms a user might search for
   - BALANCE DETAIL LEVELS: Include both high-level descriptions and key technical details
   - LENGTH: Keep memories between 50-150 words
   - ALWAYS include the current date in YYYY-MM-DD format

3. MEMORY STORAGE PARAMETERS:
   - Use the "text" parameter for your formatted memory content
   - Set "source_type" to "llm_plugin"
   - Include appropriate "reference_data" with source information and context

4. REFERENCE DATA STRUCTURE:
   - source.platform: Identify your platform (e.g., "claude_desktop", "cline")
   - source.type: Always set to "llm_plugin"
   - source.version: Optional version information
   - context.conversation_id: Include when available to link related conversation memories
   - context.message_id: Optional identifier for the specific message

5. SPECIAL FORMATS:
   -…