Memory MCP：用本地知识图谱记住跨对话的信息

每开一个新对话都要重新介绍自己在做什么项目、喜欢什么写法，这是聊天助手最常见的烦恼。Memory MCP 是 MCP 官方给出的最小答案：把信息拆成实体（entity）、关系（relation）和观察（observation）三种结构，存进本机一个 JSONL 文件，下次对话时智能体按名称或关键词查回来。

能做什么

• 写入记忆：create_entities 建实体（如人、组织、事件），create_relations 用主动语态连接两个实体，add_observations 给实体追加一条条原子事实。
• 查询记忆：search_nodes 在名称、类型和观察内容里做关键词匹配，open_nodes 按名称取出指定实体及其关系，read_graph 返回整张图。
• 修正记忆：可分别删除实体（连带关系）、单条观察或单条关系，不存在的条目不会报错。
• 资源订阅：整张图以 memory://knowledge-graph 资源暴露，写操作会发出更新通知，订阅的客户端能看到实时变化。

适合谁

• 想让 Claude Desktop 记住自己的职业、偏好和常聊话题，又不想把数据交给第三方服务的个人用户。
• 准备自己写记忆类 MCP、想先看一份结构清晰的参考实现的开发者。

接入方式

需要 Node.js。MEMORY_FILE_PATH 可选，用来指定 JSONL 文件位置：

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"],
      "env": {
        "MEMORY_FILE_PATH": "/path/to/custom/memory.jsonl"
      }
    }
  }
}

编辑点评

记忆类 MCP 已经卷到语义检索、自动整理、时间衰减，这个官方版本却刻意保持简单：没有向量、没有模型调用，数据就是一个能直接打开查看的文本文件。正因为简单，它是理解“智能体记忆”这件事的最好起点，也适合记录量不大的个人场景。局限同样明显：检索只是关键词匹配，记忆什么、什么时候记全靠系统提示词引导，README 给的示例提示词就要求模型每轮先说“Remembering…”再检索。记忆多了以后 read_graph 会很占上下文，那时可以换成本目录里的 Hindsight 或 Basic Memory。它在 MCP servers 单仓里，截至 2026-10-06 该仓库约 9.1 万 star，许可证正从 MIT 过渡到 Apache-2.0。