MCP Memory: 为AI代理打造持久记忆与极速检索
Show HN: MCP Memory – Fast Agent Memory Using Google's OKF and SQLite FTS5
MCP Memory是一款基于Model Context Protocol的服务器，专为Claude Desktop、Cursor等AI代理提供持久化长时记忆能力。它采用Google的OKF标准存储数据，并结合SQLite FTS5实现毫秒级全文检索。无论是跨会话的状态保持，还是项目上下文隔离，它都能让AI助手像拥有大脑一样记住你的偏好、架构设计和进度，彻底告别重复解释。
让AI代理能够读取、存储、搜索和删除跨越会话的持久记忆片段，仿佛拥有了真正的长期记忆。
HN 评论区
35- jrflo
很酷的想法。为什么这比直接用 markdown 文件并让代理 grep 它们需要的内容更有优势？我过去尝试过各种 MCP 方案，发现它们往往会让代理变慢，浪费的 token 比实际带来的帮助还多，但代理确实 100% 需要一个更好的记忆系统。
- infogulch
上个月有个 Show HN: ContextVault 提出了一种有趣的长期记忆架构。我和创始人讨论过这个设计：https://news.ycombinator.com/item?id=48900288#48901679（我觉得我聊得太深入时他就撤了，哈哈。）
基本思路是定期“将对话提炼为几个领域（问题、解决方案、经验教训、‘上下文’或原始问题，以及其他字段）并进行向量化”（即向量嵌入），然后查询 pgvector 表以找到相关的“记忆”。这些向量化提炼结果也会插入到 pgvector 表中，并保留指向源对话的引用，以便添加新记忆。
向量搜索需要全表扫描，但速度仍然很快，而且我敢打赌它比 FTS（全文搜索）更准确。
- Alifatisk
我目前的做法是在根目录下创建一个名为 MEMORY.md 的 markdown 文件。然后，每当我与代理开启新对话时，都会引用这个文件。该文件成为上下文和知识的初始来源。在任务结束、离开对话之前，我会让代理根据我们从对话中收集到的经验教训和新知识来更新 MEMORY.md，同时删除该 markdown 文件中过时或陈旧的信息。
我自己并不关心文件里具体写了什么，我只负责引导、指令，并在对话中分享我的知识、愿景、目标和偏好，代理会将这些内容提炼并更新到 markdown 文件中。这对我非常有效。
现在，我不再需要担心在创建新对话时编写交接提示词，也不必从头开始教代理我们当前的上下文，只需引用那个 markdown 文件即可。
- ksajadi
对于寻找类似工具的朋友，还有一个托管服务：https://markbase.cloud/。（免责声明：我们最初是为其内部使用而构建的，希望能开源并借助社区的力量进行维护，因为我们在开源维护方面经验不多）
- rcarmo
很高兴看到更多基于 OKF 的方案。我在这个领域的尝试是 https://rcarmo.github.io/projects/memento/，已经运行几个月了。