devmemory MCP
为你的AI编码助手提供他们应得的长期记忆。
嘿！欢迎来到 devmemory MCP如果你曾经第一百次感受到向人工智能助手解释项目架构、过去的错误和编码标准的痛苦，那么你来对地方了。
这个项目是一个强大的 内存支持的辅助框架 旨在为您的AI工具提供持久、长期的记忆。它存储项目的关键决策、代码片段、文件路径、函数级上下文和调试见解。然后，它使用语义向量搜索来准确检索人工智能所需的内容，该搜索由 色度数据库 和 句子转换器，通过直接集成到Cursor、Claude Desktop等 模型上下文协议（MCP）.
______________________________________________________________________
你为什么需要这个（问题）
现代人工智能编码助手令人印象深刻，但它们的记忆力却很差。它们受到当前会话上下文窗口的限制。
1.土拨鼠日，每天
大多数助理在两次会议之间会忘记一切。一旦对话结束，重要的架构决策、调试见解和复杂的推理就会丢失。你必须一遍又一遍地解释同一个项目背景。
2.缺乏项目范围内的情报
人工智能工具通常会推理 仅 在编辑器中当前打开的文件上。他们很少对系统的架构、设计决策或整个存储库的历史变化有深入的了解。
3.缺失的“为什么”
AI助手可以阅读代码并理解 *什么* 确实如此，但他们通常无法回答以下问题：
- *为什么这个特定功能是这样实现的？*
- *为什么选择这种架构而不是其他替代方案？*
- *三个月前的什么具体错误导致了这种奇怪的解决方法？*
PR合并后，代码决策背后的推理就消失了。
4.无持久调试历史记录
错误修复、根本原因和故障排除步骤很少以结构化的方式保留。当几个月后出现类似的问题时，你和你的人工智能必须从头开始重新发现完全相同的解决方案。
______________________________________________________________________
devmemory MCP解决了什么（解决方案）
devmemory MCP 介绍a 持久存储层 为您的AI助手。通过将此MCP服务器插入Claude Desktop、Cursor或任何兼容MCP的客户端，您的AI可以突然：
- 存储和检索项目决策： 自动保存编码标准和调试见解。
- 将知识附加到代码中： 将特定的内存、基本原理和上下文绑定到精确的文件路径和函数。
- 语义搜索（ChromaDB）： 使用自然语言向量搜索检索高度相关的历史上下文。
- 维护一个“我们为什么这样做？”数据库： 保持一个可搜索的架构知识库。
- 生成项目上下文： 为未来的AI会话自动编译相关上下文文档。
通过为AI助手提供结构化、可查询的内存系统，devmemory MCP将无状态AI自动补全工具转换为 具有情境意识的高级合作者，随着时间的推移而不断改进.
______________________________________________________________________
特性
通过模型上下文协议的强大功能，该服务器直接向AI展示了强大的工具：
add_memory：保存重要上下文并将其与特定的文件路径或函数相关联。search_memory：使用语义自然语言搜索查询快速查找相关记忆。summarize：自动总结您的开发会话，以记录所做的工作。build_and_write_context：从内存中编译相关上下文文档，并自动将其导出到CLAUDE.md用于深度编辑器集成的文件。
______________________________________________________________________
入门指南
先决条件
你需要 Python 3.10+ 安装在您的机器上。
安装
克隆存储库并安装包及其依赖项(chromadb, sentence-transformers, mcp等）促进当地发展：
# Clone the repository
git clone
cd /devmemory-mcp
# Install via pip in editable mode
pip install -e .将其连接到您的AI助手
因为 devmemory 使用 模型上下文协议（MCP） 通过 FastMCP，将其集成到您的AI工作流程中非常容易。
Claude桌面集成
使用它 克劳德桌面，编辑您的 claude_desktop_config.json （发现于 %APPDATA%\Claude\claude_desktop_config.json 在Windows或 ~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）并添加以下内容：
{
"mcpServers": {
"devmemory": {
"command": "uvx",
"args": [
"--directory",
"/devmemory-mcp",
"devmemory-mcp"
]
}
}
}*或者，如果您全局安装了它，或者只是想指向虚拟环境的可执行文件，您可以使用绝对路径 devmemory-mcp 作为命令。*
游标IDE集成
- 打开 光标设置 -> 特性 -> 主控程序.
- 点击 +添加新的MCP服务器.
- 选择类型：
command. - 姓名：
devmemory. - 命令：
devmemory-mcp*（注意：如果Python虚拟环境的二进制文件不在全局path中，请提供它的绝对路径，例如。， `
/.venv/Scripts/devmemory-mcp`)*.
繁荣Cursor和Claude现在有了不朽的记忆。当你工作时，让他们“将这个架构决策保存到内存中”或“在内存中搜索我们为什么以这种方式配置数据库”。
______________________________________________________________________
构建于
- Python 3.10+
- FastMCP --一个用于轻松构建MCP服务器的高级框架
- 色度数据库 --开源AI原生矢量数据库
- 句子转换器 (
all-MiniLM-L6-v2)--用于极其快速和准确的本地文本嵌入
______________________________________________________________________
❤️ 最后的思考
由于这是我的第一台MCP服务器，这绝对是一项正在进行的工作，但为人工智能构建记忆层是一次很棒的学习体验。人工智能的未来不仅仅是大窗口，而是持久状态。
您可以随意使用它、破解它、深入代码或通过PR做出贡献！
编码愉快！用爱建造 科林·迈克尔