增强型MCP内存
⚡ 针对克劳德十四行诗4进行了优化 -此MCP服务器与Claude Sonnet 4配合使用效果最佳，可实现最佳性能和AI功能。
用于智能内存和任务管理的增强型MCP（模型上下文协议）服务器，专为AI助手和开发工作流程而设计。具有语义搜索、自动任务提取、知识图和全面的项目管理功能。
✨ 主要特点
🧠 智能内存管理
- 语义搜索 使用句子变换器进行自然语言查询
- 自动内存分类 具有重要性评分
- 重复检测 以及内容重复数据消除
- 文件路径关联 用于代码内存关系
- 知识图关系 具有自动相似性检测功能
🧬 顺序思维引擎
- 结构化推理链 具有5个阶段的过程（分析、规划、执行、验证、反思）
- 上下文管理 具有自动令牌优化功能
- 对话连续性 跨会话智能摘要
- 实时令牌估计 压缩（减少30-70%）
- 自动提取 关键点、决策和行动项目
📋 高级任务管理
- 自动任务提取 来自对话和代码注释
- 优先级和类别管理 通过验证
- 状态跟踪 （待定、进行中、已完成、已取消）
- 任务记忆关系 在知识图谱中
- 项目型组织
- 复杂任务分解 转化为可管理的子任务
🏗️ 项目约定学习
- 自动环境检测 -操作系统、shell、工具和运行时版本
- 项目类型识别 -Node.js、Python、Rust、Go、Java、MCP服务器等。
- 命令模式学习 -提取npm脚本、Makefile目标和项目命令
- 刀具配置检测 -IDE、linters、CI/CD、构建工具和测试框架
- 依赖管理 -包管理器、锁定文件和安装命令
- 智能命令建议 -根据项目约定更正用户命令
- Windows特定优化 -正确的路径分隔符和命令格式
- 内存集成 -存储人工智能环境和未来参考的学习惯例
📊 性能监控
- 性能监控 有详细的指标
- 健康检查 和系统诊断
- 自动清理 旧数据和重复数据
- 数据库优化 工具
- 综合录井 以及错误跟踪
- 令牌使用分析 以及优化建议
� 企业功能
- 性能监控 有详细的指标
- 健康检查 和系统诊断
- 自动清理 旧数据和重复数据
- 数据库优化 工具
- 综合录井 以及错误跟踪
- 令牌使用分析 以及优化建议
�🚀 轻松部署
- uvx兼容 对于一个命令安装
- 零配置 使用合理的默认值启动
- 环境变量 配置
- 跨平台 支持（Windows、macOS、Linux）
🏗️ 项目结构
enhanced-mcp-memory/
├── mcp_server_enhanced.py # Main MCP server with FastMCP integration
├── memory_manager.py # Core memory/task logic and project detection
├── sequential_thinking.py # Thinking chains and context optimization
├── database.py # Database operations with retry mechanisms
├── requirements.txt # Python dependencies
├── setup.py # Package configuration
├── data/ # SQLite database storage
├── logs/ # Application logs🚀 快速开始
选项1：使用uvx（推荐）
# Install and run with uvx
uvx enhanced-mcp-memory选项2：手动安装
# Clone and install
git clone https://github.com/cbunting99/enhanced-mcp-memory.git
cd enhanced-mcp-memory
pip install -e .
# Run the server
enhanced-mcp-memory选项3：开发设置
# Clone repository
git clone https://github.com/cbunting99/enhanced-mcp-memory.git
cd enhanced-mcp-memory
# Install dependencies
pip install -r requirements.txt
# Run directly
python mcp_server_enhanced.py⚙️ MCP配置
添加到MCP客户端配置中：
对于uvx安装：
{
"mcpServers": {
"memory-manager": {
"command": "uvx",
"args": ["enhanced-mcp-memory"],
"env": {
"LOG_LEVEL": "INFO",
"MAX_MEMORY_ITEMS": "1000",
"ENABLE_AUTO_CLEANUP": "true"
}
}
}
}对于本地安装：
{
"mcpServers": {
"memory-manager": {
"command": "python",
"args": ["mcp_server_enhanced.py"],
"cwd": "/path/to/enhanced-mcp-memory",
"env": {
"LOG_LEVEL": "INFO",
"MAX_MEMORY_ITEMS": "1000",
"ENABLE_AUTO_CLEANUP": "true"
}
}
}
}🛠️ 可用工具
核心内存工具
get_memory_context(query)-获取相关的记忆和背景create_task(title, description, priority, category)-创建新任务get_tasks(status, limit)-使用筛选检索任务get_project_summary()-获取全面的项目概述
顺序思维工具
start_thinking_chain(objective)-开始结构化推理过程add_thinking_step(chain_id, stage, title, content, reasoning)-添加推理步骤get_thinking_chain(chain_id)-检索完整的思维链list_thinking_chains(limit)-列出最近的思维链
上下文管理工具
create_context_summary(content, key_points, decisions, actions)-压缩上下文以优化令牌start_new_chat_session(title, objective, continue_from)-以可选的继续开始新的对话consolidate_current_session()-压缩当前会话以进行切换get_optimized_context(max_tokens)-获取令牌优化上下文estimate_token_usage(text)-估计用于规划的令牌计数
企业自动化加工
auto_process_conversation(content, interaction_type)-自动提取记忆和任务decompose_task(prompt)-将复杂任务分解为子任务
项目约定工具
auto_learn_project_conventions(project_path)-自动检测和学习项目模式get_project_conventions_summary()-获取学习惯例的格式化摘要suggest_correct_command(user_command)-建议项目适当的命令更正remember_project_pattern(pattern_type, pattern, description)-手动存储项目模式update_memory_context()-使用最新的项目约定刷新内存上下文
系统管理工具
health_check()-检查服务器运行状况和连接get_performance_stats()-获取详细的性能指标cleanup_old_data(days_old)-清理旧的记忆和任务optimize_memories()-删除重复项并优化存储get_database_stats()-获取全面的数据库统计信息
🏗️ 项目约定学习
增强型MCP内存服务器会自动学习和记忆项目特定的约定，以防止AI助手建议错误的命令或方法：
自动检测
- 操作系统：Windows与Unix，首选shell和命令
- 项目类型：Node.js、Python、Rust、Go、Java、MCP服务器、FastAPI、Django
- 开发工具：IDE、过梁、格式化器、CI/CD配置
- 包管理：npm、yarn、pip、诗歌、货物、go模块
- 构建系统：Vite、Webpack、Make、批处理脚本、shell脚本
智能命令建议
# Instead of generic commands, suggests project-specific ones:
User types: "node server.js"
AI suggests: "Use 'npm run dev' instead for this project"
User types: "python main.py"
AI suggests: "Use 'uvicorn main:app --reload' for this FastAPI project"Windows优化
- 自动检测Windows环境
- 用途
cmd.exe和Windows相应的路径分隔符 - 建议Windows兼容命令（例如。，
dir而不是ls) - 处理特定于Windows的Python和Node.js模式
内存集成
所有学习到的惯例都存储为高度重要的记忆，这些记忆：
- 每次交互都出现在AI环境中
- 跨会话和项目切换保持不变
- 包括环境警告和项目特定指导
- 防止重复错误的命令建议
🔧 配置选项
通过环境变量进行配置：
| 变量 | 默认值 | 描述 |
|---|---|---|
LOG_LEVEL | INFO | 日志记录级别（调试、信息、警告、错误） |
MAX_MEMORY_ITEMS | 1000 | 每个项目的最大内存 |
MAX_CONTEXT_TOKENS | 8000 | 自动压缩的令牌阈值 |
CLEANUP_INTERVAL_HOURS | 24 | 自动清理间隔 |
ENABLE_AUTO_CLEANUP | true | 启用自动清理 |
MAX_CONCURRENT_REQUESTS | 5 | 最大并发请求数 |
REQUEST_TIMEOUT | 30 | 请求超时（秒） |
DATA_DIR | ~/ClaudeMemory | 数据和日志的存储位置 |
🧪 测试
此软件包已准备好投入生产，在分布式版本中不包含测试套件。对于开发或CI，请参阅存储库以获取测试脚本和其他资源。
📊 性能与监控
服务器内置了性能跟踪功能：
- 响应时间监控 适用于所有工具
- 成功率跟踪 带有错误计数
- 内存使用统计
- 数据库性能指标
- 自动健康检查
通过访问 get_performance_stats() 和 health_check() 工具。
🗄️ 数据库
- 数据库 用于可靠的基于文件的存储
- 自动架构迁移 获取更新
- 综合索引 用于快速查询
- 内置备份和优化 工具
- 跨平台兼容性
默认位置： ./data/mcp_memory.db
🔍 语义搜索
由句子转换器提供动力，用于智能记忆检索：
- 自然语言查询 -“查找有关数据库优化的记忆”
- 基于相似性的匹配 使用嵌入
- 可配置的相似性阈值
- 自动模型下载 （首次运行约90MB）
🧠 顺序思维
结构化推理系统：
- 5阶段思维过程：分析→ 规划→ 执行→ 验证→ 反思
- 令牌优化：实时估计和压缩（减少30-70%）
- 上下文连续性：保留上下文的智能会话切换
- 自动提取：自动识别关键点、决策和行动项
- 性能跟踪：监控推理链和优化指标
💼 许可证管理
针对大规模部署的高级上下文优化：
- 智能压缩：基于模式的提取保留了基本信息
- 代币估算：规划和预算的实时计算
- 上下文摘要：对话自动转换为可操作的摘要
- 会话合并：对话会话之间无缝切换
- 性能分析：压缩比和响应时间的详细指标
📝 日志记录
综合测井系统：
- 每日原木轮换 在……里面
./logs/目录 - 结构化日志记录 带有时间戳和级别
- 性能跟踪 集成
- 误差跟踪 带有堆栈痕迹
🤝 贡献
- 分叉存储库
- 创建要素分支
- 添加新功能的测试
- 确保所有测试通过
- 提交拉取请求
📄 许可证
MIT许可证-有关详细信息，请参阅许可证文件。
🆘 支持
- 问题:
- 文档: 自述
- 讨论:
🏷️ 版本历史记录
- v2.0.2 -更新了包构建配置和许可证兼容性修复程序
- v2.0.1 -通过顺序思维和项目惯例增强功能
- v1.2.0版本 -增强的MCP服务器，具有性能监控和健康检查功能
- v1.1.0版本 -添加了语义搜索和知识图功能
- v1.0.0 -具有基本内存和任务管理的初始版本